學(xué)籍檔案數(shù)據(jù)挖掘流程與技術(shù)初探

■

廣東醫(yī)科大學(xué)教務(wù)處

隨著信息社會(huì)日新月異的發(fā)展，不少人已經(jīng)感覺到大數(shù)據(jù)時(shí)代的來臨，也享受到大數(shù)據(jù)技術(shù)給生活和工作上帶來的種種便利，大數(shù)據(jù)技術(shù)的意義不在于掌握龐大的數(shù)據(jù)信息，而在于對這些海量的數(shù)據(jù)進(jìn)行專業(yè)化處理，通過進(jìn)行海量數(shù)據(jù)挖掘來挖掘出其背后的存在的有價(jià)值的信息，這也是最重要的。

作為一所有多年歷史的高校，我校內(nèi)部運(yùn)行的各種管理系統(tǒng)和各類數(shù)據(jù)庫，已經(jīng)積累了海量的數(shù)據(jù)，然而隱藏在這些海量數(shù)據(jù)背后的深層內(nèi)涵和聯(lián)系一直沒有得到充分的發(fā)掘和應(yīng)用，學(xué)校管理者只能通過簡單數(shù)據(jù)查詢和排序等傳統(tǒng)數(shù)據(jù)庫技術(shù)功能獲得表面的信息。我們努力想要解決的是，如何對那些龐大的海量數(shù)據(jù)進(jìn)行高層次的處理，從中找出管理者關(guān)心的規(guī)律和模式，以此幫助管理者更好地把現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為可供使用的知識(shí)進(jìn)行決策和研究，來提高學(xué)校管理決策的科學(xué)性，提高管理水平和辦學(xué)質(zhì)量。

學(xué)籍檔案是由學(xué)生自進(jìn)入高校就形成的文件，包括新生錄取名冊，新生入學(xué)登記表，學(xué)生學(xué)籍卡，完整記載每學(xué)期學(xué)習(xí)成績的學(xué)生成績單，因出現(xiàn)留級(jí)，休學(xué)，復(fù)學(xué)等學(xué)籍異動(dòng)而產(chǎn)生的相關(guān)學(xué)籍異動(dòng)資料及學(xué)籍異動(dòng)證明，在校受到獎(jiǎng)勵(lì)或者處分的獎(jiǎng)懲記錄，畢業(yè)就業(yè)檔案等整個(gè)在?；顒?dòng)中形成的文字、報(bào)表、圖像等有保存價(jià)值的原始記錄，是記錄和反映學(xué)生在讀期間所有學(xué)習(xí)表現(xiàn)的最全面的資料。

學(xué)籍檔案數(shù)據(jù)挖掘過程就是有目的地從大量數(shù)據(jù)中發(fā)掘出有用知識(shí)的過程，此過程通常包括六個(gè)基本步驟：定義主題、準(zhǔn)備數(shù)據(jù)、瀏覽數(shù)據(jù)、生成模型、瀏覽和驗(yàn)證模型、部署和更新模型。從檔案信息挖掘角度來講就是對現(xiàn)有檔案數(shù)據(jù)信息進(jìn)行分析，將信息之間包含的信息進(jìn)行解構(gòu)，最后從中發(fā)掘出自己想要了解的數(shù)據(jù)之間的聯(lián)系及找出他們之間潛在的發(fā)展規(guī)律，并最終將所需要的結(jié)果呈現(xiàn)出來。這個(gè)過程光是借助目前學(xué)籍檔案電子數(shù)據(jù)所依存的學(xué)校信息系統(tǒng)是不能夠完成的，這就需要在對現(xiàn)有的學(xué)籍檔案有足夠的了解的基礎(chǔ)上，對目前急需解決的教學(xué)管理方面的問題深入研究以后，精心制定方案，準(zhǔn)備整理資源、指導(dǎo)技術(shù)實(shí)施、部署應(yīng)用等一系列程序。

首先就是要對接下來的學(xué)籍檔案數(shù)據(jù)挖掘進(jìn)行前期規(guī)劃。確定預(yù)期目標(biāo)和最終效果，定義主題。所有的技術(shù)工作開展都是圍繞著同一個(gè)目標(biāo)來進(jìn)行的，前期規(guī)劃沒做好，預(yù)期目標(biāo)和最終效果沒定位好，會(huì)導(dǎo)致數(shù)據(jù)挖掘方向盲目不清，造成資源的浪費(fèi)。因此，作為高校，對學(xué)生的學(xué)籍檔案信息進(jìn)行數(shù)據(jù)挖掘應(yīng)與推動(dòng)學(xué)校教學(xué)發(fā)展，促進(jìn)學(xué)生個(gè)人成長的作為戰(zhàn)略目標(biāo)，充分了解學(xué)校教學(xué)管理當(dāng)前的工作需求，從而確定對哪些數(shù)據(jù)進(jìn)行挖掘，最終需要達(dá)到怎樣的目標(biāo)。

