基于数据挖掘技术的高职人才培养模式评价与优化

[ 作者简介 ]

张金仙，女，福建仙游人，湄洲湾职业技术学院，副教授，硕士，研究方向：数据挖掘技术。

[ 摘要 ]

在当前教育的发展形势下，高职院校要提高对人才培养的关注和重视程度，在立足于基本学情和学生能力的基础上展开思考和分析，充分发挥数据挖掘技术的优势和功能，为高职人才培养模式的评价与优化提供良好的助力和科学的参考。高职院校领导要做好统筹管理的工作，发挥自身的作用和价值，推动教师专业能力、业务水平和职业素养的提升，让其具备培养高端技术型人才的能力。除此之外，教师也要走出固有思维的束缚，在学习和实践中提高自身的专业能力，为推动学生能力的全面提升提供切实保障。

[ 关键词 ]

数据挖掘技术;高职人才;培养模式;评价与优化

中图分类号：G64

文献标识码：A

DOI：10.3969/j.issn.1672-0407.2022.03.008

前社会各界对高职院校的教育质量和人才培养标准提出了更高的要求，高职院校要以深化人才发展体制机制的改革为背景，以提高人才培养质量为核心，深刻研究教育管理和人才培养的模式，以此来实现创新人才培养机制、优化教育教学过程的目标。在人才培养模式的评价与优化中，如何利用数据挖掘技术革新课程体系，创新教育模式，改革评价方法，是教师需要重点思考和研究的方向。高职院校要通过对大数据进行精准全面的分析来促进院校人才培养与社会发展趋势的接轨，努力为社会各个领域培养出专业全能的人才。

1 数据挖掘技术概述

基于数据挖掘技术下的高职人才培养模式，首先，教师要明确数据挖掘技术的基本概念，在此前提下结合院校人才培养现状展开分析，将两者进行合理融合，以此来实现理想的人才培养效果。数据挖掘技术又称为资料探勘、数据采矿，是从大量模糊且随机的数据中提取其中有用的信息，将这些信息进行整合，在整合之后将其以科学合理的方式融入高职院校人才培养工作中，在数据的支撑下制订人才培养计划，挖掘学生潜在的能力，促进学生的个性化发展。

数据挖掘技术中涵盖了统计学、数学、计算机、数据库等多门学科的知识内容，将这些学科中的关键知识点进行整合作为数据挖掘技术的理论支撑。这些知识内容对于数据库管理、人工智能、数据仓储、在线分析、神经网络、信息检索等领域的发展都起到积极且重要的推动作用。数据挖掘技术主要有以下四点功能：一是能够精准地找到事物之间的共通性;二是能够精准分析不同事物之间的异同性和关联性;三是能够实现分类和聚类的目标，将相同类型的事物进行明确的划分;四是可以根据资料和数据预测未来的发展趋势。

数据挖掘技术中涵盖多种算法，常用的方式包括生物学、信息论、集合论、统计分析、可视化技术这五大类，在每一大类型中还可以细分为多个板块。在高职人才培养模式评价与优化中针对数据挖掘技术的应用，要结合具体情况展开分析和思考，充分发挥数据挖掘技术的功能和效用，提高高职院校人才培养的质量。

2 数据挖掘技术主要阶段

针对高职院校人才培养模式评价与优化工作中数据挖掘技术的运用，要明确数据挖掘技术的主要阶段和过程，再结合其具体内容展开分析与思考，为高职院校人才培养质量的进步提供助力和保障。

2.1 数据准备

数据挖掘技术首先要经过数据准备阶段，数据准备阶段指的是在众多繁杂的信息中提取出有用的信息，通过消除噪声数据和與主题明显无关的数据来进行预处理工作，在预处理之后将有用的信息存储到数据库中，确保这些数据不会丢失。数据准备阶段的效果对于接下来相关工作的开展能够起到一定的决策性作用，数据准备阶段的主要环节包括选择数据、预处理数据、补充数据、转换数据、缩减数据。高职院校负责人员要按部就班地完成每个环节的工作内容，确保各个环节的工作质量，由此来推动数据挖掘技术发挥最大化的功能和价值。

2.2 数据分析

数据分析是数据挖掘技术的核心步骤和关键环节，只有保障这一环节的准确性，才能够在高职院校人才培养模式的评价与优化中发挥数据挖掘技术的功能。根据调查研究和分析总结发现，数据分析阶段可以采取生物学、信息论、集合论、统计分析、可视化技术等方法，结合正确的公式展开相应的计算，最终再针对计算结果进行分析，将其作为高职院校人才培养模式和规则制定的参考依据。

