數(shù)據(jù)挖掘技術(shù)在招生工作中的應(yīng)用研究

古亮+劉培艷+楊菲

摘 要： 本文通過對高校招生現(xiàn)狀進行了總結(jié)分析，通過分析發(fā)現(xiàn)其中存在的問題，對數(shù)據(jù)挖掘技術(shù)進行了闡述，并將數(shù)據(jù)挖掘技術(shù)引進招生數(shù)據(jù)分析工作，旨在通過對招生數(shù)據(jù)的分析發(fā)現(xiàn)隱含的信息，據(jù)此優(yōu)化招生工作。

關(guān)鍵詞： 數(shù)據(jù)挖掘 高校招生 數(shù)據(jù)分析

一、高校招生現(xiàn)狀分析

近年來，我國高校招生形勢發(fā)生了巨大的變化，造成這種狀況的原因很多，歸納起來有以下幾個方面。一是隨著國家教育政策的改革、高校擴招擴建及一些專科院校評估升級為本科院校等原因，導(dǎo)致高校本科招生總數(shù)逐年增加，但是生源數(shù)量有限，甚至呈逐年減少狀況，因此如何在保證生源質(zhì)量的前提下完成招生任務(wù)，是當前招生工作者面臨的重要問題；二是國外教育機構(gòu)逐漸增多，學生有更多的機會選擇出國留學，因此，高校的生源危機日漸嚴重，招生形勢日趨緊張。在這種情況下，高校如何通過創(chuàng)新的招生策略、準確的生源信息爭取足夠的、高質(zhì)量的生源，是搞好招生工作的重中之重，也是關(guān)系到學校發(fā)展甚至生死存亡的關(guān)鍵。

除此之外，信息時代的到來，給高校的招生工作帶來了新的契機，各大高校分別用網(wǎng)站、微信平臺等進行宣傳，并研發(fā)了各自的招生信息管理系統(tǒng)，建立了招生信息數(shù)據(jù)庫，用來存儲并處理歷年的招生數(shù)據(jù)，這些處理只是簡單地對數(shù)據(jù)的歸納整理、存儲和讀取，并未進行深層的數(shù)據(jù)分析和信息提取，但是在這些數(shù)據(jù)中可能會隱含一些潛在的并且非常有價值的信息，這些信息將對今后的招生工作產(chǎn)生一定的指導(dǎo)作用，卻很少有人涉及。

二、數(shù)據(jù)挖掘技術(shù)

1.數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘（data mining）是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程[1]。一般認為，廣義的數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)（KDD），是指面對海量的數(shù)據(jù)，這些數(shù)據(jù)是冗余的、殘缺不齊的、有噪聲的、具有不確定性的數(shù)據(jù)集中，發(fā)現(xiàn)其中蘊含的那些是先未知的、可信賴的和有用的那些規(guī)律和知識的過程。狹義的數(shù)據(jù)挖掘僅僅是指從特定的數(shù)據(jù)集中提煉知識的過程。

2.數(shù)據(jù)挖掘應(yīng)用

數(shù)據(jù)挖掘應(yīng)用研究是指開發(fā)各種數(shù)據(jù)挖掘系統(tǒng)和工具，并在各個行業(yè)中應(yīng)用[2]。目前的典型應(yīng)用領(lǐng)域包括市場分析和預(yù)測、工業(yè)生產(chǎn)、金融、科學研究、Web數(shù)據(jù)挖掘、工程診斷等各個領(lǐng)域，如分析地殼的構(gòu)造活動、網(wǎng)頁內(nèi)容自動分類和聚類等。

數(shù)據(jù)挖掘技術(shù)的研究逐漸深入，其應(yīng)用非常廣泛，凡是有具備數(shù)據(jù)分析潛質(zhì)的數(shù)據(jù)庫都可以用相關(guān)數(shù)據(jù)挖掘工具進行有目的的數(shù)據(jù)分析。近年來，有一些高校招生開始運用數(shù)據(jù)挖掘技術(shù)分析本校的生源狀況，不斷調(diào)整本校的招生數(shù)、招生策略等，從而在現(xiàn)在的生源大戰(zhàn)中占得一席之地，但還未形成一套成熟的系統(tǒng)和方法。

