基于数据挖掘的高职师资管理系统的应用与实践

2018-01-26张维国

计算机时代 2018年1期

摘要：高水平师资队伍的建设是一所学校综合实力及品质的主要标志，而基于数据挖掘的决策支持系统为管理者提供信息分析和决策方案，减轻管理者从事低层次信息处理、分析的负担，提高决策质量和效率。通过对高职院校师资队伍管理现状的分析，结合决策支持系统的特点和功能，提出构建高校师资管理系统的方法，重点完成高职院校对师资队伍建设的预测管理研究，制定相应的师资队伍建设计划。

关键词：数据挖掘；决策支持；师资管理；预测

中图分类号：TP391 文献标志码：A 文章编号：1006-8228（2018）01-86-05

Application and practice of higher vocational teachers management

system based on data mining

Zhang Weiguo

（Nanjing Institute of Tourism and Hospitality， Nanjing， Jiangsu 211100， China）

Abstract： The construction of high-skilled teaching staff is a major symbol of the comprehensive strength and quality of a school， and the decision support system based on data mining provides information analysis and decision-making plan for managers， alleviates their burden of low-level information processing and analysis， thus enhancing the quality and efficiency of decision making. This paper analyzes the present management of vocational college teaching staff and proposes the method to construct the college teaching staff management system in combination with the characteristics and functions of the decision support system. It focuses on the research of prediction management of vocational colleges on the construction of teaching staff， and makes corresponding plans to construct teaching staff.

Key words： data mining； decision support； teaching staff management； prediction

0 引言

高校是高素质、高水平人才相对集中的场所，做好高校师资队伍中长期发展的规划，利用有限的人力资源培养出高水平的人才，从而满足高校快速发展对人才的需求。大部分高职院校师资管理信息系统仅实现了管理信息系统最基本、最初步、最简单的功能，而人事管理部门迫切需要具有科学预测、智能分析、决策支持功能的师资管理系统。

1 高职院校师资队伍现状分析

高校自1999年扩招以来，办学规模急剧扩大，招生人数迅速增长，高等教育改革和发展进入一个快速发展的新时期。高校的扩招在一定程度上满足了广大学生接受高等教育的需求，给社会增加了高等教育学历和紧缺专业人才的供给，顺应了社会和经济的发展。但高校的师资队伍建设并没有得到与此相适应的同步发展，还存在诸多问题[1]。

1.1 高校师资总量不足[2]

⑴ 招生数量及在校生人数增长

高校近年来通过扩招人数，扩大办学规模，实现高等教育大众化的基本要求。2016年全国共招收普通本专科生748.61万人是1998年的6.91倍，招生人数实现了跨越式增長，招生人数及在校生总数见表1。在规模迅速扩张的同时，高等教育面临着严峻的困难和挑战，如教学质量不高、办学没有特色、培养出的学生不能满足社会需求等。其主要原因是缺乏一支素质高的师资队伍，因此，加强师资队伍的建设成为当务之急。

⑵ 高校师资队伍的增长

高校办学规模在不断扩大的同时，教职工数和专任教师数也有了较大幅度增长，2007年教职工总数与1998年相比增长了94.49万人，增长率为91.78%。2016年教职工总数与2007年相比增长了43.03万人，增长率为21.79%。专任教师占教职工总数的比例也逐年提高，从1998年的39.55%提高到2016年的66.62%，生师比从1998年的11.6：1上升到2016年的17.73：1，教职工数、专任教师及生师比见表2。

⑶ 高校师资队伍总量严重不足

从生师比看出，教师数量增长率明显小于高等教育规模的增长率，导致高校教师总体数量不足。生师比过低，会影响到教师人力投入后的产出效率；生师比过高，则会严重影响人才培养的质量。按照教育部“十一五”计划，普通高校生师比按照15：1的比例计算，从2000年开始，普通高校的生师比一直高于这个比例，2002年竟达到19：1，很大程度上增加了教师的负担，同时也影响了教学质量。目前，很多高校都感到教师总量不足，少数高校甚至不能保证教学和科研正常进行。根据高校教育规模不断扩大的实际情况，2004年教育部下发的《普通高等学校即本办学条件指标（试行）》对生师比作出了新的规定见表3，但各类高校师资配置水平也未达到指标要求，急需加大建设力度[3]。endprint

1.2 高校师资结构不合理[4]

