数据挖掘技术在高校学生管理中的运用

来源:用户上传      作者:

　　摘 要：大专院校学生管理水平向来参差不齐，学生的学习成绩和综合素质都有待提高，且部分学生出现不服管教现象，为了强化学生管理，大专院校需要创新学生管理工作模式，利用先进的技术和手段来保证学生管理效率。数据挖掘技术便是有效技术之一，该技术主要优势在于数据挖掘分析中，将其与学生管理事项结合起来，其可以通过挖掘学生档案信息，从中找到潜在价值信息，使这些信息成为管理决策的参考。大专院校还要对该技术进行分析。
　　关键词：数据挖掘技术;大专院校;学生管理;运用
　　DOI：10.16640/j.cnki.37-1222/t.2019.17.188
　　 在利用挖掘技术时，院校人员需要从实际出发，结合实际的管理决策应用模式，提出应用措施，使技术在信息处理中发挥绝对优势。在将数据挖掘技术渗透到数据挖掘分析中时，还要保证数据的完整性和准确性，使价值数据规律和模型参考意义更大。在技术应用中，教师可以制定适应的管理方法和教学方法，以提高学生管理水平。本文主要针对数据挖掘技术在高校学生管理中的运用进行探讨。
　　1 问题的提出
　　 大专院校在教书育人的过程中，也会引入信息技术和相关设备，组建多媒体教室或将技术直接应用在教学管理中。所以院校教学管理逐渐富有信息化、网络化特点，高科技的应用，使得教学管理效率更高，管理流程更加规范。教学管理职能类型也呈现出多元化特点，学习型、创新型、服务型等是大专院校目前教学管理职能发展方向[1]。这些职能不仅在学生管理中有显著优势，在学校决策及建设方面也有价值，领导人员可以从教学管理数据中寻找对学校管理和决策等有价值的信息。但是教学管理信息错综复杂，数量极多，价值信息的筛选和分析都需要消耗大量时间，最终相关人员也不一定能挖掘出有价值的信息，所以大专院校还要致力于数据信息的挖掘分析工作。使挖掘分析后的信息能为学生工作做贡献，能对教学成效分析提供帮助。若能通过数据挖掘技术获得学生学习影响因素，教师便可以对症下药，排除影响，制定利于学生管理的措施。
　　2 解决方案
　　2.1 数据挖掘
　　 在学生管理中，各方面都会产生大量信息，这些信息完整度和真实性不能得到保证，其还具有模糊随机等特点，这些信息不能直接应用在教育管理中，需要经过层层筛选，才能应用在合适位置处[2]。数据挖掘技术需要通过综合分析，找到人们还未发现其价值的信息，构建数据模型，使其反映学生管理中各方面之间的关系。该种技术属于深层次数据分析方法，其专业性和综合性、集成性较强，其本身集成的功能技术有多种，如机器学习、数据库、模糊数学等，这些功能学科交叉组织在一起，可以全面分析各种因素之间的关联，将其应用在教学评价中，教师能快速得到学生学习成绩影响因素等信息。
　　2.2 数据挖掘过程
　　 在数据挖掘过程中，相关技术会不断分析信息，筛选信息，检验信息等，信息处理步骤不止一步，每一步都有可能重复发生，在不断反复挖掘中，数据信息价值才能全部展现出来。第一步，确定数据挖掘目的，这需要与挖掘对象结合起来，根据挖掘要求，确定挖掘目标，准确定义相关探索问题。第二步，数据采集。数据挖掘技术主要作用于海量数据，无论挖掘对象是什么，相关人员总要提供海量数据，使技术有作用之处。将该技术应用在学生管理中时，教师需要提高此方面的信息。在教学阶段，教师要不断采集学生信息，提供足够信息。第三步，数据转换。该步骤主要根据算法来构件分析模型，模型由这些信息转换而来。第四步，建立分类模型，继续挖掘转换后的数据。在模型构建中，需要采取分类挖掘技术，需要配置挖掘算法，并借助软件技术来发挥算法作用，构建相关模型。第五步，分析分类规则结果。在模型分析中，教师可以获得数据分析评估结果，这些结果反映了教学中的问题，教师可用其来改善教学水平。第六步，模式评估。主要对模型及规则进行评价判断，看其是否准确。第七步，展示最后的挖掘结果，为学生管理提供参考。
　　2.3 数据挖掘在学生管理决策中应用功能
　　 数据挖掘功能有多种，关联分析在学生管理中的应用较为广泛，在这种功能应用中，其需要发现学生管理与影响因素之间的关联规则。规则反映了属性与属性值在数据集中一起出现的条件。这意味着教师可以通过采集学生行为数据，发现频发出现的数据，构成数据集，然后构成频繁出现的数据组，最终获得学生行为信息结论。教师利用此结论，可分析学生学习成绩影响因素，也可预测学生的行为。
　　3 基于关联規则数据挖掘在教学系统中的应用
　　 主要包括两部分，其一，关联规则的基本挖掘算法。该算法主要指Apriori算法，在算法挖掘出相关数据规则，并呈现用户面前时，用户对其的兴趣是不同的，可用支持度和置信度来表示。以用户给定支持度为参考，在计算出单项事务记数支持度后，对比两种支持度，删减掉少于用户给定支持度的内容，然后再处理更多的事务，从后面事务处理中，继续删减项集，保留频繁项集，从子集产生的过程中找到关联规则，此时以用户最低置信度为参考，保留满足该置信度的关联规则。其二，架构于Oracle数据库系统的挖掘系统核心。Oracle数据库在数据转换和应用中优势显著，其需要保留海量数据，并未数据转换和处理提供有利条件和环境，其代替了传统的应用服务器。
　　4 结语
　　 数据挖掘功能多元化，这些功能需要逐一落实在学生管理的每个环节中，其中关联分析功能应用较为广泛，教师需要注意该功能的执行力度和实践效果，并根据实践结果，不断完善数据挖掘方案，使数据挖掘技术优势更加显著。在数据挖掘技术应用中，必定涉及到相关算法，该算法类型不止一种，教师还要加大研究，使算法符合要求，使其与数据挖掘功能相适应。教师还要关注学生管理水平，看其是否提高，在不断优化中，学生管理新模式适应性会更强。
　　参考文献：
　　[1]王永.数据挖掘技术在高校干部管理中的应用研究[J].现代商贸工业，2019，40（08）：186-187.
　　[2]罗明挽.决策树数据挖掘技术在学生管理中的应用研究[J].电子技术与软件工程，2016（07）：197-198.
转载注明来源:https://www.xzbu.com/1/view-14927640.htm