摘要：近年來，數(shù)據(jù)庫挖掘技術(shù)的普遍應(yīng)用，使數(shù)據(jù)價(jià)值實(shí)現(xiàn)最大化，在我國(guó)金融、商業(yè)、市場(chǎng)營(yíng)銷等領(lǐng)域得到廣泛應(yīng)用。然而在我國(guó)高校管理中并沒有得到推廣，為使高校管理系統(tǒng)中的數(shù)據(jù)充分發(fā)揮應(yīng)有價(jià)值，在該系統(tǒng)中使用數(shù)據(jù)庫挖掘技術(shù)意義深遠(yuǎn)。本文首先介紹了數(shù)據(jù)挖掘技術(shù)的流程，然后在教師教學(xué)質(zhì)量評(píng)估中應(yīng)用數(shù)據(jù)庫挖掘技術(shù)，充分證明數(shù)據(jù)庫挖掘技術(shù)在高校管理中能發(fā)揮重大作用。
關(guān)鍵詞：管理 決策 數(shù)據(jù)挖掘技術(shù)
當(dāng)前，大部分高校都擁有配套的管理系統(tǒng)，該系統(tǒng)具備海量數(shù)據(jù)儲(chǔ)存和管理功能，徹底告別了手工記錄信息和數(shù)據(jù)的年代。不但節(jié)約了紙張，更有效提高了高校管理數(shù)據(jù)和信息的效率。然而我國(guó)高校沒有有效利用應(yīng)用數(shù)據(jù)挖掘技術(shù)，因此研究數(shù)據(jù)庫挖掘技術(shù)在高校管理中的應(yīng)用十分必要。
1數(shù)據(jù)挖掘技術(shù)的流程
數(shù)據(jù)挖掘技術(shù)能夠?qū)⒑Ａ繑?shù)據(jù)展開分析和處理，再把整體數(shù)據(jù)庫中存在規(guī)律的數(shù)據(jù)整合起來，實(shí)施該技術(shù)主要包括以下五個(gè)環(huán)節(jié)。目標(biāo)定義：該環(huán)節(jié)中要與有關(guān)領(lǐng)域的背景知識(shí)相結(jié)合，清晰、精確的定義出數(shù)據(jù)挖掘目標(biāo)。數(shù)據(jù)準(zhǔn)備：在該環(huán)節(jié)中要搜集、選取數(shù)據(jù)源中的數(shù)據(jù)，處理已選數(shù)據(jù)，將其轉(zhuǎn)換為適合數(shù)據(jù)挖掘的形態(tài)。數(shù)據(jù)挖掘：該環(huán)節(jié)是數(shù)據(jù)挖掘技術(shù)的核心，即采用關(guān)聯(lián)規(guī)則法、分類分析法等各種數(shù)據(jù)挖掘方法把數(shù)據(jù)中隱藏的知識(shí)和規(guī)律發(fā)掘出來。結(jié)果表示：在該環(huán)節(jié)中可以以用戶需求為依據(jù)，將挖掘出來的知識(shí)和規(guī)律轉(zhuǎn)變?yōu)橛脩裟芙邮芎屠斫獾男螒B(tài)。知識(shí)吸收：該環(huán)節(jié)中，主要是把挖掘結(jié)果與指定領(lǐng)域中的需求相結(jié)合，在該領(lǐng)域中應(yīng)用發(fā)掘出來的結(jié)果，為決策者提供知識(shí)，是數(shù)據(jù)挖掘的終極目標(biāo)。
2數(shù)據(jù)挖掘技術(shù)在教學(xué)質(zhì)量評(píng)估中的應(yīng)用
2。1運(yùn)用關(guān)聯(lián)規(guī)則法挖掘數(shù)據(jù)庫中的信息
評(píng)估老師教學(xué)質(zhì)量不但是評(píng)定教學(xué)效果的重要部分，也是評(píng)定教師職稱的重要根據(jù)，因此是高校管理工作中不可或缺的部分。目前評(píng)估教學(xué)質(zhì)量的主要措施是搜集、統(tǒng)計(jì)學(xué)生的成績(jī)和以及對(duì)老師的評(píng)價(jià)，然后加權(quán)算出老師的總得分，作為評(píng)估該老師教學(xué)質(zhì)量指標(biāo)。這種方法非但不科學(xué)，其權(quán)威性也較低，因此需要深挖數(shù)據(jù)的相關(guān)性，本文采用了數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)法挖掘數(shù)據(jù)中的規(guī)律和知識(shí)，為評(píng)估老師教學(xué)質(zhì)量提供有力根據(jù)。運(yùn)用關(guān)聯(lián)規(guī)則法挖掘數(shù)據(jù)，其規(guī)則方法為“XY，置信度為c%，，支持度為s%”。關(guān)聯(lián)規(guī)則中置信度為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。那么就用置信度來表示關(guān)聯(lián)規(guī)則的強(qiáng)度，被記錄為confidence（XY），置信度最小值用minConf來表示，通常置信度最小數(shù)值由客戶提供。