吕亚娟+杜秋
摘 要：该文的研究视角是一直比较热门的数据挖掘问题，笔者根据自己多年的高校教学管理经验，发现各个高校信息管理系统中积累了大量的教学管理数据，利用数据挖掘技术系统研究分析出教学、管理、科研等领域存在的问题和取得的成就，并根据发现的问题给出一些建议。
关键词：数据挖掘 高校信息管理 应用分析
中图分类号：G647 文献标识码：A 文章编号：1674-098X（2016）11（b）-0109-02
高校多年来的教学管理工作积累了大量的数据，是一个待开发的宝藏。鉴于高校发展的需求和高校信息管理的现状，利用这些数据理性地分析高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。该文将结合高校信息管理系统的现状和数据挖掘技术的功能，分别从教学、管理、科研等方面出发，系统研究和分析数据挖掘技术在高校各领域中的应用。
1 教学领域
教学是高校职能的核心，是关系学生业务能力和综合素质培养的关键因素，数据挖掘在教学领域的应用也显得尤为重要。
（1）课程设置层面。从某种程度上讲，学生在校学习过程中的课程学习属于循序渐进的过程，而且课程之间存在着相对较强的关联关系以及先后顺序。通常情况下，在完成一项课程学习之前，应学习一些基础性的先行课程，若是这些先行课程没有学好，则会严重影响之后那些课程项目的学习效果。借助高校教学资源库当中的历届学生成绩档案，在科学化数据挖掘以及合理化数据关联的基础上，可以从海量数据当中挖掘有用信息，从而更好地帮助其分析数据间的回归性功能与相关性联系，最终获得价值性较强的规律。在此基础上就可以比较顺利地寻找学生成绩下降的原因，进而对课程设置实施科学化的安排。
（2）学生自身的学习评价。目前，学习评价属于高校教育工作人员的重要职责。对学生自身的学习行为进行判定，不仅可以起到相应的信息反馈作用，有效激发学生所具有的学习动机，还可以检查课程计划以及检验教学目的。除此之外，学习评价还是判定学生个性化差异的重要手段，有利于高校教师因材施教。借助相应的数据挖掘工具，可以对高校学生成绩数据库以及行为记录库等实施仔细分析与处理，得到即实性的评价结果，及时纠正学生的不良行为，克服教师在学生评价上因主观因素造成的不公平问题，还能够减轻教师在学习评价环节的工作量。
（3）课堂教学评价。该教学环节不仅可以起到良好的教学调节作用以及教学指导作用，还有着相对较强的导向性特点，属于高校管理工作的组成部分之一，同时也是高校教学评价工作的关键性手段。一般情况下，高校每学期都会搞专业化的教学评价调查，进而积累丰富数据，探讨教学效果水平高低与教师自身的年龄和职称间的联系，从而为高校教务科提供决策信息，提高高校教学效果。
（4）教务数据分析。目前高校在校学生人数已经超过几千甚至上万，教师队伍也相当强大，经过几十年的教学管理，教务数据已经达到海量，而目前对于这些数据的应用还仅仅停留在查询或简单统计，隐藏在这些数据中的大量宝贵信息还没有被发现，例如，学生后续课程的成绩到底与哪些前导课程有关；影响学生学习成绩的因素到底有多少；不同专业学生的差异性有多少等。这些都可以通过数据挖掘工具在海量的教务数据库中获得。
2 管理领域
将数据挖掘技术应用到高校日常管理工作中，不仅能够提升高校管理效率，而且能够为高校管理工作提供数据支撑和决策支持。
（1）干部考评管理。主要对高校干部进行年度考核。其作用是为了更清楚地掌握干部的个体情况，并且提供近期或动态信息。考核既是了解掌握干部情况的一个重要手段，同时也是正确实施奖惩和选拔使用干部的必要前提。结合高校现有的干部管理数据库，从干部管理数据库和职称考评数据中进行数据挖掘，找出干部工作状态和干部的年龄、职务、学历、专业、任职经历等方面的关联，找到高校干部成长进步和干部整体素质的关系，做到合理调配使用干部，为人事部门提供科学的决策信息。
