论文部分内容阅读
近些年来,随着教育事业的高速发展,高等职业院校也得到了突飞猛进的发展,高职院校不仅办学规模不断扩大、招生规模也在日益扩大,随着教师队伍和在校学生人数的增加,大部分传统的教学管理模式已经不能适应学校的发展,为切实有效提高教育管理效率和水平,各院校都纷纷加大对信息化的投入,相应的各类信息化管理系统得到不断使用,如：教务管理系统、学生成绩管理系统、学籍管理系统、高校人事管理系统、图书馆信息管理系统等。这些信息系统的使用大大的提高了工作效率和水平,节省了人力、物力和财力,为高校日常管理带来了很大的便利,但各种数据库系统在使用中积累了大量数据,随着时间的推移,这些历史数据并没有得到很好的利用,相反,成为垃圾文件,遭到删除、摒弃。原因在于这些管理系统可以实现数据的录入、查询、修改等功能,但不能发现这些数据之间存在的内在联系和相应规则,如果能有效的利用这些来自基层的数据,把这些数据中隐藏的有价值的信息挖掘出来,提高这些数据的利用价值,将为决策者提供更好的事实基础和依据,从而改变管理方法,制定更好的管理制定,提高办学质量和办学水平。面对高等职业院校海量的数据,数据挖掘技术则是一种能有效的从海量数据中发现知识的智能信息处理技术,能够从庞大的数据信息中发现人们先前不了解不知道但是有用的信息。如果利用数据挖掘技术挖掘其中的潜在的、有价值的信息,为高职的教育教学改革提供有力的支撑,那么,必将成为数据挖掘技术在高职教育教学应用的重要突破口。本文的主要研究内容是基于数据挖掘技术为高等职业院校教育解决两个非常实际的问题：一、决策树分类算法在学生就业成才中的应用高等职业教育在教学目标中明确指出以就业为导向,为用人单位输送符合要求的学生。学生好比学校的产品,产品的好坏直接关系着学生的就业,因此要想使学生符合市场需求,得到用人单位的要求和肯定,以达到提高就业率和就业质量的目的,必须对学生的课程成绩以及学生的就业情况进行数据挖掘,发现各类课程对学生就业的影响比重,及时调整专业课程设置,改进人才培养方案,目前高校的课程设置调整主要是根据主流企业的要求,但是并不完全具有普遍性,通过数据挖掘,以数据为事实基础,得到的结果具有跟高的可靠性,而后进行课程调整,将使得课程设置更加合理化,更加有利于学生的就业。本文分别采用工D3算法和C4.5算法对已毕业校友的在校课程成绩和就业情况进行数据分析,建立课程与就业情况的决策树模型,找出影响学生就业的课程以及相互间的规则,从而为今后的课程改革提供依据。学生可以按照模型指导自己的学习兴趣、学习方向,根据自身的就业方向,对模型推到出的重点课程加深学习。二、如何利用数据挖掘技术挖掘图书馆参考书,建立课程与参考书的关联模型。高校图书馆是学生学习的重要场所,图书馆内收藏着大量文献信息资源,对学生课下补充专业知识起着非常重要的作用。但图书馆内资源丰富,各种课程参考书比比皆是,哪些课程参考书对学生学习这门课的帮助比较大,学生在选择时有时候是盲目的,如何选择合适的参考书,是本文需要研究的内容。本文使用了数据挖掘技术的元规则设计方法,通过数学统计方法和Apriori算法分别对课程与参考书的关联度进行计算和验证,利用Apriori算法挖掘出课程与参考书之间的关联规则,通过这些规则发现课程与参考书之间存在很强的正向关联关系。学生根据规则结果,在学习课程过程中选择适合自己的参考书,从而可以更好的利用学校的图书馆资源,提升自身的课程成绩,更好的掌握书本知识。