数据挖掘技术在的思政教育管理中应用

《数据挖掘技术在的思政教育管理中应用》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、中南民族大学硕士学位论文摘要近年来，数据挖掘研究发展十分迅速，教育管理系统的信息化建设也得到了较好发展，各类教育管理系统积累了丰富的数据。但数据挖掘在教育管理系统中的应用尚处于探索阶段。因此，研究数据挖掘技术在教育管理系统中的应用，具有重要的理论意义和现实应用价值。本文针对思政教育管理中的高校思想政治教育管理研究这一课题，结合数据挖掘技术中的聚类分析开展研究，对辅导员“工作考核量化表”进行分析，是这个课题中最为重要的环节。传统的分析方法是基于计算绝对分数的评价，这种方法在评价结果客观性、准确性等方面存在一些缺陷和不足。如果按照传统的分析

2、方法来评价辅导员将有失公正，而且也不能有效、恰当地评价辅导员的管理效果。因此本文采用数据挖掘中聚类分析的思想，利用k均值算法对辅导员的“工作考核量化表”数据进行分析，可以有效地克服传统分析方法的缺陷和不足。具体工作如下：1、分析了数据挖掘技术的发展现状及数据挖掘过程中存在的问题，讨论了数据挖掘技术中聚类分析的概念、功能、过程以及聚类分析技术所涉及的各种数据类型。2、讨论了聚类分析技术中常用的各种模型算法，重点探讨了对于中小型数据库模型更加适合的，具有易理解性、易操作性的聚类算法。3、以数据挖掘中的聚类分析算法为基础，研究了其在高校思想政治

3、教育管理中的应用。并且将高校思想政治教育管理中的“工作考核量化表”作为数据源，应用k均值算法进行了聚类分析，实现了对我校辅导员“工作考核量化表”的聚类，并进行了进一步的验证，最终得出了一些有实际价值的结论。关键词：数据挖掘，聚类分析，划分方法，k均值算法I数据挖掘技术在思政教育管理中的应用AbstractInrecentyears,theresearchofdatamininghasdevelopedrapidlyandtheconstructionofinformationizationininstructionalmanagement

4、systemalsoreceivedgreatprogress.Lotsofmanagementsystemshaveaccumulatedplentyofdata.But,theapplicationofdataminingininstructionalmanagementsystemisstillintheearlystage,thustheresearchonhowtoapplythetechnologyofdataminingininstructionalmanagementsystemhasimportantmeaninginb

5、oththeoryandpractice.Concerningabouttheissueofmanagementontheideologyandpoliticalinstructioninuniversities,whichisonthelistofideologicalandpoliticaleducationmanagement,themostimportanttacheinmydissertationistousetheClusteringAnalysistechnologyindataminingfieldtoanalyzethe

6、performanceappraisalquantizationtableoftutors.Thetraditionalwayofanalyzingisbasedonthecalculationoftheabsolutepoints,whichhasdrawbackandinsufficientintheresults’objectivenessandveracity.Continuingthetraditionalmethodistosomepointunfairtothetutorswhiletheeffectoftheirmanag

7、eworkcan’tbejudgedefficaciouslyandproperly.WecanovercometheshortcomingsoftraditionalanalyzewaybyapplyingtheideaofClusteringAnalysisindatamining,usingthek-meansalgorithmtoanalyzetheperformanceappraisalquantizationtableoftutors,detailedworkisasfollows:1.Summarizethestudyofd

8、ataminingtechnologyanditsstatusquo,andtheproblemsexistingintheprocessofdatamining,anddiscussthec