1 引言
随着数据信息的不断增长,整个社会的信息总量迅速增长,学校管理中涉及的信息也不例外。人们利用信息技术生产和搜集数据的能力大幅度提高,但数据库中隐藏丰富的知识及有价值信息远远没有得到充分地发掘和利用,人们越来越希望从数据汪洋中出现一个去粗存精的技术,希望系统能够提供更高层次的数据分析功能,从中找出规律和模式,并进一步挖掘这些数据的潜在价值,进一步的予以研究开发,从而更好地支持决策工作[1]。正是为了满足这种要求,数据挖掘技术应运而生。数据挖掘工具能较客观地反映高校管理中存在的问题,为决策提供重要依据。借助于数据挖掘技术,发现学生成绩数据中隐藏的相关规律或模式,为决策提供支持,是非常必要的。
2 数据挖掘技术概述
数据挖掘是人工智能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,提取隐含在其中的、人们事先不知道的却又潜在有用的信息和知识的过程[2]。根据数据挖掘的目标,采用人工智能、集合论、统计学等方法,应用相应的数据挖掘算法,分析数据并通过可视化工具表述所获得的模式或规则。它使数据存储技术进入一个更高级阶段,它不仅利用了传统的数据库的存储功能,对历史数据进行查询和遍历,而且还能够找出历史数据之间的内在联系,挖掘出数据库中大量数据背后隐藏着的许多重要信息。这些信息是关于数据的整体特征的描述及对发展趋势的预测,在决策生成中具有重要的参考价值。该技术所能发现的知识可以划分为如下几种知识模型:分类模型、回归模型、关联模型以及序列模型等。
数据挖掘对于不同的系统,数据挖掘需要采用不同的技术方法和手段,大致可归纳为下列几种类型[3]:数据挖掘技术常用的方法有人工神经网络方法、决策树和决策规则方法、进化计算方法等。挖掘过程是从大型库中挖掘未知的、有效的、可实用的信息,并使用这些信息做出决策。通常可以分为确定挖掘对象、数据准备、挖掘知识和信息、结果评估与分析以及运用阶段等五个阶段,过程如图1所示。
1) 确定挖掘对象
明确地定义出挖掘对象及具体挖掘目的是应用数据挖掘技术中的关键步骤。尽管挖掘的最终结构是不可预测的,但要探索的问题应该是有预见的,为了数据挖掘而数据挖掘则带有盲目性,是不会成功的。确定挖掘对象是应用该技术中的第一步。
2) 数据准备
数据准备阶段是消除数据噪声和与挖掘主题明显无关的数据,从而完成对数据的筛选、变换以及预处理工作。该准备阶段对于数据挖掘的成功应用具有十分藿要的作用,经处理过的数据一般存储在数据仓库中。如果没有数据的筛选、变换以及预处理阶段,单纯的进行数掘挖掘将成为一个盲目搜索的过程,得出的 结果可能毫无意义甚至完全错误。数据准备是否做得充分将影响到数据挖掘的效率和准确度以及最终模式的有效性。过程中涉及的工作包括:一是数据的筛选:选择相关的数据;二是数据的预处理::消除噪音、冗余数据;三是数据的变换:将数据转换成一个分析模犁,建立一个真iF适合挖掘算法的分析模型。
3) 挖掘知识和信息
数据挖掘技术的核心即是对知识和信息的挖掘,主要根据系统要实现的功能和任务来确定挖掘的类型,并选择合适的挖掘技术以及算法,在经过筛选和转换过的数据集上进行反复迭代的搜索,从中产生一个特定的感兴趣的模式或一个特定的数据集。该阶段是数据挖掘的核心步骤,也是技术难点所在。根据数据挖掘的目标,采用人工智能、集合论、统计学等方法,应用相应的数据挖掘算法,分析数据并通过可视化工具表述所获得的模式或规则[4]。
4) 结果评估与分析
在数据挖掘过程中得到的模式可能是没有实际意义或没有使用价值的,也有可能不能准确反映数据的真实意义甚至是错误的,因此需要评估,来确定有效的、有用的模式。评估可以根据用户多年的经验,有些模式可以直接用数据来检验其准确性。对数据挖掘发现的模式或数掘集进行解释和评价,过滤出有用的知识[5]。包括消除无关的、多余的模式,过滤出要呈现给用户的信息;利用可视化技术将有意义的模式以图形或逻辑可视化的形式表示,转化成用户可理解的语言。如何将挖掘出的有用知识清楚易懂地提供给教育和管理工作者也是一项非常重要的工作,选择合适的可视化工具,将结果以关系表或用量化特征规则表示给用户。但数据挖掘阶段发现出的模式也可能不满足用户要求,这时需要整个发现过程回退到前一阶段,重新进行。
5) 运用阶段
用户理解的、并且被认为是符合实际和有价值的模式形成了知识。同时还要对知识和信息进行一致性检查,解决与以前得到的知识互相冲突、矛盾的地方,使知识得到利用与巩固[6]。运用知识的方法主要有两种:一种是只需看知识本身所描述的关系或结果,就可以对决策提供支持;另一种是要求运用知识对新的数据进行分析,由此可能产生新的问题,而需要对知识作进一步的优化。
3 数据挖掘在学校管理中的应用
3.1 确定挖掘对象和目标