高等院校的根本任務(wù)是通過教學(xué)和教育工作來培養(yǎng)高層次人才，所以教學(xué)工作始終是學(xué)校的中心工作。高等教育的重點(diǎn)和關(guān)鍵是提高整個(gè)教育質(zhì)量，學(xué)生成績是評估教學(xué)質(zhì)量的重要依據(jù)，也是學(xué)生是否掌握好所學(xué)知識(shí)的重要標(biāo)志。努力提高學(xué)生學(xué)習(xí)成績是每一所高校的目標(biāo)，但是影響學(xué)生學(xué)習(xí)成績的因素很多，傳統(tǒng)對正常學(xué)生進(jìn)行學(xué)習(xí)成績分析大多只能得到平均值、學(xué)生成績的分布曲線等，這些信息大多數(shù)還是基于教學(xué)自身來考慮，對于教育決策特別是教學(xué)計(jì)劃修訂，課程安排意義不大。

根據(jù)我們需要實(shí)現(xiàn)的目標(biāo)，教學(xué)管理開發(fā)需求，制定行之有效的方案，收集準(zhǔn)備數(shù)據(jù)。準(zhǔn)備數(shù)據(jù)的過程是先將相關(guān)數(shù)據(jù)進(jìn)行收集，合并和清除定義問題步驟中標(biāo)識(shí)的數(shù)據(jù)。數(shù)據(jù)有可能分布在系統(tǒng)的不同存儲(chǔ)內(nèi)以不同的格式出現(xiàn)，其中還可能包含錯(cuò)誤項(xiàng)。將現(xiàn)有數(shù)據(jù)進(jìn)行合并和清除，找出數(shù)據(jù)間互有的相關(guān)性，并把最符合要求的數(shù)據(jù)確定下來，用于分析。

數(shù)據(jù)準(zhǔn)備大致分為以下幾步：

(1)數(shù)據(jù)集成:將多個(gè)數(shù)據(jù)源中的數(shù)據(jù)結(jié)合起來存放在一個(gè)一致的數(shù)據(jù)存儲(chǔ)中，根據(jù)用戶的要求從數(shù)據(jù)庫中提取相關(guān)的數(shù)據(jù)，數(shù)據(jù)挖掘?qū)⒅饕獜倪@些數(shù)據(jù)中進(jìn)行知識(shí)提取。

(2)數(shù)據(jù)清理:對數(shù)據(jù)進(jìn)行初步的整理和清理，提高數(shù)據(jù)的質(zhì)量和有效性，做好數(shù)據(jù)分析的提前準(zhǔn)備。

(3)數(shù)據(jù)轉(zhuǎn)換:將數(shù)據(jù)轉(zhuǎn)換成易于進(jìn)行數(shù)據(jù)挖掘的形式。

(4)數(shù)據(jù)歸約：數(shù)據(jù)歸約的目的是縮小所挖掘數(shù)據(jù)的規(guī)模，但不會(huì)影響或基本不影響挖掘結(jié)果。

完成數(shù)據(jù)準(zhǔn)備基本步驟后，根據(jù)因?qū)嶋H工作需求而確定下來的目標(biāo)和對現(xiàn)有各種算法的特點(diǎn)進(jìn)行分析后選擇出最適合的挖掘方法，用數(shù)據(jù)挖掘工具和方法對經(jīng)過轉(zhuǎn)換后的數(shù)據(jù)進(jìn)行分析，搜索或產(chǎn)生一個(gè)特定的感興趣的模式。對發(fā)現(xiàn)的模式或數(shù)據(jù)集進(jìn)行解釋和評價(jià)，過濾出符合用戶需求的知識(shí);最后利用可視化技術(shù)將有意義的模式轉(zhuǎn)化成用戶可理解的語言。

數(shù)據(jù)挖掘這項(xiàng)技術(shù)在現(xiàn)在這個(gè)講究大數(shù)據(jù)的時(shí)代，特別是面對數(shù)據(jù)類型紛繁復(fù)雜的學(xué)籍檔案，能夠幫助我們找出數(shù)據(jù)背后隱藏深層次的聯(lián)系，它需要對各項(xiàng)學(xué)籍檔案數(shù)據(jù)最大限度的實(shí)現(xiàn)信息化管理為數(shù)據(jù)挖掘搭建基礎(chǔ)平臺(tái)，另一方面也需要有信息技術(shù)知識(shí)基礎(chǔ)而又了解的學(xué)籍檔案及教學(xué)管理工作的綜合性管理人才的參與，只有這樣才能真正了解學(xué)籍檔案信息挖掘的需求和目標(biāo)，使得來的知識(shí)真正服務(wù)于教學(xué)管理的實(shí)際工作。

[1]徐敏.教務(wù)管理系統(tǒng)中數(shù)據(jù)挖掘技術(shù)的應(yīng)用探究[J].教育教學(xué)論壇,2017(4):9～10.

[2]張偉.檔案大數(shù)據(jù)挖掘流程與技術(shù)研究[J].蘭臺(tái)世界,2017(17):35～38.