我国学生体质健康测试数据挖掘应用的思考与启示

潘炎

DOI：10.16661/j.cnki.1672-3791.2017.22.199

摘 要：我国对学生体质健康十分重视，每年会组织学生进行体质健康测试，积累了海量的学生体质监测数据，但却无法探寻大数据背后隐藏的各类关联与重要信息，数据挖掘技术能够探寻学生体质健康海量数据之间潜在的联系。该研究拟结合现有相关领域的研究，运用文献资料法与逻辑分析法，论述当前我国学生体质健康数据挖掘应用中的问题，提出相关建议与策略，以期为未来学生体质健康的数据挖掘应用工作提供参考。

关键词：体质健康测试 数据挖掘 思考 启示

中图分类号：R195.2 文献标识码：A 文章编号：1672-3791（2017）08（a）-0199-02

在过去的几年时间里，由于互联网、物联网、云计算等技术的快速发展和大规模应用，造成了数据规模的爆炸式增长，产生了海量的数据信息，数据以每年50%的速度增长，两年就翻一倍，就像一张纸对折多少次就可以抵达月球一样，数据的增长超出了常规想象[1]。大数据概念正日益影响着全球的经济运行方式与社会生活方式，2015年9月5日，国务院印发了《关于促进大数据发展行动纲要的通知》，标志着我国已经将大数据的发展与运用提升到国家戰略层面[2]。

我国对学生体质健康十分重视，每年会组织学生进行体质健康测试，积累了海量的学生体质监测数据，这些数据蕴藏着众多信息。现有的数据库系统能够高效便捷的实现数据录入、查询、统计等功能，但却无法探寻大数据背后隐藏的各类关联与重要信息。数据挖掘技术的出现则刚好弥补了此类空缺，它不局限于数据的查询与统计，能够探寻学生体质健康海量数据之间潜在的联系。但目前数据挖掘在竞技体育领域的研究众多，在体质健康研究领域的相关成果还尚不多见。该研究拟结合现有相关领域的研究，论述当前我国学生体质健康数据挖掘应用中的问题，提出相关建议与策略，以期为未来学生体质健康的数据挖掘应用工作提供参考。

1 研究方法

1.1 文献资料法

广泛查阅相关资料，掌握目前研究动向，为后期研究的顺利开展奠定基础。

1.2 逻辑分析法

对所得分析结果运用归纳、演绎、综合等逻辑方法进行分析，对我国学生体质健康测试中数据挖掘应用的相关问题进行探究与总结。

2 结果与分析

2.1 数据挖掘的概念与特点

2.1.1 概念

数据挖掘不仅仅是一种简单的数据分析工具，它是人工智能、机器学习与数据库技术相结合的产物，是“从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取出隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程”[3]。数据挖掘作为一种多学科综合的产物，综合利用人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，自动分析数据并从中得到潜在隐含的知识，从而帮助决策者做出合理并正确的决策[4]。通过数据挖掘分析得到的知识与信息已经在各领域得到广泛的运用，诸如科学探索、工程设计、商务管理、市场分析、体育竞赛等。

综上所述，数据挖掘既是一种资源也是一种方法，其最终的意义在于洞察力和价值的获得，即挖掘隐藏在数据背后具有差异性和稀缺性的价值。换句话说就是把数据分析为信息，把信息提炼为知识，最后通过知识提出建议、促成决策、完成行动。

2.1.2 特点

韩家炜教授曾在《数据挖掘：概念与技术》[5]一书中讲到，“数据挖掘，就是从大型数据库中抽取有意义的（非平凡的，隐含的，以前未知的并且是有潜在价值的）信息或模式的过程。”从中我们可以看到数据挖掘具有以下几个特点：（1）基于大量数据：数据量过小完全可以通过人工分析来总结规律，同时数据量太小常常也无法反映出其真实的规律特性；（2）非平凡性：挖掘出来的知识是特别的，而不是简单的描述或是对比分析即能够得到来结果；（3）隐含性：数据挖掘是发现深藏在数据内部的知识，而不是那些直接浮现在表面的信息；（4）新奇性：所挖掘的知识应该是以前未知的；（5）价值性：挖掘的结果能够得到有效的应用，带来直接或间接的效益。

