数据挖掘技术下的高校管理信息系统应用研究

周游

摘要：多年来高校的教学管理工作积累了海量的数据，是一个有待开发的宝藏。本文通过分析高校管理信息系统的现状和不足以及数据挖掘的概念和功能， 提出了数据挖掘技术在高校管理信息系统中的应用。

关键词：高校数据挖掘管理信息系统

高校管理信息系统的存在问题：

高校校园网部门繁多、功能复杂。部门职能网络化过程信息分类模糊造成大量无用信息堆积、主体不突出、更新难以得到保证。大量的校园机构对信息管理系统的使用只是单纯地停留在了日常事务的处理，长期积累留下的历史数据并没有得到有效的开发和利用。

开发数据挖掘高校管理信息系统的目的：

开发本系统的目的就是将现代化信息处理技术运用到学校管理工作中，提高工作效率，把管理人员从繁杂的手工操作中解放出来。此外，在建设高水平大学的进程中，信息管理系统的建设也是重要环节之一。因此，开发高校信息管理系统是高校信息化建设的一个重要组成部分。

数据挖掘技术简介：

所谓数据挖掘技术，就是从诸多海量的、不完整的、模糊的、随机的数据中，提取隐藏在其中的人们事先不知道的而又潜在的有效信息和知识的过程。数据挖掘技术包含了许多交叉学科，是一种涉及了信息技术、统计分析、数据库等多学科的新技术。

数据挖掘技术的功能划分：

數据挖掘技术是基于现有的知识决策，该决策通常带有预测性并且包含对未来发展趋势和行为的考虑，根据数据挖掘技术的功能性可以将其划分为以下五类：

一、关联性分析

关联性分析是指能够在庞大的数据库中找寻到大量相关信息的关联性。关联规则是指发现某事物与其他事物之间的依赖性以及关联性的过程。

二、预测数据趋势

数据挖掘技术能够在庞大的数据库中对各类信息进行有效的预测以及归类，找寻到预测性的信息并且较为迅速地描述出相对重要的数据类模型以及预测出未来数据的发展趋势。

三、检测偏差

在某些情况下，数据库中的数据往往会存在着一些相对不同寻常的记录，这时候，从中检测出这些偏差就能够获取更多有用的信息。

四、概念描述

信息使用者们面对着庞大的数据库，都希望用更为简洁的描述来定义。所谓的概念描述就是指对那些相关联的内容进行内涵描述，并且对有关特征进行阐述。

五、聚类

聚类就是按照一种特定的规律将其相关的数据划分为多个类或簇，将其中相似的数据规制在一个簇中，不同的簇之间往往存在着较大的差异性。

数据挖掘技术的常用方法：

1 神经网络法

神经网络自身所具备的分布存储、较高性能的自组织自适应性、高速并行以及高度容错处理等独特的特性使其发展和应用空间非常巨大。

2 遗传算法

遗传算法是借鉴于自然界生物的基因遗传以及自适应机理实现目标的随机搜索，可以理解为一种仿生物的全局优化计算方法。

3 决策树法

决策树法一般用于处理数据规模庞大的应用。它能够实现对海量数据进行有计划的分类，并且在分类的数据中找寻到有较高潜在价值的信息。

4 粗集理论算法

粗集理论算法操作简单、算法实现相对容易、信息输入的表达空间并不繁琐、额外的相关信息不需要提供。主要的研究对象是不确定的知识和不精确的算法。

5统计分析方法

数据库字段之间往往存在着相关关系与函数关系。一般情况下，用统计分析方法分析这两种关系，包括数据的常用统计、相关分析、回归分析和差异分析等。

在高校信息管理中采用数据挖掘技术：

在高校信息管理中的教学应用时，具体工作主要分为两个部分：第一，对教学评价的数据进行分析，为教学部门提供一定的决策支持信息。第二，对高校日常工作的管理，将数据挖掘技术应用到高校日常管理工作中，不仅能够提升高校管理效率，而且能够为高校管理工作提供数据支撑和决策支持。

1.对教学质量进行评价

教学是高校职能的核心，教学质量高低是教学活动的成效性外在表现形式。而良好的教学评价对教学质量有导向、促进、激励及调控功能，是学校教学管理工作的重要组成部分，是评价教学工作成绩的主要手段。

（1）课程设置层面

学生在校学习过程中的课程学习属于循序渐进的过程，课程之间存在着相对较强的关联关系以及先后顺序。借助高校教学资源库当中的历届学生成绩档案，在科学化数据挖掘以及合理化数据关联的基础上，从海量数据当中挖掘有用信息，分析数据间的回归性功能与相关性联系，最终获得价值性较强的规律。

（2）学生自身的学习评价

学习评价是判定学生个性化差异的重要手段，有利于高校教师因材施教。借助相应的数据挖掘工具，可以对高校学生成绩数据库以及行为记录库等实施仔细分析与处理，得到即实性的评价结果，及时纠正学生的不良行为，减轻教师在学习评价环节的工作量。

（3）课堂教学评价

该环节不仅可以起到良好的教学调节作用还有着较强的导向性特点，同时也是高校教学评价工作的关键性手段。通常，高校每学期都会搞专业化的教学评价调查，积累丰富数据，为高校教务科提供决策信息，提高高校教学效果。

2.对高校管理工作进行管理

（1）学生特征的仔细挖掘

结合高校学生在各方面的实际情况来针对性挖掘高校学生的个性化特征，从而帮助学生制定个性化培养方案。凭借对高校学生特征的详细分析结果与目的制定之间的对比，从根本上实现学生综合素质的大力培养。

（2）人员行为干预

高校教学管理数据库中记录着各届学生与教师的学习、工作、社会活动、奖励、处罚等情况，利用数据挖掘的关联分析，找出师生各种行为活动之间的内在联系。

（3）为学生的就业升学提供指导

通过高校管理信息系统找到相关数据，用聚类分析和概念描述的相关算法分别对全体学生的每项数据进行计算，将学生分成若干类，比如考研、出国、就业。如果收集更详细的数据，甚至可以为学生在哪一方面继续深造、适合从事哪方面的工作提供一定的参考。

结语：

管理即决策。构筑基于数据挖掘技术的高校信息系统管理平台是高校数字化建设的重中之重。充分利用数据挖掘技术的功能，最大限度地提高信息资源的利用率，帮助高校实现信息管理一体化建设方案，积极地推动高校事业向着更加科学的方向发展。

参考文献：

[1]林筑英.数据挖掘技术及其所面临的问题[J].贵州师范大学学报，2003，3

[2]章懿雯.数据挖掘技术在高校教务管理中的应用研究[J] .中小企业管理与科技，2014，（28）：295-296.

[3]蒋文杰. 一体化智能教学网络平台———基于数据挖掘技术的成绩管理系统[D]. 桂林电子科技大学，2007.

[4]毛国军等编.数据挖掘原理与算法（第二版）[M].北京清华大学出版社，2007.