基于数据挖掘的应用型高校物流管理专业创新创业人才培养模式分析

钱进 杨露

摘  要：本文将数据挖掘技术应用于创新创业人才培养模式的调研分析当中，并以安徽新华学院物流管理专业毕业生为研究对象，借助毕业生学情以及职业发展情况数据，进行针对性地收集和整理，使用TAN分类器及GRI算法分析，发现原有人才培养模式中的不足，最终建立了完整的Clementine中物流管理专业创新创业型人才培养模型。

关键词：物流管理  人才培养  数据挖掘  应用型本科

中图分类号：G642;F250-4                 文献标识码：A                    文章编号：1674-098X（2020）10（a）-0195-04

Abstract： In this paper， data mining technology is applied to the research and analysis of innovation and entrepreneurship talent training mode. And the logistics management graduates of Anhui Xinhua university are taken as the research object. With the help of the graduates' learning situation and professional development data， targeted collection and sorting are carried out. By using Tan classifier and GRI algorithm analysis， the shortcomings of the original talent training mode are found. Finally， a complete training model of innovative and entrepreneurial talents of logistics management in Clementine is established.

Key Words： Logistics management; Personnel training; Data mining; Applied undergraduate

目前，由于網络技术的快速发展，物流成为行业炙手可热的香饽饽，相应的人才需求逐渐扩大。对于高校而言，培养符合社会化条件的物流人才，顺应时代需求是教育本身的趋势之一。近年来，随着“双创”政策的倾斜，各大高校均蓄势待发，积极培养各专业类型的创新创业人才。这既是教育改革要求，对于物流专业来说也是专业发展的需求。因此，积极探索符合应用型本科高校的物流管理专业创新创业型人才培养模式成为各大物流教育工作者的必经之路，也是应用型本科高校管理者的指向标。

笔者将采用数据挖掘技术对人才培养模式进行分析，通过收集在教学过程中学生遗留下的学情资料，对学生在未来就业中不同岗位工作操作情况及职业个性变化和缺陷进行量化分析和预测，从而对学生的行为性格进行干预，最大可能地帮助学生解决在其职业生涯过程中可能所遇到的问题。

1  问题描述

在当前双创背景下，具有高素质的创新创业型人才非常紧缺，且截至目前的理论研究均是从教学模式、方案修订等方面展开的，从实践角度运用客观数据分析的非常少。基于此，探索创新创业型人才培养模式改进方案尤为必要。

借助数据挖掘思想，对学生学情以及职业发展情况进行量化跟踪，从而对学生异常学情进行及时干预矫正，促进对学生培养模式的完善，提高教学质量，实现人才培养模式改进，对于应用型本科高校培养社会需要的创新创业型人才具有十分重要的意义。

2  物流管理专业人才培养模式因素获取

2.1 数据选取

选取安徽新华学院物流管理专业毕业生为研究对象，通过数据挖掘技术，对其学情以及职业发展情况数据进行数据收集、数据选取、数据挖掘，分析在当前应用型本科高校物流管理专业创新创业型人才培养特点的基础上，提出构建创新创业型人才培养模式模型，并结合得出的学校功能以及学生特点几方面因素对其进行综合分析、对比和研究，然后采用数据挖掘相关技术进行人才培养模式模型与算法设计，对其人才培养模式效果进行检验和评价。

2.2 因素选取

经过研究现状的总结，在物流管理专业创新创业型人才培养模式众多的影响因素中，有些因素对物流管理专业创新创业型人才培养模式是随机性的，并无规律可循，也无直接的意义，所以并不列入因素选取范围，然而针对一些对物流管理专业创新创业型人才培养模式过程中起到重要影响的因素要加以分析，确定是否列入选取因素。结合专业毕业学生的学习状况、职业素养、个性等内容进行分析，本文拟选取的因素如下：序号、课程1、课程2、课程3、课程4、 课程5、课程6、课程7、课程8、总分、智育成绩。

