应用数据挖掘技术促进数字化校园建设研究

2019-01-15郭善宁

山西青年 2019年8期

姜轮郭善宁

(烟台工程职业技术学院，山东烟台 264006)

数字化校园建设过程中依托于数字化信息，利用计算机技术、网络技术和通讯技术来保障学校教学活动和管理系统的良好运转，实现了教育教学、科研管理及技术成功转化等多项活动的信息收集、处理、融合及应用[1]，充分发挥出教育资源的优势，营造出一种虚拟教育环境。数字化校园建设已经成为院校发展的必然趋势，同时也是院校建设的重要内容，因此如何促进数字化校园建设，为社会提供更多高质量人才，是当前院校发展中考虑的重点问题。

一、数据挖掘技术概述

大数据时代在信息技术的动态发展中随之到来，各个行业领域的信息数据都呈现出爆炸式增长态势，因此从海量数据出提炼出高效关键数据至关重要。数据挖掘(Dolo Mining，DM)技术主要是从大量的、不完全的、有干扰的、不透明的、随机的实际数据中，寻找隐藏在其中的有价值信息，前提是人们未发现的，但又是对社会隐含潜在有用的信息和知识的过程。数据挖掘涉及多项环节，对于价值信息的提炼也是以一种新颖方式呈现出来，有预见性地推测未来信息会产生的价值作用，其中决策树是数据挖掘的核心关键算法之一，它是一个类似于流程图式的树结构，其中每个内部节点均代表一个属性上的测试，而每个分支代表着一个测试输出，按照自顶向下的各个击破的方式来构造，具体是通过有目的地、有针对性地分类数据，将一些潜在的、对决策有帮助的信息用于预测模型中。在此基础上数据挖掘会应用到多种工具，例如Clementine，有效集中了各个不同类型的数据挖掘技术[2]，使其同时出现于同一个可视化界面中，在短时间内就可建构数据模型，提升了人们对信息资源的利用率。

二、数据挖掘技术在数字化校园建设应用的重要作用

(一)人力资源管理方面

随着国家对教育投入不断增加，院校内部学生基数大，教师资源匮乏现象普遍，学校想要优化人力资源管理需要采用先进管理手段，有效计算出教师流失率，更好地留住高质量人才。总体来讲，院校师生比例失调问题是逐渐形成的，学校想要分析出影响因素和不良影响，需要对实际数据进行分析比对。而数据挖掘技术则节省了人力资源投入，让学校由被动转变为主动，在总结出教师流失原因后更好地制定对策留住人才。

(二)教学评价方面

数字化校园建设关系到多个方面的问题，其中教学评价是衡量教学质量的重要途径之一，不仅关乎整体教学中的控制和指导活动，同时其结果反馈有着极强的导向作用，是院校管理系统的重要构成部分。数据挖掘技术用于教学评价中，能够快速全面得出影响教学评价的实际因素，反馈出评价体系指标的合理性，以便更好地开展校园内部的教学及科研活动，改善教师教学方法和手段，真正促进教师教学水平和专业能力。

(三)科研管理方面

科研管理是校园数字化建设的重要内容，不仅推动了学校教学改革，而且对提升整体教师队伍专业水平和职业素养有着积极作用。科研活动同时是学校经费分配及评定支撑的可量化指标之一[3]，因此运用数据挖掘技术短时间内概括出教师期刊发表文章的类型、特征及总体趋势等，未完成科研任务的阻碍因素是什么，提出有效解决方法，进一步促进学校科研活动的开展，激励教师的创新精神，激发教师科研动力，促进科研成果的转化。

三、数据挖掘技术促进数字化校园建设的可行措施

(一)明确数据挖掘对象

数字化校园建设中需要挖掘的数据多种多样，因此学校首先明确数据挖掘环节，在适当场合巧妙运用数据挖掘技术，提高其应用的质量和效率。建设方需要准确把握数据挖掘技术应用的规范流程及方法，找到数字化校园建设与数据挖掘技术的契合点，深入了解其聂晗，定位准确数据挖掘对象，提前设定合理的目标，建设符合校园发展的数字化信息数据库。这一建设过程需要校内师生的支持，建设方根据不同专业建设的需要客观上明确师生需求，妥善处理师生之间的教学互动关系，减少优秀人才的流失，同时将学生作为数据挖掘技术的核心对象，运用多项工具开展数据挖掘工作。

(二)数据准备充分

数字化校园建设是数据挖掘技术的出发点和着力点，数据准备工作术数据挖掘的前提基础，科学搜集和描述重要的信息，为数字化建设需要提供充分的条件。科学选择和预处理信息数据是不可忽视的核心环节[4]，师生作为数据挖掘对象需要发挥出其存在价值，细化分析数据挖掘技术，然后充分准备数据，选择数据和处理信息数据时要全面深入了解校内各个专业，对于学生专业学习课时、月支出及月借阅等生活学习中产生的数据进行分析。数据挖掘方法并非是不假思索直接挖掘其各个子库中的所有数据，而是将学生在数字化校园内所产生的基本信息作为基础，通过对子库中的数据信息加以提炼处理，利用简单统计方法聚合子库信息，让学生数字化校园中的表现更容易被量化，能够被数据挖掘技术所运用。例如为了便于算法分析，我们将学生在校表现的优异程度划分为A、B、C、D、E五个等级，然后开始进行量化数据计算。

(三)构造决策树，分析结果

数据准备充分后，学校应用数据挖掘技术，建构决策树，为分析结果打下坚实的基础。数字化校园建设是数据挖掘技术应用的媒介，其主要对象是学生在校的样本数据，将其类别定义为学生级别属性，所有学生借阅书刊、专业课平均成绩、参加社会实践活动等所有信息形成一个样本，在对应规则上进行计算，明确决策属性作用的目标[5]。由于不同属性都有子分支，为保证数字化校园建设的顺利进行，需要保证决策树建构过程中的规范化。此外分析结果是以决策树为依据开展的，建设方发现学生专业分级和专业课水平具有密切关系，借阅图书次数多、积极参加社会实践活动的学生专业课平均成绩更好，这对日常督促学生专业学习具有积极作用。