基于数据挖掘技术的信管专业课程设置研究

薛泉祥

[摘 要]信息管理与信息系统专业是信息时代的产物，迄今经历了技术型、工程型和复合型三种类型人才培养的发展之路，其专业设置也发生了一系列变化。本文结合社会发展形势提出了当下信息管理与信息系统专业人才的知识结构，并以某所高校信管专业学生成绩数据为基础，通过数据挖掘寻找关联规则，为进一步做好信管专业课程设置提供决策支持。

[关键词]数据挖掘；信息管理与信息系统；课程设置；决策支持

[中图分类号]G643 [文献标识码] A [文章编号] 1009 — 2234（2015）12 — 0153 — 03

信息管理与信息管理专业是信息时代的产物。它培养具备扎实的现代管理学基础知识、计算机科学技术知识、动手能力强、适应面宽的信息管理人才。信息管理与信息系统学科是由管理学基础理论与计算机科学技术相结合的交叉学科，具有基础科学与应用科学的双重属性，由于数学定量方法和信息技术的融合，它又体现了应用学科的某些特征〔1〕。学科特征的复杂性决定了该学科课程设置的复杂性。本研究根据某高校信息管理与信息系统专业学生的成绩数据通过数据挖掘的方法，从中寻找规律，为高校更为合理地设置信管专业的课程提供决策依据。

一.信息管理與信息系统专业的人才培养定位及课程设置变化

信息管理与信息系统专业人才的培养经历了技术型、工程型和复合型三种类型人才培养的发展之路〔2〕。不同类型人才的培养过程需要相应的课程设置，“技术型”人才的培养主要源于计算机应用等专业，课程主要以计算机应用类课程为主，重点强调程序设计的能力。此类毕业生在工作中往往表现出较强的程序设计能力。

工程型人才培养课程主要以经济管理、工程数学、计算机、系统工程四类课程为核心，以计算机能力培养为重点。与前两类人才相比，复合型人才更具有竞争力，因为他们具有信息分析能力与企业管理创新的知识，是具有驾驭信息资源知识与能力的新型管理人才。这类复合型人才的核心竞争力主要分为两类：信息系统开发的能力和信息分析的能力。

二.数据挖掘及数据挖掘工具简介

数据挖掘（Data Mining）简称DM，又称为数据库中知识发现，它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的复杂过程〔3〕。具体的数据挖掘方法有关联分析、聚类分析、分类和预测等。本文选取了Clementine12.0对数据进行挖掘建模分析。

三.利用Clementine软件进行数据挖掘

1.数据收集

本文选举一所以工科为主、经管文理农等学科为辅的教学型大学通过学校的教务部门的学生成绩系统，我们可完整获取该高校2004级信息管理与信息系统专业学生的成绩信息。

2.数据预处理

数据挖掘过程中数据预处理包括三个步骤：数据集成、数据清理、数据转换〔4〕。在本研究的数据预处理阶段，我们主要通过对学生的成绩数据库进行信息抽取、转换和加载，形成适合于本课题研究需要的学生成绩分析基本数据库；按照Clementine软件对数据的要求，数据源中的连续值属性如考试成绩需进行离散化处理。在数据源中，我们令成绩在90分以上的为“A”，令成绩在80-89之间的为“B”，在70-79之间的为“C”，60-69之间的为“D”，小于60的为“E”。对于“优”“良”“中”等非分数成绩也按照同样的方法进行离散化，形成目标数据表。

为便于开展研究和分析，我们信管专业人才知识结构将目标成绩数据分成：公共基础知识、经济类知识、管理决策类知识、信息技术类知识、信息系统开发类知识、建模知识六大类。并运用Clementine建模，进行数据挖掘，寻找各类六类课程之间的关联关系。

