地方高校教育大数据的分析与决策探讨

2019-03-15 13:31董婧
电脑知识与技术 2019年2期
关键词:数据挖掘学习者学院

董婧

摘要:跨界整合高校教育状态数据,教育管理部门以及第三方相关数据,利用机器学习、数学统计和神经网络等数据挖掘技术,对高校教育海量数据进行深层次挖掘和应用,可以实现智慧学习、智慧评价和智慧服务。该文首先分析了教育大数据对高校教育教学管理的冲击;其次,介绍了目前广泛应用的数据挖掘技術;最后,通过挖掘学生就业大数据这一具体案例,说明了挖掘教育大数据的价值与广泛应用前景。

关键词:教育大数据;地方高校;数据挖掘技术;智慧学习;就业大数据

中图分类号:G642        文献标识码:A        文章编号:1009-3044(2019)02-0156-02

随着信息通信技术的普及以及数据挖掘技术的不断成熟,大数据时代已经到来[1]。大数据在教育领域的应用也开始受到许多组织和专业人员的关注。尤其是在高校中,学习者学习方式变得更加多元化,如果沿用传统的标准化学科设置、教学内容、教学方法、考试制度和人才培养模式,容易忽视学生的个性特征和认知发展[2]。教育大数据记录和量化了学生的学习情况,若对海量教育数据进行用户学习行为的大数据分析,如通过建立自适应学习系统评估解释影响学习效果的重大因素,可以使教师有效整合零散的教学资源,真正理解每个学习者[3],并根据他们的个人特征,如学习习惯、学习兴趣和学习偏好,提供准确而有针对性的教学;同时提供给学习者个性化的适应性反馈,使每一个学习者挖掘出个人的学习偏好,为学习者推荐与其学习计划最匹配的课程和教材,达到最佳学习效果,实现“智慧”学习[4]。通过数据跨界整合和跨界挖掘[5],可以很好改善落后的传统教学关系,实现更具个性化的交互。

就业是高校工作的一个重中之重,对教育大数据的挖掘可以实现教育设备与资产的智能管理、学生就业与帮扶体系的完善,根据学生就业意愿实现精准分析与推荐;大数据还可实现智慧科研,通过对科研大数据分析,促进科研采购模式创新,提升文献服务质量,对不恰当的科研管理模式及时预警和转型。

1教育大数据的数据来源

教育大数据来源于各个学院以及教辅部门搜集整理的各方面的资料,具体如下图所示:

2教育大数据挖掘

2.1数据挖掘技术

数据挖掘技术大致可以分为机器学习、数据库方法、集合论法、仿生物法和统计方法。机器学习主要包括支持向量机和归纳学习方法;数据库方法主要包括多维数据分析法、OLAP等;集合论法主要包括粗糙集理论和模糊集理论;仿生物法主要包括神经网络、遗传算法、蚁群算法等;统计方法主要包括回归分析、相关分析、聚类分析、判别分析、因子分析、生存分析和决策树模型等。

2.2数据挖掘案例

以学生就业大数据为例,数据来源于曲靖师范学院毕业生就业与培养质量调查问卷(有效问卷3100余份),各个学院2017年度就业质量年度报告,对于缺失数据采用机器学习中的基于python爬虫程序自动抓取学校办公系统、教学数据和服务数据等相关信息,进行数据预处理后,采用数学统计方法中的因子分析进行分析,结果如图所示:

可以看出,提取的公因子对变量CET4方差贡献率为90%,第一主成分CET4特征根为3.019,前五个因子方差累积贡献率为83.168%,特征值大于1,所以选择前五个因子。非外国语学院学生通过大学英语四级考试、外国语学院学生统计大学英语(泰语)四级(专业四级)对学生就业最有帮助,能够有效促进学生的就业质量;其次是学院对就业经费投入的占比情况,投入经费多少也影响着学院的最终就业率,投入经费相对较多的部门其毕业生就业情况较优;再者是生源情况,非云南省籍学生思维更为活跃,个性独特,通常综合表现更为优秀,更容易就业;然后是学生获得国家级省级获奖,对学生就业有一定影响;最后是初次就业率,直接影响到学校总体的最终就业率。毕业生对就业服务工作满意度等因子对学生就业情况也有一定影响,但不是主成份,学校应对前五个因子特别重视,并采取有效的应对政策以显著促进学生就业率及就业质量。

3结论

高校中各学院和教辅部门存在海量的办学状态数据,通过数据挖掘技术,可以挖掘海量信息中潜在的价值,提供精准服务,支持科学决策。通过数据挖掘、分析、机器学习等技术展现教育大数据的价值,推动教育发展创新,提高教育教学质量,实现智慧教与学,智慧服务和智慧评价。

参考文献:

[1]郑庆华.高校教育大数据的分析挖掘与利用[J]. 中国教育信息化, 2016(13):28-31.

[2]马月. 数据挖掘技术在教育信息化中的应用研究[D],西安邮电大学, 2014.

[3]王祖霖.大数据时代学生评价变革研究[D].湖南大学, 2016.

[4]孙洪涛.教育大数据的核心技术、应用现状与发展趋势[J].远程教育杂志, 2016(5):41-49.

[5]刘清堂,王洋,雷诗捷.教育大数据视角下的学习分析应用研究与思考[J].远程教育杂志, 2017(3):71-77.

猜你喜欢
数据挖掘学习者学院
初等教育学院
你是哪种类型的学习者
基于并行计算的大数据挖掘在电网中的应用
汉语学习自主学习者特征初探
学院掠影
一种基于Hadoop的大数据挖掘云服务及应用
论远程学习者的归属感及其培养
独立学院高等数学教学改革思考
基于GPGPU的离散数据挖掘研究
独立学院:“我该如何存在?”