3  物流管理专业创新创业型人才培养模式关联分类过程

物流管理专业创新创业型人才培养模式数据挖掘分析过程，将应用TAN分类器及GRI算法两种方法，这两种方法的过程如下。

3.1 TAN分类器过程

TAN分类器过程具体的分类方法：

（1）通过训练集计算每一对属性之间的条件互信息，，

（2）构造最大加权生成树。

遵照选择的边不能构成回路的原则，按照边的权重由大到小的顺序选择边，构成最大权重跨度树。

（3）给定任意未知类别的实例，根据贝叶斯公式，计算后验概率，选择使后验概率最大的类标签：

3.2 GRI算法过程

将该过程用程序形式描述会更清晰，描述如下：

GRI算法最终生成关联规则。

通过应用TAN分类器及GRI算法两种方法后得到物流管理专业创新创业型人才培养模式关联分类规则，进而应用于物流管理专业创新创业型人才培养模式中，据此得到物流管理专业创新创业型人才培养模式新策略，起到改进物流管理专业创新创业型人才培养模式的作用。

4  物流管理专业创新创业型人才培养模式数据挖掘

4.1 初始参数

选取安徽新华学院物流管理专业毕业生部分成绩情况作为实际研究案例，应用“数据选取原理”，得到与此次数据挖掘密切相关的信息数据表，其内容包括：序号、课程1、课程2、课程3、课程4、课程5、课程6、课程7、课程8、总分、智育成绩等信息，安徽新华学院物流管理专业毕业生成绩表部分数据截取如表1所示。

4.2 数据分析

应用数据挖掘技术中的贝叶斯网络和GRI算法两种方法，分析表1中的课程物流工程成绩分数与其他相关数据。完整的Clementine中物流管理专业创新创业型人才培养模式模型如图1所示，具体执行该物流管理专业创新创业型人才培养模式模型是通过对各项因素数据类型的确立，进而实现数据流的运行进行数据分析的。

根据上述Clementine中的物流管理专业创新创业型人才培养模式模型，对其物流管理专业创新创业型人才培养模式相关的历史数据进行分析，得到如下17条物流管理专业创新创业型人才培养模式模型获取规则如表2所示。

结合上述物流管理专业创新创业型人才培养模式模型获取得到的关联分类规则，对安徽新华学院物流管理专业毕业生情况进行分析，智育成绩有待提高的学生需分别在课程1、课程2、课程3、课程5、课程6等课程方面提高成绩，从而能够及时了解问题并针对问题进行解决，真正的实现因材施教。

5  结语

总结以上论证过程：通过收集初始学生学情数据，运用数据挖掘技术中的分类方法进行分析，得到物流管理专业创新创业型人才培养模式模型关联分类规则，进而实现了对原始数据的量化分析和预测，对学生学情以及职业发展情况展开了及时跟踪，也对学生异常学情进行了发掘。

总之，在经過对安徽新华学院物流管理专业毕业生情况统计分析之后，发现原物流管理专业创新创业型人才培养模式相对效率并不高，究其原因可能存在多个方面的综合影响。但就学校的人才培养模式方面，为进一步提升创新创业型人才培养效率和质量，建议教学单位应从各个方面展开人才培养模式的改善：一方面合理改善人才培养模式的教学结构;另一方面，可以加大在人才培养模式下的学生学情的监管跟踪，及时更正完善模式的不足。

参考文献

[1] 张静，原帅，刘晓明.应用型院校校企协同育人机制的研究与探索[J].科技创新导报，2019（36）：223，225.

[2] 汪太生，张娜，王倡春，等.应用型本科高校《高分子化学》课程改革浅谈[J].科技创新导报，2019（16）：215-216.

[3] 王庆，沈诗林.大数据背景下创新创业艺术类人才培养模式[J].人民论坛，2018（17）：128-129.

[4] 罗琼玮.互联网+背景下“双轮驱动+”创新创业人才培养模式的构建与探讨——以市场营销专业实践为例[J].现代营销（经营版），2019（7）：16-17.

[5] 杨桦.应用型本科院校创新创业人才培养模式的研究[J].教育教学论坛，2019（24）：97-98.

[6] 刘雪平.国内外高校创新创业人才培养模式比较[J]. 文教资料，2019（14）：117-118.

[7] 库俊华，吴贺男.民办高校创新创业人才培养模式研究[J].科教文汇（上旬刊），2019（5）：13-15.