三、數(shù)據(jù)挖掘技術(shù)在高校招生工作中的應(yīng)用

1.數(shù)據(jù)庫的建立

在進行數(shù)據(jù)處理之前，首先應(yīng)建立數(shù)據(jù)庫，規(guī)范標準的數(shù)據(jù)庫是數(shù)據(jù)分析處理的前提。在這里以每一位學生作為一條數(shù)據(jù)，我們將歷年的招生信息作如下處理：

（1）考生ID。這是標志每位學生的關(guān)鍵字，可以直接使用學生的考生號。

（2）考生姓名。用于核對、補全考生信息。

（3）考生性別。對于某些專業(yè)或者地區(qū)，性別可能會成為影響考生志愿的一個因素。

（4）考生籍貫。在這里，我們按照地理位置，以天津為中心，將天津作為A區(qū)向外輻射；北京、河北、山東、江蘇作為B區(qū)；東北三省及陜西、山西、內(nèi)蒙古、河南、江蘇、安徽、湖北、上海、江西、浙江等省份作為C區(qū)，其余地區(qū)為D區(qū)。

（5）錄取專業(yè)?？忌浫〉膶I(yè)可能會和考生生源地及是否報到有關(guān)系；

（6）考生成績。我們以當?shù)禺斍芭蔚奶釞n線為標準，每超過10分為一檔，將考生劃分為五擋，分別是：0-10分為E檔，11-20分為D檔，21-30分為C檔，31-40分為B檔，40分以上的考生均為A檔。

（7）是否報到。0為未報到考生，1為報到考生。

2.數(shù)據(jù)的預(yù)處理

因為數(shù)據(jù)是由手工錄入的，所以有些數(shù)據(jù)可能會出現(xiàn)一些錯誤，比如說值丟失、異常、冗余等，因此我們首先要對數(shù)據(jù)進行清理工作。比如ID只能是n位數(shù)字格式的字符串，成績則限定在學校最低錄取分數(shù)線和最高分之間，并且經(jīng)過處理之后只能是字符“A”、“B”、“C”、“D”、“E”，籍貫同理，專業(yè)則對應(yīng)成學校的專業(yè)代碼，是否報道同樣以0和1作為標志。對數(shù)據(jù)進行預(yù)處理后，數(shù)據(jù)庫中的數(shù)據(jù)則變成統(tǒng)一的、精確的數(shù)據(jù)，可以進行下一步分析和處理。

3.確定數(shù)據(jù)挖掘模型

我們采用貝葉斯算法進行數(shù)據(jù)挖掘處理。貝葉斯是一種分類統(tǒng)計方法，用于預(yù)測類成員關(guān)系的可能性，比如判斷某一樣本屬于某一特定類的概率，它分為樸素貝葉斯分類和貝葉斯網(wǎng)絡(luò)分類兩種[3]。目前，這種算法已經(jīng)表現(xiàn)出非常高的準確率。本文采用的是樸素貝葉斯算法。貝葉斯分類是基于貝葉斯定理進行分類的，主要判斷給出的樣本屬于某一類的概率，假設(shè)X是類標號未知的數(shù)據(jù)樣本，H為某種假定，如數(shù)據(jù)樣本X屬于一個特定的類別C。分類問題就是決定P（HIX），即在獲得數(shù)據(jù)樣本X時假設(shè)成立的概率[4]。我們用2011-2013年天津師范大學的招生數(shù)據(jù)作為訓(xùn)練集樣本進行訓(xùn)練，預(yù)測某一條件的考生錄取我校某專業(yè)報道的概率，假如預(yù)測的結(jié)果為是，說明這類條件的考生更有可能報考并進入我校就讀，反之，則說明此類考生報考我校的可能性很小，或者即使錄取報道的可能性也很小，以此指導(dǎo)我校的招生計劃編制和招生錄取工作。