2.3 数据评价

在经过数据准备和数据分析环节之后，要对得到的模式和规则进行数据评价，提高数据的有效性、准确性和真实性。在数据评价阶段可通过相应的算法进行验算，在此基础上借鉴专家的成功经验作为数据评价的参考依据之一。除此之外，在数据评价阶段一定要尊重使用者的想法，结合使用者的真实感受来作为评价依据，根据其反馈来检测数据挖掘技术的应用效果和有效程度。最后，将从多方渠道收集到的信息进行整理，作为对数据挖掘技术应用效果的最终评价，据此对模式和规则进行相应的修改和优化。

2.4 数据运用

在数据挖掘技术的应用中数据运用与决策是最终阶段，这一阶段需要将挖掘出的信息清晰准确地传递给受众，让其能够应用这些数据开展相应的工作，提高数据使用者的工作质量和专业能力。数据运用与决策主要包含两种方法：一是将数据评价分析得到的结果作为决策依据;二是在表面信息上挖掘其隐含的数据，体会和理解其深刻的内涵。

3 数据挖掘技术在高职人才培养模式评价中的应用

在明确数据挖掘技术的基本内容和主要阶段之后，高职院校要将其以科学合理的形式融入人才培养模式的评价与优化中，发挥数据挖掘技术多样化的功能，促进学生能力综合全面地提升。

3.1 分析学生学习特征，优化人才培养的模式

针对数据挖掘技术在高职人才培养模式评价中的应用，首先可借助数据挖掘技术分析学生在不同学习模块下的特征，优化人才培养的模式。学生的学习特征主要包括初始能力和一般特征，并且需要在不断变化的过程中发展和成长。为此，教师对于人才培养的标准和方案也不能一成不变，而是要根据学生的实际情况进行适当的调整。教师可通过数据挖掘技术来综合分析学生的学习特征，包括认知水平、智力能力、学习态度、专业技术、生活经验等，结合数据挖掘技术对学生的这些学习特征展开分析和思考，在立足于学生身心发展情况和学习状态的基础上制定科学的人才培养方案。比如，在互联网专业的教学中，教师可应用数据挖掘技术分析学生对网络和系统的访问情况，同时可根据定位技术来时刻掌握学生的出勤状况，这在一定程度上降低了学生逃课的概率。还可以借助可视化技术将学生近期的学习状态制作成折线图，将具体数据体现在折线图上。通过数形结合的方式清晰地分析学生这一阶段学习特征的变化，确保教师能够得到真实的反馈信息，再依据此来调整和优化人才培养模式。

3.2 分析成绩影响因素，提升课程设计合理性

在数据挖掘技术的应用中，要充分应用其多样化的功能来分析影响学生成绩的主要因素，提升课程设计的合理性，利用数据挖掘和数据分析来得到精准的结果。对于任何专业来说，课程考试的成绩都能够直观地展示学生本学期的学习成果，让教师能够根据学生的学习成果深化对学生的了解程度，为教师课程体系的设计和课程方案的优化提供科学的参考依据。为此，教师要在数据挖掘技术的基础上对课程教学目标、内容等方面展开全面深入的分析，针对学生的学习情况为课程内容制定一个明确的目标和方向，提高人才培养的精准程度。高职院校在人才培养方案的制定中，要掌握好课程设置的逻辑性和关联性。除此之外，教师也要认识到学生之间的差异性，对所有学生的要求不应制定统一化的标准，而是要根据学生的实际能力来制定人才培养方案，设置课程体系。教师可通过数据挖掘技术对学生的认知经验和学习水平进行评估和判断，根据得出的结果设制相应难度的课程任务，确保学生在自身能力范围内展开学习和实践。

3.3 评价教学成果质量，动态调整人才培养模式

在高职院校人才培养模式的评价中，教师还可根据数据挖掘技术来评价教学成果的质量，以动态化的方式来调整人才培养模式。教学评价需要根据人才培养的目标和要求来进行实时化的变动，为此，在教学效果和教育质量的评价中，要依据数据挖掘技术得出较为精准的结果，针对这些结果制定一个评价量表，让学生在表格中对教师的教学效果和教学方法等进行评价，充分发挥学生的主体地位，让学生能够成为教学评价的主体之一，感受到自身存在的价值。评价量表的内容可以包括教学难度和范围是否适应、授课时间安排是否合理、授课思路和语言表达是否清晰等，通过多个角度来收集学生的反馈信息，为人才培养模式的动态化调整提供重要的保障和科学的依据。

