数据挖掘技术及其在职业院校中的应用初探

随着互联网技术的迅猛发展，校园网的信息化建设已成为高职院校建设中的重要组成部分，校园网信息化的广泛应用。尤其是近年来，随着高职院校招生规模的扩大，许多高职院校在教学和日常管理工作中不断积累了大量的数据，但是, 对这些数据所隐藏的价值并没有得到充分进行挖掘和有效的利用。人工的教学与管理模式已经不能适应当今院校的各项管理和监控工作发展的需要，因此对于这些表面数据进行数据的深入挖掘十分必要的。如何在大量数据中挖掘出有用的信息，以便为决策者发现数据间重要信息但又被忽略的因素，进而更好的动态提供有效可靠决策依据。

1. 数据挖掘技术概述

从大量数据中提取或挖掘知识的过程就可以称之为数据挖掘。而数据挖掘技术则是通过数学模型及计算机软件技术的综合应用，从数据仓库或大型数据库中提取出人们感兴趣的知识和信息，提取到的这些信息和知识可能是事先未知而潜在有的，或者是隐含的，将这些知识或信息表示为规则、概念、模式或规律等比较规范的表示形式。

2. 数据挖掘方法

进行数据挖掘时，可采用的方法主要由搜索、模型表示和模型评价。搜索，主要是通过关键词或一定的规则在数据库中寻找需要的信息和知识的过程；模型表示，则是一种描述能够被发现的模式的语言。这种表示受限制因素过多时，就很难产生一个清晰的模型。作为数据分析者，掌握诸多方法中具有代表性的假设非常重要。同样，对于一个算法设计者而言，对特定算法能够清晰的表达其所代表的的假设也是非常重要的。随着模型表示能力的不断提升，模型在训练数据的危险性及适应性方面的作用也不断增加。对于模型评价而言，是对一个特定模式下满足数据挖掘目标的定量描述，如人们经常会用测试数据来表示预测的准确性。对模型进行描述时，可以对其预测的可用性、准确性、新颖性、可理解性等度量进行综合评估。

3. 数据挖掘技术在职业院校中的应用

3.1 数据挖掘在课程安排中的应用

高职院校的课程安排是根据各自专业的特殊要求按照一定顺序进行的, 而课程之间又存在相互关联性。通常情况下学生按照专业的方向学习相应基础课程, 然后再进行专业课的学习，如果对前导课程学习和掌握的程度不够，就会对后面课程的学习产生影响。随着高等院校的扩招规模扩大，职业院校的办学规模也再进一步的扩大，在校人数越来越多。对于教学管理人员而言，对学生前导课程与后继课程成绩分布很难直接找出关系，教学计划的制定也遇到了较大的困难。在这种情况下，数据挖掘技术的应用，能够很好的解决这一问题，能够对数据中隐藏的课程规律进行挖掘，为教学计划的制定提供有效的一句。例如，可以在学生成绩数据库中发现专业课的前导课程平均成绩在规定分数以上的学生中, 专业课成绩在设定条件分数以上的可能性。这就是一条数据挖掘中的一条关联规则。利用数据挖掘技术对教学数据库中学生各门学科的考试成绩进行关联分析，就能从这些大量数据中挖掘出相应的信息，得出一些具有价值的规则和信息，根据结果就可以判定前导课程与专业课的设置的合理性，以此对课程设置做出合理安排，进而使得课程设置更加趋于完善，制定科学合理的课程安排。

3.2 数据挖掘在教学质量监控中的应用

教学活动的实际成效由教学质量的高低直接体现出来，而良好的教学评价可以促进、指导、激励和调控教学质量，在学校管理中，教学评价是重要的组成部分，也是主要的工作手段之一。作为职业院校来说，每一学期都要对教学评价进行调查，因此会产生大量来自于实际教学管理中的调查数据。当前，教学评价工作主要由数值计算来体现，对学生的统一评价进行综合分析，而评价的结果则作为教师评优、晋升职称的主要依据，没有进行深入的考虑。例如，可以借助数据挖掘技术，对教师的性别、年龄、学历、职称及教学质量的好坏等因素之间的关系进行挖掘。利用关联挖掘方法，寻找出对学生成绩产生影响的主要因素，帮助教师在教学过程中及时改变教学方法，调整教学内容，有效的进行因材施教，使教学质量不断的提高。同时，可以利用分类规则，按照学生的基础及认知水平等因素对学生进行分类，不同类别学生采取不同的教学方法，达到提高学生学习激情，掌握知识的目的。利用数据挖掘技术中的相关规则对学生的成绩以及课程的安排进行分析，对教师及课堂效果之间的关系进行评价，从而设置更为合理的教学计划及教学方法，更好地开展教学活动。

3.3 在职业院校网络教学中的应用

网络教学能够突破传统教学模式的时空限制，利用其多媒体和信息量大、交互性强、覆盖面广等特点，为学生共享学习资源、网络教学方式成为各高校必不可少的教学手段之一。通过将传统的数据挖掘同Web 结合起来，就可以从Web 文档或者从一些与Web 应用中抽取学生感兴趣的潜在的有用模式和隐藏的信息，作为对学生提供个性化教学服务的依据，优化网络教学站点结构， 提高站点效率，更好地为网络教学服务。如可以对教学网络Web 流量行为的分析，利用它来处理Web 缓存、存取平衡等，可以改进网络教学系统性能。对所有学生的浏览路径进行挖掘，发现其中某些页面的逻辑关联，把频繁访问的一些页面直接链接，以改善网络教学站点结构。通过对学生行为和所选课程等关系的挖掘，发现其中的学生群学习特征和趋势等。从单个学生的浏览信息发现学生的兴趣，向每位学生提供符合其兴趣要求的个性化界面。

结束语

本文从数据挖掘的的角度对高职院校信息化校园建设进行了初步探索，在未来的实际应用将进一步深入的研究，将数据挖掘技术更好的应用到职业院校信息化建设中去使其发挥越来越大的作用。

参考文献：

[1] 张晓霞. 空间数据挖掘技术的研究[J]. 天津职业院校联合学报,2009(5).

[2] 刘阳. 数据挖掘在能力本位课程开发中的研究[J]. 华章,2011(10).

[3] 姜洪雨. 数据挖掘技术在高职状态数据采集平台中的应用[J]. 科技创新与应用,2013(19).

[4] 刘建莉. 基于数据挖掘的计算机能力考核成绩分析与处理[J]. 天津职业院校联合学报,2011(2).

[5] 郁琦, 钱雪忠. 数据挖掘在高职院校学生技能考证管理中的应用[J]. 中小企业管理与科技,2011(22).> 才智 /137 创新教育 Innovation Education