2.2 学生体质健康研究中的数据挖掘应用

最初引起体育界广泛关注的是将数据挖掘与体育统计相结合，发展至今数据挖掘在体育应用中涉及的范围也越来越广，日常训练、临场比赛技战术分析，甚至是学校体育的日常教学，都开始借用数据挖掘的巨大力量。尤其是在竞技体育领域，各类相关研究文献络绎不绝，但是在学生体质健康领域中的研究还较为少见。

2.3 思考与启示

我国学生体质健康测试已经积累了海量的数据，这些数据相互关联后隐藏的信息量巨大，然而目前我国学生体质健康的数据挖掘应用并没有发挥其真正的效用，这种现象也发人深省。通过数据挖掘不应只得到简单的描述分析，还可以借助挖掘分析的结果开展如下应用：（1）提高体育教学的针对性。根据学生体质与健康发展状况，关联体育课程教学内容，通过挖掘出的信息修订教学计划，对学生体质健康测试中反映出的薄弱环节进行针对性的锻炼，指导学生全面提高体质健康水平及自主参与体育锻炼的意识；（2）开展体质健康咨询。对学生个体的体质健康状况与发展趋势进行长期的、连续的跟踪，并将往期监控的数据与医学知识进行关联，采用设置学生体质健康咨询系统的方式建立计算机网络平台，在进入系统进行健康咨询的同时，挖掘关联信息并加以诊断，能够对个人、班级、群体进行体质健康的咨询、诊断与决策；（3）设计运动健身处方。根据学生体质与健康发展状况，关联学生参加体育锻炼的个体状况，通过挖掘出的信息制定适合个人状况的运动程序或运动健身处方，并在运动中持续收集信息持续进行数据的挖掘，及时的进行监控与调整，以达到适合自己的最佳运动负荷，产生最佳锻炼效果；（4）发觉运动潜能，科学运动选材。结合学生身体素质的测试数据，对学生的运动方式、运动习惯进行关联，通过数据挖掘能够找出某素质方面具有的特长与潜力，发掘运动潜能，从而为高校体育运动队选材提供科学依据。

3 结论与建议

3.1 结论

数据挖掘在体育应用中涉及的范围越来越广，但是在学生体质健康领域中的研究还较为少见；目前在学生体质健康领域的数据挖掘应用中，挖掘出的结果则多为描述性的分析或简单的比较分析，得到的信息也多浮于表面，最终与普通统计分析得出的结果并无两样，缺乏实际应用。

3.2 建议

3.2.1 提高相关科研关注力度

学生体质健康的数据挖掘还属于小众研究范围，并未得到广大相关学者的关注，这也成为了其迅速发展、应用的制约因素。提高相关科研关注力度，集中更多专家学者的科研力量，能够有效推动数据挖掘在我国学生体质健康中的发展与应用。

3.2.2 扩大关联分析的覆盖面

目前造成学生体质健康数据挖掘的结果多为描述性分析或简单比较分析的原因，主要为关联分析的覆盖面太窄。扩大关联分析的覆盖面能够有效集合其他信息，结合多个层面开展挖掘，为数据的挖掘提供更为广泛的联系。

3.2.3 结合实际应用，提升效用价值

挖掘出的知识信息如果没有得到有效应用，那它便与还未经过挖掘的数据一样毫无价值。只有对学生体质健康的数据挖掘分析结果加以实际应用，才能充分体现其价值性，并更好地服务于未来学生体质健康的工作。

参考文献

[1] 林辉.大数据带来的思考[J].信息与电脑，2012（11）：14.

[2] 中国政府网.国务院关于印发促进大数据发展行动纲要的通知[EB/OL].http：//www.gov.cn/zhengce/content/2015-09/05/content_10137.htm.

[3] 乔克满.关联规则挖掘技术在体质指标分析中的应用研究[J].天津体育学院学报，2010，25（5）：453-455.endprint