4 基于数据挖掘技术的高职人才培养模式优化路径

针对数据挖掘技术在高职人才培养模式中的运用，教师要在明确数据挖掘技术内涵、特点等方面的前提下，在实践中不断优化和完善。

4.1 制定有利于推动教学改革的措施

在高职院校人才培养模式的优化中，教师要制定和实施有利于推动教学改革的措施，促进教学改革的高效开展，打破传统单一的人才培养格局，通过多渠道来培养相关人才，促进高职院校整体办学质量的進步与提升。为了能够制定和实施推动教学改革的有力措施，学校一定要做好统筹规划的工作，将提高教师的专业水平、业务素养和职业能力作为核心目标，在此前提下将“走出去”和“引进来”相结合。一方面，要加强本校教师的培训力度，通过理论和实践培训来提高教师的理论知识水平和实践教学能力，让其能够为人才培养模式的优化提供助力和保障，同时提高本校教师利用数据挖掘技术优化人才培养模式的能力，将数据挖掘技术的功能最大限度地发挥出来。另一方面，要积极从校外引入优秀的师资力量，为打造本校专业师资团队提供新鲜的血液。并且要强化教师考核评价的力度，将教师评价考核与薪酬福利相挂钩，提高教师工作的积极性和主动性。

4.2 加强校企合作，对就业数据进行挖掘和分析

高职院校在人才培养模式的优化中，除了要以数据挖掘技术作为基础，同时还要加强校企合作，给学生提供参与实践的机会和平台，让学生能够在企业实习中提高自身的理论知识水平和实践专业能力。教师要在校企合作中利用数据挖掘技术对就业信息进行分析，发挥校企合作的重要作用和积极影响，共同制订人才培养计划，让高职院校的学生在毕业之后能够尽快地适应和融入社会，提高高职院校学生的职业发展能力。教师和企业要在合作的前提下，借助数据挖掘技术对市场发展趋势和就业数据展开分析，通过这种方式明确各个专业的市场发展现状，为学生制订明确科学的职业规划，让其能够在职业规划的指引下学习专业知识，提升综合能力，再通过校企合作的形式将理论与实践进行整合。

4.3 建立健全评价监督机制

想要利用数据挖掘技术实现高职人才培养模式优化的目标，教师要利用数据挖掘技术和互联网技术结合的方式建立健全完善的评价监督机制，将学生的品德行为、专业能力等作为评价的具体内容之一，不要只注重学生的文化成绩方面。高职院校领导可以在官方网站设置一个监督评价窗口，一方面，在此线上平台上任何人都可以针对院校教育、管理等方面提出自己的建议或看法，也可以匿名举报一些教师的不文明行为，帮助院校一起强化素质教育和人才培养模式，先从教师身上进行改变，只有教师具有高尚的道德情操和职业素养，才能够给学生带来良好的影响;另一方面，高职院校也要设置一些家长和学生评价监督的通道，将院校主体变得多元化，这样能够更加客观、全面、真实地给予教学、教师、学生等科学的评价，从而完善高职院校管理机制和人才培养模式。除此之外，高职院校要在数据挖掘技术的支持下实施全程数据追踪，不断优化教育管理模式。针对学生不断变化的过程来采取、筛选相关的数据，针对变化中的数据进行挖掘和分析，为培养实践与创新型人才提供重要的保障和科学的依据。教师在筛选动态数据时要全方面对学生展开观察，给予学生充分的关注，确保信息的准确性，从而为接下来人才培养模式的优化提供保障。

5 结束语

综上所述，在当前教育的发展形势下，高职院校要在数据挖掘技术的带领下优化人才培养模式的评价方法和具体途径。首先，高职院校要明确数据挖掘技术的内涵、特点和主要功能，认识数据挖掘技术的主要阶段，在此基础上结合高职院校实际办学情况和人才培养现状展开思考和分析，充分发挥数据挖掘技术在高职人才培养模式评价中的价值，寻找高职人才培养模式的优化路径。在不断实践中总结成功的经验方法，真正将数据挖掘技术融入高职人才培养模式的构建中，提高高职院校学生的社会适应能力和专业技术水平，推动高职院校综合办学质量的进步。

参考文献

[1]梁强. 基于数据挖掘技术的高校人才培养模式评价与优化[J]. 大连民族大学学报，2020，22（1）： 92-96.

[2]黄爱玲. 基于数据挖掘技术的高校人才培养模式优化[J]. 文渊（高中版），2021（7）： 463-464.

[3]曾振东. 基于数据挖掘的高职院校课程体系建设和优化的应用研究[J]. 电脑知识与技术，2018，14（4）： 104-106.

[4]周玲. 高职院校人才培养模式优化研究[D]. 湖南： 湘潭大学，2017.

[5]冯秀清，司杰. 数据挖掘在高校人才优化配置方面的应用[J]. 科技与创新，2018（14）： 158-159.

[6]蔡丽艳. 浅谈数据挖掘技术及其在高校就业工作中的应用[J]. 电脑知识与技术，2009，5（9）： 2305-2306.