数据挖掘技术在高职院校管理决策上应用

《数据挖掘技术在高职院校管理决策上应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘技术在高职院校管理决策上应用【摘要】数据挖掘是今年来一项比较新兴的技术，是商业智能的重要组成部分。随着教育决策对量化分析和研究结果的愈加依赖，本文将简要探讨数据挖掘技术在高职院校管理决策上的应用。【关键词】数据挖掘高职院校管理信息资源数据挖掘是一种全新的技术，是为解决当前'‘信息丰富而知识贫乏”这一问题而出现的。目前，它已经在银行业、零售业、工程技术和医学等领域得到成功应用和空前发展在这些领域的成功应用鼓舞着人们将数据挖掘技术应用到更多、更广泛的领域中去。近年来，随着高校数据收集量的不断增加以及教育决策对量化分析结果的愈加依

2、赖，数据挖掘在高校管理决策中的应用呈显著上升趋势。1数据挖掘概念及理论数据挖掘也称为数据库中的知识发现，是近几年来随着数据库和人工智能发展起来的一门新兴的技术，数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘主要是利用各种知识发现算法从数据库数据中发现有关的知识。目前常用的数据挖掘技术有：关联规则法、粗糙集方法、分类方法、聚类方法、人工神经网络、决策树法、遗传算法等。数据挖掘过程可分为3个阶段：数据准备、采掘操作、结果表达和解释。整

3、个采掘过程是个反复精练的过程，离不开用户的参与。数据挖掘使挖掘大型数据库中的大量数据变得更加容易，挖掘人员并不需要经过多年的统计分析或数据分析方面的训练。2数据挖掘技术在高职院校管理决策上的应用高职院校管理数据挖掘的任务，可以划分成4个层次：数据分析、知识发现、决策支持和管理智能。数据挖掘技术在高职院校管理决策上的应用，可以在以下几个方面发挥作用：2.1新生入学预测随着高考人数的下降，高职院校生源成为衡量学校管理指标之一。低生源给学校在入学管理、课程安排、财务管理等方面造成了困难。为此，为了有效地制定有关政策，做好学前准备，许多学校

4、在招生结束后都会对其进行跟踪访问，根据学生的信息背景对学生入学情况进行预测，如采用数据挖掘技术可以发现学生生源地、学校和学生背景等对学生的入学有影响作用。2.2学习成果评估目前，随着高职院校教学效果要求越来越高，如何评价学生学习成果成为高效管理重点之一。近几年来，许多学者尝试利用数据挖掘技术提高评估效度。哈佛大学的研究人员他们通过复杂的教育媒体收集丰富的与学生学习行为有关的数据，然后利用数据挖掘技术对其进行分析和研究。2.3学生毕业预测尽管高职院校相比本科院校要求没那么严格，但学生的保留率和毕业率都很难达到100%。学生离开的原因很

5、多，例如为了寻求自己理想的大学而转学、学习成绩达不到要求而辍学、家庭经济出现困境而弃学等等。这对学校的办学质量有着不可估量的影响。因此许多高职院校采取多种措施来提高保留率和毕业率。其中之一就是通过对学生的学习成绩以及有关调查信息进行分析来了解学生离开的原因，并预测具有高风险辍学的学生，然后采取有效补救措施，帮助他们渡过难关（提高学习成绩提供经济资助、排除心理障碍、进行专业调整，等等）使他们圆满完成学业。近些年来，数据挖掘技术在类似研究中的应用越来越广泛。这些研究表明，数据挖掘技术的预测准确率明显高于传统统计方法。2.4在校学习生活及

6、毕业后经历问卷调查利用调查问卷对学生的学习生活及毕业后经历进行调查研究可以为高校提高管理效果的方法之一。调查结果对学校制定相关政策，并采取措施来丰富学生校园文化生活有着非常重要的意义。调查内容以及方法（如网络方法与信函方法）对学生决定是否回复问卷影响最大。3结语数据挖掘技术在高职院校管理决策上的应用是一个富有前景的研究领域，目前只是取得了初步成果，有大量的理论与方法需要深入研究。3.1数据仓库与时空数据挖掘由于数据的日益增多和管理的细化，各种数据库需要集成数据仓库，数据挖掘也有着随时间的改变而改变的现象，数据仓库和时空数据挖掘的研究

7、是今后数据挖掘发展的必然趋势。3.2知识的可视化表示与用户的参与性研究所发现知识的最有效的方式是进行图形可视化。但可视化仍是一个不成熟的领域，有待进一步研究。有效的决策过程往往需要多次交互和多次反复使数据挖掘的结果准确并易于表达，实现在多抽象层次上交互挖掘知识。目前许多知识发现系统和工具缺乏与用户的交互，难以有效利用领域知识，所以数据挖掘技术的可视化易识别性应增强。3.3网络数据挖掘随着网络信息资源的急剧增长，人们越来越多地关注如何开发和利用这些资源。然而，目前中英文搜索引擎均存在查准率、查全率不高的现象，这种现状无法适应用户对高质

8、量的网络信息服务的需求；同时电子商务以及各种网络信息服务迅速兴起，原有的网络信息处理与组织技术无法赶上这样的发展趋势，网络数据挖掘就是在这样一种环境下应运而生的，并迅速成为网络信息检索、信息服务领域的热点之一。参考文献：[ljDavi