3.数据挖掘的主要步骤及结果分析

（1）用Clementine的K-means模型对数据表S中各类课程成绩数据进行聚类分析处理。

K-means节点提供了一种聚类分析方法，与Clementine中的其他学习方法不同，K-means模型不使用目标字段。K-means不是去预测某一结果，而是从输入字段中发现特征，记录被分成群组，同一群组中的记录彼此相似，而不同群组的记录大不相同，对于大型数据集，K-means模型通常是最快的分群方法〔5〕。运用Clementine的K-means聚类建模节点构建数据流，设置聚类结果为3簇，导入数据执行数据流，形成聚类结果。以管理类课程为例，形成的聚类结果如表1：

通过表1所示结果的分析，我们可以较为直观的看出：第二簇的17个记录中，成绩普遍偏低，大多在C与D之间徘徊。而第一簇的45个记录中结果明显好于Cluster2大部分在B；第三簇共有6个记录，6个记录中除会计信息系统分析与设计为B，其余均为A。据此我们可以令第三簇为A，即第三簇的6名学生的管理类课程的整体学习水平为优秀。以此类推，第一簇的45名学生管理类课程的整体学习水平中等，我们令其为B，第三簇的17名学生管理类可课程的整体学习状况较差，我们用C表示。

利用输出节点输出聚类结果，放入数据表S备用。按照同样的方法，我们分别对其余五类课程成绩进行了聚类。

（2）用Clementine平台的Apriori规则挖掘模型分别对数据表S中的各类别的数据进行数据挖掘，寻找关联规则。

利用数据挖掘平台Clementine，构建数据挖掘流程，针对数据表S的具体挖掘过程以及挖掘出的关联规则如下：

1）对六类课程组进行关联规则挖掘，将六个字段全部设为既是条件属性又是决策属性，设置最小规则支持度为6%，最小置信度为80%。执行数据流得出关联规则，形成关联规则，其中较为具有意义的规则如表2：

②构建数据挖掘数据流，把公共基础类课程作为条件属性，其他课程聚类及毕业设计成绩决策属性进行挖掘，设置最小规则支持度为5%，最小置信度为40%，执行数据库流得出关联规则，形成关联规则，其中有意义的如表3：

3）以其他各课程聚类字段为条件属性，毕业设计成绩字段作为被决策属性，设置最小规则支持度为10%，最小置信度为80%，执行数据流，得出关联规则，其中有意义的规则如表4：

4）以各课程字段作为条件属性，以毕业设计成绩为决策属性，设置最小规则支持度为5%，最小置信度为50%，执行数据流，得出关联规则，其中有意义的共有10条。

（3）学生成绩挖掘结果分析

1）信息管理与信息系统专业各类课程之间存在一定的依存关系，尤其体现在信息技术类课程与管理决策类课程之间。规则：公共基础知识聚类=A？信息技术类聚类=A关联规则（置信度82.5%，支持度85.824%）表明：信息技术类课程学习状况良好的学生，管理决策类知识的学习状况学习良好。这充分体现了学校信息管理与信息系统专业对学生的培养注重工程应用背景，侧重于工程应用型专门人才的培养定位。

2）规则：公共基础知识聚类=A？信息技术类聚类=A（置信度66.667%，支持度30.882%）、公共基础知识聚类=A？信息技术类聚类=A（置信度61.905%，支持度30.882%）、公共基础知识聚类=C？毕业设計=C（置信度43.75%，支持度23.529%）、公共基础知识聚类=A？信息开发类聚类=A（置信度，42.857%，支持度30.882%），分别表明公共基础类知识对于数学建模类、基础信息技术类、毕业设计、信息系统开发类课程学习的重要作用。

3）表4所示规则重点反映了信息技术类、管理决策类等六类课程对于学生毕业设计的影响。表明，信息技术知识类、管理决策类和信息开发类课程对于信息管理与信息系统专业的学生的更好地从事实践性开发工作作用明显。其中信息技术类知识的影响尤为明显。