⑴ 专任教师结构不合理

部分高校不是按照社会人才需求情况来制定专业招生计划，而是按照现有师资情况来制定专业招生计划。一些基础专业因报考人数少、招生数量少，使得可提供给教师的课时量少，师资显得特别充足，甚至出现富余；而像计算机、电子信息科学与技术、机械设计制造及其自动化等热门专业，教师数量严重不足，现有的教师工作量就相当大。一些急需的热门专业高层次的教师更是匮乏，甚至出现一个专业只有几个教师的情况。

⑵ 职称结构不合理

教师职称结构反映了教师的学术水平、胜任教学工作的能力和学校的人才培养层次。随着教师数量的增加，教授、副教授的人数均有较大幅度增长，但是教师职称结构比例没有大的变化。据2016年统计，专任教师中教授职称占16.55%，副教授职称占30.29%，讲师职称占39.46%，助教职称占11.94%，其他职称占1.76%。分别比2015年下降0.51个百分点，降低0.12个百分点，上升0.58个百分点，上升0.12个百分点，下降0.06个百分点，高层次师资人才紧缺矛盾突出。

⑶ 年龄结构比例不合理

近年各高校补充师资多为年轻教师，教师平均年龄呈整体下降趋势，青年教师在专任教师中占了相当大的比例，据2016年统计数据分析，普通高校专任教师队伍中30岁以下的专任教师占总数的14.47%，31～35周岁的专任教师占23.32%，36～40岁的专任教师占19.08%，41～50岁的专任教师占26.94%。35岁以下青年教师逐渐成为教学的主要力量，占了专任教师总数的37.79%。与社会老龄化的情况相反，高校教师队伍呈现出年轻化态势，但老、中、青结构并不合理的比例将导致今后师资队伍发展的“拥挤”矛盾。

⑷ 缺乏高层次人才

高层次人才队伍反映了学校教师队伍的整体质量和水平，也是建设学校专业特色的安身立命之本，纵观国内各高校，缺乏一批学贯中西的拔尖人才，特别是许多新增专业，学科学术骨干和学科带头人缺乏，学科梯队不健全，创新研究能力弱，给高素质人才培养都带来很大困难，制约高职院校教育持续健康的发展。

2 加强高校师资队伍管理的对策

师资是高校发展和教学质量的保障，许多高校建立的人事信息管理系统积累了大量的数据。数据主要用途是向各级管理部门提供统计报表和信息查询，尚未对这些数据所隐藏的价值进行深入挖掘利用。将数据挖掘技术中的关联规则方法应用于高职师资管理，对其所产生的大量数据进行清洗、抽取，提炼出有价值的信息，为学校管理者提供参考和决策支持是高职院校现代化管理的必然[5]。

运用数据挖掘技术，从师资管理、职称结构、学历结构、年龄结构、教学活动管理产生的数据中找出大量有价值的信息，能够更好地对高职院校师资队伍的建设和培养做出定量的分析、预测，并建立科学的监控评价机制，正确合理的判断教师的绩效，从而制定更加科学的激励措施，提高教师的积极性。管理上切实做到“以人为本”，进一步走向规范化、科学化、现代化[6]。

3 数据挖掘在师资管理架构中的应用

基于数据挖掘的高职师资管理系统在人事管理中应用，促进了人事管理的信息化、科学化进程，也给组织变革、管理理念更新，以及学校的改革和发展带来了新的变化。基于数据挖掘的高职师资管理系统能对人力资源管理的所有领域提供全面、有效的支持，信息管理决策支持系统功能，从人力资源规划、人才招聘到人事管理各个方面，通过定量分析与定性分析相结合，提供各种查询、统计、分析功能与报表生成、输出功能，动态直观地反映高职院校师资状况，为管理者提供科学合理的决策支持，其功能模块如图1所示[7-8]。

3.1 信息管理子系统

信息管理子系统包括教职工基本信息模块、岗位管理模块、薪资与绩效管理模块、培训与发展管理模块。基本信息模块中存储了师资基本情况，如学历、职称、职务、工作部门、知识结构、工作经历、外语水平、科研情况、培训教育、工资、住房等信息；人员分类信息，如领导干部、专业技术人员、技能人才等。薪资与绩效管理模块主要是包括薪酬计算、福利管理、报表管理等，学校各级的薪资、奖金、各种福利标准和计算，以及一套完整的绩效指标库，制定考核奖惩标准，为教职工任用、晋升、培训、薪资和规划决策等提供依据。培训与发展管理模块主要功能是根据国家政策及高职院校的發展战略规划，制定相应的培训实施计划，可针对教职工类型和级别制定培训和发展体系，针对特定教职工进行培训。

