高校管理中數據挖掘技術的應用途徑論文

摘要：近年來，數據庫挖掘技術的普遍應用，使數據價值實現最大化，在我國金融、商業、市場營銷等領域得到廣泛應用。然而在我國高校管理中並沒有得到推廣，爲使高校管理系統中的數據充分發揮應有價值，在該系統中使用數據庫挖掘技術意義深遠。本文首先介紹了數據挖掘技術的流程，然後在教師教學質量評估中應用數據庫挖掘技術，充分證明數據庫挖掘技術在高校管理中能發揮重大作用。

關鍵詞：管理 決策 數據挖掘技術

當前，大部分高校都擁有配套的管理系統，該系統具備海量數據儲存和管理功能，徹底告別了手工記錄資訊和數據的年代。不但節約了紙張，更有效提高了高校管理數據和資訊的效率。然而我國高校沒有有效利用應用數據挖掘技術，因此研究數據庫挖掘技術在高校管理中的應用十分必要。

1數據挖掘技術的流程

數據挖掘技術能夠將海量數據展開分析和處理，再把整體數據庫中存在規律的數據整合起來，實施該技術主要包括以下五個環節。目標定義：該環節中要與有關領域的背景知識相結合，清晰、精確的定義出數據挖掘目標。數據準備：在該環節中要蒐集、選取數據源中的數據，處理已選數據，將其轉換爲適合數據挖掘的形態。數據挖掘：該環節是數據挖掘技術的核心，即採用關聯規則法、分類分析法等各種數據挖掘方法把數據中隱藏的知識和規律發掘出來。結果表示：在該環節中可以以用戶需求爲依據，將挖掘出來的知識和規律轉變爲用戶能接受和理解的形態。知識吸收：該環節中，主要是把挖掘結果與指定領域中的需求相結合，在該領域中應用發掘出來的結果，爲決策者提供知識，是數據挖掘的終極目標。

2數據挖掘技術在教學質量評估中的應用

2。1運用關聯規則法挖掘數據庫中的資訊

評估老師教學質量不但是評定教學效果的重要部分，也是評定教師職稱的重要根據，因此是高校管理工作中不可或缺的部分。目前評估教學質量的`主要措施是蒐集、統計學生的成績和以及對老師的評價，然後加權算出老師的總得分，作爲評估該老師教學質量指標。這種方法非但不科學，其權威性也較低，因此需要深挖數據的相關性，本文采用了數據挖掘技術中的關聯規法挖掘數據中的規律和知識，爲評估老師教學質量提供有力根據。運用關聯規則法挖掘數據，其規則方法爲“XY，置信度爲c%，，支援度爲s%”。關聯規則中置信度爲c%：在整體事件D集合中，如果既能夠符合事件X中擁有c%的需求，也能夠符合Y的要求。那麼就用置信度來表示關聯規則的強度，被記錄爲confidence（XY），置信度最小值用minConf來表示，通常置信度最小數值由客戶提供。關聯規則中置信度爲s%：在整體事件D集合中，如果既能夠符合事件Y中的s%的需求，又能夠符合X要求。用支援度來表示關聯規則的頻度，把支援度的最小數記錄用minsup（X）來表示，通常支援度最小數值由客戶提供。頻繁項集合：當X項集的支援度大於等於用戶設定好的最小支援度時，那麼頻繁項集是X。通常關聯規則包含兩個環節：①把全部頻繁項集從整體事件集中選出；②運用頻繁項集產生關聯規則。在這兩個環節中關聯規則效果和性能是否良好取決於第一個環節。

2。2關聯規則分析在評估教學質量中的運用

第一步是準備數據期，在某大學的教學管理系統中將五百條與教學評價有關的記錄從數據庫中隨機抽取，並挑選出老師編號、學歷、性別、教齡、評估分和職稱這六個屬性，並將相關數據從數據庫中提取。比如把講師、副教授和教授等職稱轉化成11、01、00等編碼，表1就是制定的評價教師教學記錄表。第二步採用關聯規則分析法把90分以上評價分數作爲檢索目標和判斷標準，也就是將≥90分作爲判斷是否是高教學質量闕值。透過檢索有143條記錄符合標準，即設定最小的支援度爲10%，置信度則爲15%，得出下表2的關聯規則。最後一步評價本次實驗的結果。由上表得知，學生喜歡男老師和女老師的程度大致相同；學歷愈高的老師，給予他們的教學評價也就愈高，即學歷和教學評價成正比，這也說明了學歷高的老師其基本功與學歷低的老師相比，前者基本功更爲穩固，也有較高的科學研究水平；有較長教齡和較高職稱的老師，其教學質量也越高；此外，在支援度中可以看出，高校教授和高學歷人才越多，說明其辦學能力也就越高。

3結語

高校管理系統作爲教學資訊化的重要舉措，只是起到蒐集和儲存海量教學資訊的作用，並沒有挖掘出海量數據之間的相關性，而在本文中把關聯規則法運用在教師教學質量評估中，在數據中挖掘有價值的知識和規律，使評估教師教學質量更具有科學性，因此在高校管理中全面應用數據挖掘技術，能爲高校深化教學改革提供新的契機。

參考文獻

[1]江敏，徐豔。數據挖掘技術在高校教學管理中的應用[J]。電腦知識與技術，2012，（24）：541—545+560。

[2]楊雪霞。數據挖掘技術在高校圖書館管理系統中的應用研究[J]。軟件，2011（04）：16—18。