4）表5所示规则反映了信息管理与信息系统所开设的各门课程对于毕业设计的关系，即该专业的所有课程，哪些对于学生较好地掌握信息管理与信息系统专业的知识，并进行综合运用是有重要关联意义的。通过这一关联规则的挖掘，我们可以找到该专业学习过程中的关键学科，可以指导学生的学习，也可以为学校教学过程，优化课程设置提供参考。该专业的关键课程为：《企业资源计划》、《运筹学》、《会计系统分析与设计课程设计》、《管理信息系统课程设计》等10门课程。其中公共基础类1门，经济类1门，数学建模类1门，管理决策类2门，基础信息技术类4门，信息系统开发类1门，实践性环节课程2门。

四.基于上面的论述，结合本文的研究，我们认为信息管理和信息系统专业的课程设置应注意四个方面的问题：

（1）把握好与计算机科学与应用学科的关系

信息管理与信息系统专业课程设置中，信息技术类课程比重较大，且该类课程的学习对于管理决策类课程的决定作用较为明显。计算机应用是信息管理与信息系统的基本载体，信息技术是它的重要内容，软件工程确为信息系统中项目开发的指导思想，但信息管理与信息系统专业更强调信息的组织与管理。在该专业的课程设置中，有关现代信息技术的课程应当占有相当大的比重，但是其重点在于“用”技术，而不是研究这些技术的本身，因此在重点和内容的取舍上有着明显的区别。应该强调的是，该专业毕业的学生应能承担各级各类信息管理工作，从事各种类型的信息系统建设和管理工作，其工作重点不是编程。因而在培养学生时，不宜过分强调编程能力，而应加强信息组织、信息管理、系统分析、系统设计的训练。

（2）把握好与管理学科的关系

该专业也不同于管理科学，它与其他管理学科的区别在于：重点是信息管理，并且大量使用信息技术。在信息社会，信息已成为企业的生命线，信息资源是企业的重要财富，信息管理不容忽视。基于本研究，我们认为，在课程设置中，应适当加重信息系统开发类知识的比重。

（3）加强公共基础类课程教学内容改革

表5所示关联规则充分说明了公共基础知识的基础性地位。此次实证分析中，公共基础类课程主要是数学类基础课程。数学是基础，不仅是信息处理的工具，也是提高思维能力的重要训练手段。现代信息处理技术越来越多地应用到诸多数学方法。依据本文的研究结果，我们认为应该提高本专业的数学要求；同时，现代数学软件的使用已经变得越来越重要，可考虑在数学课程中增加相应数学软件的使用内容。此外，应用数学解决信息处理问题的第一步是建立相应问题的数学模型，不仅应在数学模型课程中向学生传授数学建模方法，更应该在所有数学课程中融入数学建模思想。

（4）加大实践环节的比重

在本文的研究对象中仅有两门实践类课程：《会计信息系统分析与设计课程设计》、《管理信息系统课程设计》。关联规则：管理信息系统课程设计B？毕业设计B（置信度66.667%，支持度13.235%）和会计信息系统课程设计=A？毕业设计=B（置信度60%，支持度14.706%），充分说明了实践性环节对于学生综合运用专业知识解决实际问题的重要作用。

〔参 考 文 献〕

〔1〕齐二石.中国管理科学与工程类专业教育教学改革与发展战略研究〔R〕.高等教育出版社，2002.

〔2〕蔡淑琴，张自刚，张金隆.信息管理与信息系统专业人才培养的研究〔J〕.高等工程教育研究.2001（4）：26

〔3〕刘同明等.数据挖掘技术及其应用〔M〕.北京：国防工业出版社.2001：15-27

〔4〕谢邦昌.数据挖掘Clementine应用实务〔M〕.机械工业出版社，2008：14-28

〔5〕武森，程锴，陈凤洁.聚类分析在电信客户细分中的应用〔J〕.技术经济与管理研究.2008，（1）：10

〔责任编辑：侯庆海〕