關(guān)聯(lián)規(guī)則中置信度為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。用支持度來表示關(guān)聯(lián)規(guī)則的頻度，把支持度的最小數(shù)記錄用minsup（X）來表示，通常支持度最小數(shù)值由客戶提供。頻繁項(xiàng)集合：當(dāng)X項(xiàng)集的支持度大于等于用戶設(shè)定好的最小支持度時(shí)，那么頻繁項(xiàng)集是X。通常關(guān)聯(lián)規(guī)則包含兩個(gè)環(huán)節(jié)：①把全部頻繁項(xiàng)集從整體事件集中選出；②運(yùn)用頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則。在這兩個(gè)環(huán)節(jié)中關(guān)聯(lián)規(guī)則效果和性能是否良好取決于第一個(gè)環(huán)節(jié)。
2。2關(guān)聯(lián)規(guī)則分析在評(píng)估教學(xué)質(zhì)量中的運(yùn)用
第一步是準(zhǔn)備數(shù)據(jù)期，在某大學(xué)的教學(xué)管理系統(tǒng)中將五百條與教學(xué)評(píng)價(jià)有關(guān)的記錄從數(shù)據(jù)庫中隨機(jī)抽取，并挑選出老師編號(hào)、學(xué)歷、性別、教齡、評(píng)估分和職稱這六個(gè)屬性，并將相關(guān)數(shù)據(jù)從數(shù)據(jù)庫中提取。比如把講師、副教授和教授等職稱轉(zhuǎn)化成11、01、00等編碼，表1就是制定的評(píng)價(jià)教師教學(xué)記錄表。第二步采用關(guān)聯(lián)規(guī)則分析法把90分以上評(píng)價(jià)分?jǐn)?shù)作為檢索目標(biāo)和判斷標(biāo)準(zhǔn)，也就是將≥90分作為判斷是否是高教學(xué)質(zhì)量闕值。通過檢索有143條記錄符合標(biāo)準(zhǔn)，即設(shè)定最小的支持度為10%，置信度則為15%，得出下表2的`關(guān)聯(lián)規(guī)則。最后一步評(píng)價(jià)本次實(shí)驗(yàn)的結(jié)果。由上表得知，學(xué)生喜歡男老師和女老師的程度大致相同；學(xué)歷愈高的老師，給予他們的教學(xué)評(píng)價(jià)也就愈高，即學(xué)歷和教學(xué)評(píng)價(jià)成正比，這也說明了學(xué)歷高的老師其基本功與學(xué)歷低的老師相比，前者基本功更為穩(wěn)固，也有較高的科學(xué)研究水平；有較長(zhǎng)教齡和較高職稱的老師，其教學(xué)質(zhì)量也越高；此外，在支持度中可以看出，高校教授和高學(xué)歷人才越多，說明其辦學(xué)能力也就越高。
3結(jié)語
高校管理系統(tǒng)作為教學(xué)信息化的重要舉措，只是起到搜集和儲(chǔ)存海量教學(xué)信息的作用，并沒有挖掘出海量數(shù)據(jù)之間的相關(guān)性，而在本文中把關(guān)聯(lián)規(guī)則法運(yùn)用在教師教學(xué)質(zhì)量評(píng)估中，在數(shù)據(jù)中挖掘有價(jià)值的知識(shí)和規(guī)律，使評(píng)估教師教學(xué)質(zhì)量更具有科學(xué)性，因此在高校管理中全面應(yīng)用數(shù)據(jù)挖掘技術(shù)，能為高校深化教學(xué)改革提供新的契機(jī)。
參考文獻(xiàn)
[1]江敏，徐艷。數(shù)據(jù)挖掘技術(shù)在高校教學(xué)管理中的應(yīng)用[J]。電腦知識(shí)與技術(shù)，2012，（24）：541—545+560。
[2]楊雪霞。數(shù)據(jù)挖掘技術(shù)在高校圖書館管理系統(tǒng)中的應(yīng)用研究[J]。軟件，2011（04）：16—18。
【高校管理中數(shù)據(jù)挖掘技術(shù)的應(yīng)用途徑論文】相關(guān)文章：
1.高校管理中數(shù)據(jù)挖掘技術(shù)的研究論文
2.科研管理中數(shù)據(jù)挖掘技術(shù)的應(yīng)用論文
3.高校圖書管理系統(tǒng)中RFID技術(shù)的具體應(yīng)用研究論文
4.網(wǎng)絡(luò)營(yíng)銷中數(shù)據(jù)挖掘技術(shù)的應(yīng)用論文
5.數(shù)據(jù)挖掘在CRM中的應(yīng)用論文
本文來源：http://www.nvnqwx.com/shiyongwen/2163290.htm