选择某地区一学校某班级综合成绩为研究对象,该学校每学期综合测评过程中,需要分析学生综合成绩,找出学习成绩与参加社会活动、文体活动、以及英语成绩之间的关系。为此建立学生情况数据库的数据模型,包括学生学号、计算机等级考试成绩、英语等级考试成绩、文体活动情况以及名次字段。
3.2 数据准备
为便于下一步数据挖掘工作,现对上述学生情况数据库进行量化、转换、清理、集成等处理工作,得到了相应的数据仓库,如表1所示。英语等级考试成绩转换为英语加分字段:0表示未过级,0.5表示通过英语四级,1表示通过英语六级。计算机等级考试成绩转换为社会活动加分字段:0表示未过级,0.2表示通过计算机二级,0.4表示通过计算机三级。文体活动情况转换为文体活动加分字段:0表示基本不参加,0.2表示参加文体活动并取得了较好的成绩。
3.3 挖掘知识和信息
基于数据挖掘技术采用特殊算法建立相应的决策树,首先确定正例个数m和反例个数n。现将名次在前15名成绩好的学生定义为正例,后35名成绩不好的学生定义为反例,即:m=15,n=31。
同理,根据上述规则计算得:
因此英语等级考试加分具有最大的信息增益,故英语等级考试加分应该被选为根节点并向下扩展。类似地进行,最终生成决策树,如图2所示。
3.4 结果分析及应用
由图2决策树分析可得到以下结论:
1) 英语没有通过四、六级的学生学习成绩也不好。
2) 英语通过六级的学生,可以看出他们较为重视学习,均没有过重的活动负担,其中通过计算机等级考试的同学的学习成绩也相对较好。
3) 英语通过四级的学生情况较为复杂。但也可看出他们学习以及各项活动安排合理时学习成绩也好,而如果过度参加活动,也会影响学习,造成学习成绩不好。
根据对学生情况数据库所建决策树的分析,可以初步科学的证明学生学习成绩与各种文体活动是互相影响和制约的。如果一名学生能够合理地安排学习英语以及计算机的时间和参加文体活动的时间,是可以促进其学习成绩的。但如果仅重视锻炼文体活动能力而不重视学习将影响学业。同时也应看到各项活动安排合理的学生,他们的上进心、 责任心也都相对较强,也必然会重视自己的学习成绩;而学习成绩不好的学生往往是学习、 文体活动等安排不合理或对学习本来就缺乏端正的态度。所以,学生的德、智、体全面发展可以互相促进。
4 结束语
总之,随着信息量的急剧增长和对信息提取的更高要求,现在我们很难再依照传统方法在海量数据中寻找决策的依据,这就必须借助数据挖掘去发掘数据中隐藏的规律或模式,为决策提供更有效的支持[7]。鉴于社会对高等学校发展的需求和目前高等学校数据管理的现状,利用这些数据理性地分析学校各方面工作的成效以及学生培养过程的得失变得十分重要。
本文通过实际应用表明了数据挖掘技术在分析影响高校学生学习成绩因素中的重要而有价值的作用。数据挖掘技术本身就是人们大量实践的结晶,它为建立传统教学中很难获取或不可能获取的模型提供了捷径。它可以为教师的决策提供科学的依据,为学校的教育教学提供参考。可以将数据挖掘技术应用在学校教育评估中, 以改善和增强教育评估,从而制定相应措施,在提高学生素质、培养创新人才等方面进行更全面深入的研究和实践。
参考文献:
[1] 张继福.联机分析处理与关联规则挖掘的集成化模型研究[J].北京理工大学学报,2005,25(2):121-126.
[2] 范明,孟小峰.数据挖掘概念与技术[M].北京:机械工业出版社,2003.
[3] 苏新宁,杨建林.数据挖掘理论与技术[M].北京:科学技术文献出版社,2003.
[4] 程涛远.基于园区网络的数据仓库相关技术的研究[D].济南大学硕士论文,2002,6.
[5] 范明,范宏建.数据挖掘导论[M].北京:人民邮电出版社,2006.
[6] 朱明.数据挖掘[M].北京:中国科学大学出版社,2002,5:129-140.
[7] 夏火松.数据仓库与数据挖掘技术[M].北京:科学出版社,2004:3-28.
[8] 张瑞欣等.数据仓库建设中的数据预处理[J].计算机系统应用,2002,(1):18-2.
[9] 陈文伟.数据挖掘技术[M].北京:北京工业大学出版社,2002.
[10] 戴南.基于决策树的分类方法研究[D].南京师范大学硕士学位论文,2003.
[11] 韩冬.数据挖掘在学分制教学管理中的应用[J].教育信息化,2006,(4):69-70.
[12] 陶兰等.数据挖掘技术在高等学校决策支持中的应用[J].计算机与现代化,2003,8(2):39-41.
[13] 刘同明等.数据挖掘技术及其应用[M].北京:国防工业出版社,2001.
[14] 倪现君.基于数据挖掘分类技术的高校教学方法研究[J].科学技术与工程,2006,6(4):390-392.
作者简介:胡颖(1972-),女,副教授,研究方向:数据库、图像处理、网站开发。