（2）学生特征的仔细挖掘。结合高校学生在基础性信息、学习经历以及兴趣特征等方面的实际情况来针对性挖掘高校学生的个性化特征，从而帮助学生及时修正自身所具有的不良学习行为。凭借对高校学生特征的详细分析结果与目的制定之间的对比，高校教师可以很好地帮助学生纠正学习行为，促进学习能力的提升，日益完善学生人格，从根本上实现学生综合素质的大力培养。
（3）人员行为干预。高校教学管理数据库中记录着各届学生与教师的学习、工作、社会活动、奖励、处罚等情况，利用数据挖掘的关联分析，寻找师生各种行为活动之间的内在联系。例如，通过分析挖掘历年管理数据发现，临近学年结束时，毕业学生极易出现酗酒违纪事件，也就是：“学年结束”and“毕业学生”=>“酗酒违纪”这一关联规则的支持度和置信度非常高。所以在实际的管理工作中，对毕业学生在学年结束期间要加强行为干预，及时制定策略避免酗酒违纪现象的发生。
3 科研领域
目前，高校承担了大量的科研项目，而传统形式的统计技术以及数据管理工具已经难以满足相关管理人员的实际需求，借助数据挖掘技术能够在数据处理环节显示出相对较强的优点，而且还可以与高校的科研部门进行紧密结合。
（1）科研项目管理领域。科研项目管理包括了项目申报环节、立项环节、跟踪环节、结题环节等。高校科研管理机构建成科研管理的信息系统，其中包含了科研条件信息、课题基本信息以及科研人员信息等。其主要凭借对项目信息的有效增删、查询以及统计等，完成对课题进展、经费使用情况以及课题结题等功能，而对于项目管理者和决策人员来说，必须要对较为丰富的历史数据实施综合化分析以及科学化提炼，通过数据挖掘技术，可以帮助项目决策者发现课题承担人、科研仪器使用等信息间的联系，提高科研管理人员在发现问题以及解决问题上的能力。
（2）科研成果评估。目前，高校科研成果评估方法和数据支持方面还存在许多问题，在对科研成果的评估时还仅仅局限在机构内部的比较上，高校科研机构主要根据论文数量、专利成果、技术转让、获奖情况等指标来对专业技术干部进行评估，但是我们知道，仅仅进行内部比较不够合理，因为科学研究的性質存在差异，项目内容也有区别，另外，发表的论文被应用的次数到底有多少，论文的价值到底有多大，这些都应该成为高校科研成果评估考虑的因素。例如在某专项技术的检测中，我们可以对结构化的专业数据库和网页上的非结构数据以及用户的具体需求数据进行不间断的、长期运行的自动监测，以挖掘所需数据和知识，并通过数据分析和处理，自动生成某专项技术领域的科研成果动态监测报告，从而为院校科研成果评估专家提供数据和知识支持。
4 结语
教学、管理、科研工作是高校的一项经常性和长期性的工作，能从日常积累的海量数据中挖掘出有利于教师和学生发展的信息，是一项重要的工作。将数据挖据技术应用到高校的教学、管理、科研工作中，数据挖掘的结果对各项工作会有一定的监督和指导作用，可以更好地改善现有工作中的弊端，更好地发挥工作中的优势方面。
参考文献
[1]（美）Olivia Parr Rud，著.数据挖掘实践[M].朱杨勇，译.北京：机械工业出版社，2003.
[2]蒋孝明.基于LINQ的人事档案管理系统的设计与实现[J].计算机与现代化，2014（3）：69-72.
[3]王培吉，赵玉琳，吕剑峰.基于Apriori算法的关联规则数据挖掘研究[J].统计与决策，2011（23）：19-21.