4.結(jié)果分析

經(jīng)過數(shù)據(jù)的分析和處理，我們可以得出以下結(jié)論：

（1）就考生籍貫與報到率之間的關(guān)系而言，A地區(qū)的考生報到率最高，原因可能在于本地的院校對于吸收本地生源還是存在很大優(yōu)勢的，因此我們在進行計劃編制的時候應(yīng)該適當?shù)叵虮镜貎A斜，并加大在本地區(qū)的宣傳力度，包括招生宣傳和日常的學生工作及大學生實習就業(yè)等；B區(qū)次之，包括山東、河北等地區(qū)的生源，這部分地區(qū)由于距離天津近，且考生數(shù)量多而當?shù)卦盒?shù)量有限，對周邊院校具有更高的傾向性，因此我們可以對這些地區(qū)加大宣傳力度，增加計劃數(shù)量等，以保證生源的穩(wěn)定；而C類和D類地區(qū)的考生報到率就相對較低，可能的原因有距離遠，有些考生可能不愿意到距離很遠的院校就讀，一些氣候、生活習慣等原因也會成為影響這些考生報考志愿的原因之一。除此之外，地區(qū)的經(jīng)濟結(jié)構(gòu)也是影響考生志愿的一大因素，比如南方一些地區(qū)主要對于經(jīng)濟貿(mào)易類的專業(yè)更感興趣一些，而我們主要專業(yè)集中在哲學、教育學等領(lǐng)域，對這類生源的吸引力相對小一些，因此生源一直不理想，報到率相對較低。

（2）就考生性別、專業(yè)與報到率之間的關(guān)系而言，某些專業(yè)對于性別的傾向性特別高，比如說學前教育專業(yè)，男生第一志愿的填報率本省就非常低，即便是被錄取了，此專業(yè)的男生報到率也非常低。因此，我們在招生志愿不滿需要進行調(diào)劑的時候，要根據(jù)這一結(jié)果制定相應(yīng)的原則進行規(guī)避，盡量不對男考生調(diào)劑此專業(yè)，否則會造成指標的浪費，影響招生結(jié)果。除此之外，我們應(yīng)與相應(yīng)學院進行溝通，加強這類專業(yè)的宣傳，盡量調(diào)整此類專業(yè)的性別分配不均衡狀態(tài)。

（3）就考生成績與地區(qū)的相關(guān)性而言，B類地區(qū)的考生總體成績較高，集中在A，B檔，可能是由于這類地區(qū)計劃少，生源多，相對競爭較大，因此我們應(yīng)該適當調(diào)整政策，向這類地區(qū)傾斜。

（4）就專業(yè)與報到率而言，學校存在某些專業(yè)報到率低而另一些專業(yè)的報到率高等現(xiàn)象。因此，我們一方面應(yīng)該適當調(diào)整各專業(yè)的計劃數(shù)，另一方面應(yīng)該與相關(guān)學院一起商討應(yīng)對措施，提升專業(yè)影響力。

四、結(jié)語

隨著政策的變化和信息技術(shù)的發(fā)展，招生方式日漸多元化、規(guī)范化、公平化、合理化，而招生形勢日漸嚴峻，高校該如何在這種日趨緊張的形勢下脫穎而出，爭取足量的、優(yōu)質(zhì)的生源是高校生存和發(fā)展的關(guān)鍵所在，本文以天津師范大學近三年的招生數(shù)據(jù)為基礎(chǔ)，建立標準數(shù)據(jù)庫，并對數(shù)據(jù)進行分析處理，找出數(shù)據(jù)屬性之間的關(guān)系，并從中總結(jié)出相應(yīng)的隱含信息，尋找對我校興趣最高或者左右可能報考我校的考生特征及優(yōu)質(zhì)考生的興趣點所在，并以此指導(dǎo)招生工作進行招生決策和招生策略的調(diào)整，科學地、合理地、高效地開展招生宣傳、計劃編制、招生錄取和專業(yè)調(diào)劑等工作，對于高校招生工作的有效開展及保證高校辦學質(zhì)量有重要的實踐意義。

參考文獻：

[1]陳文文.數(shù)據(jù)挖掘在高校規(guī)模分析決策中的應(yīng)用研究[D].沈陽理工大學碩士論文，2011-12-01.

[2]饒瑩心.數(shù)據(jù)挖掘技術(shù)在招生決策系統(tǒng)中的應(yīng)用[D].華東理工大學碩士論文，2013-4-15.

[3]沈偉.基于數(shù)據(jù)挖掘技術(shù)的高職院校招生決策倉庫設(shè)計與實現(xiàn)[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2015，3.

[4]蔣瑩瑩.淺談數(shù)據(jù)挖掘技術(shù)在電大開放教育招生中的應(yīng)用[J].現(xiàn)代教育，2011，9.

本論文受2014年天津師范大學教育科學研究基金項目資助（項目號：52WT1404）

本論文受天津廣播電視大學2013年度校級課題項目資助（項目號：13XY1032）