3.2 师资规划子管理系统

制定师资队伍建设规划是为实现学校的战略规划服务，师资队伍建设规划的主要内容包括总结和分析前一个时期师资队伍建设规划的实施情况、取得的经验与存在的问题；分析未来一个时期面临的形势，对师资队伍建设的现状、发展趋势、需求进行分析、预测和判断规划未来一个时期师资队伍建设的发展战略、目标、方针、任务、重大项目及保障措施，并制定实施的计划和步骤。师资队伍规划子系统反映师资发展的总目标，主要围绕师资总量、职称、学历、年龄、学缘结构这五大要素对高校师资未来的发展目标和任务作出量化规定，以减少师资调整的盲目性和随意性[9]。

3.3 师资预测管理子系统

预测模块对未来师资总体需求及师资结构变化进行预测，并对影响师资需求变化的因素和信息进行管理，与合理分布的指标作比较分析，找出现有量与需求量之间的差异。可细分为师资总量需求预测，利用所建立的数学模型对高校师资总需求量进行分析运算，得出对未来高校师资的各种总量的定量预测。师资结构分类预测分类为职称、学历、年龄和学缘结构四个部分，根据既定的规划指标，得出上述四种师资结构的年度发展计划指标预测和规划。

3.4 决策管理子系统

师资决策管理子系统，是根据未来的发展战略目标，结合预测数据形成师资发展的实施计划方案。针对系统中的数据库、模型库、知识库、方法库中找出有价值的信息，更好地对师资建设和培养做出定量的分析，制定科学合理的实施计划。endprint

4 数据挖掘技术在师资管理系统中的运用[10-12]

4.1 数据准备

针对师资管理信息系统中的教师基本信息、授课情况、科研论文、进修深造、职称评聘、教学评教等构建数据仓库，结合高职院校对师资管理的要求，对数据仓库中的学历、职称、年龄、授课名称、科研论文、教学评教等数据信息进行處理，如对“教学评教”的教师性别、年龄、学历、职称、评定成绩经过数据量化生成待挖掘的信息。

4.2 建立挖掘数据模型及数据预处理

数据预处理是对数据源进行加工，检查数据的完整性、一致性、准确性，对其中的噪音数据进行平滑，对丢失的数据进行填补，消除“脏”数据，消除重复记录等转换成适用于数据挖掘的形式。数据预处理需要对数据检查拼写错误，去掉重复的记录，补上不完全的记录，推导计算缺失数据，完成数据类型转换。数据预处理的目的是把一下与数据分析、挖掘无关的项清除掉，给数据挖掘算法提供高质量的数据。

4.3 数据挖掘结果与分析

根据数据方面处理结果，设最小支持度为0.1，最小置信度为0.4，得到课堂教学效果的关联规则。

从数据挖掘的结果可以看出，学生对中、老年教师/教授的课程评价较高，对青年教师/教授的课程评价较多，说明教师的年龄越大积累教学经验丰富、授课效果较好。学校可根据数据挖掘的结果有针对性地制定青年教师的培养机制，采取“传、帮、带”的模式，使青年教师在老教师言传身教的影响下，不断积累教学经验，更好的课堂把控，进一步提高教学质量。

5 结束语

高校作为科学知识的传播地，师资的管理和建设对高职院校的可持续发展具有深远影响。基于数据挖掘的决策支持系统能够为高校管理者提供各种决策所需信息分析和决策方案，减轻管理者从事低层次信息处理和分析的负担，解放管理者“双手和大脑”，提高决策工作质量和效率。利用数据挖掘技术对师资管理系统中积累大量数据进行挖掘，为校领导提供管理和决策的信息，坚持“以人为本”的管理理念，为高职院校的师资管理向规范化、科学化、现代化迈进。

参考文献（References）：

[1] 冯欢.高校师资管理信息决策支持系统构建[D].成都理工大

学硕士学位论文，2010.

[2] 江善和，姚德勇，葛浩，汪洪峰，汪列隆.中德两国应用型本科

高校师资队伍建设比较分析[J].安庆师范大学学报（社会科学版），2017.36（4）：132-136

[3] 教育部.普通高等学校本科教学工作水平评估方案（试行）[Z].

教育部办公厅，2004.

[4] 李庆丰.加强青年教师教学能力培养是提高高等教育质量的

当务之急——基于1997-2006年间普通高校专任教师队伍结构之量化分析[J].中国高教研究，2008.6：23

[5] 李轶群.加强高校人事管理信息化打造现代师资管理数字平

台[J].教育信息化，2005.7：15

[6] 李仕琼.数据挖掘中关联规则挖掘算法的分析研究[J].电子