数据挖掘技术在学生管理工作的应用

分类：项目管理论文发表 时间：2019-11-18 10:31 关注：(1)

　　随着高校学生行为数据电子化和数据挖掘技术的发展，电子化、标准化的数据环境为数据挖掘技术的应用提供了平台。将高校学生管理的优势与数据挖掘技术深度融合，高校中心数据库搜集了大量的生源数据、学业数据、消费数据和教务数据等，数据挖掘技术对学生群体和个体的行为特征进行数字化分析，并在海量的学生数据中发掘潜在的规律和价值，将规律价值反馈给学生工作管理部门，从而指导学业辅导、公寓管理、学生资助和诈骗防控等业务实践。

　　[关键词]数据挖掘;高校学生管理;精准

　　在互联网和物联网飞速发展的时代，教育信息化建设脚步不断加快，“互联网+教育”和“智慧校园”的建设不断深化，学生的学业、生活和网络行为都被信息系统、电子设备记录为电子数据。电子数据包括了社交媒体数据、教务系统数据、财务系统数据和视频图像数据等，海量的电子数据为数据挖掘提供了驱动基础。但目前信息系统间的数据孤岛尚未完全打通，大数据思维在信息系统布局中的应用尚不充分，数据挖掘技术对已有数据资源利用尚不全面。所以，加强数据挖掘在高校学生管理工作中的应用，有利于充分利用数据资源，有利于深入探究学生成长成才规律，有利于进行精准的教育教学改革，有利于提升高校学生管理水平。

　　一、数据挖掘概述

　　大数据时代下，数据的容量、增速和多样性都在极速增长，海量的数据蕴藏着巨大的学术价值、社会价值和潜在规律，数据已经成为21世纪最为宝贵的资源之一。而传统的数据分析思维、技术和方法无法满足如今数据分析的速度、深度和广度需求。统计学、人工智能、机器学习、模式识别和数据库技术为数据挖掘技术的产生和发展奠定了基础，商务、医学、工程、教育各个领域为数据挖掘技术提供了应用场景。数据挖掘是一种技术，将传统数据分析方法与处理大量数据的复杂算法相结合，是数据库中知识发现的数据预处理和数据后处理的链接纽带，数据挖掘具有预测建模、聚类分析、异常检测和关联分析等功能。

　　二、数据挖掘在高校学生管理工作中应用现状

　　(一)高校学生管理工作的数据环境

　　在习近平网络强国战略思想和“国家大数据战略”的指导下，《促进大数据发展行动纲要》《大数据产业发展规划(2016-2020年)》系列文件的发布，为高校信息化建设和数据开发利用起到了强有力的推动作用。当代大学生既生活在数据的海洋里，自身也在不断地产生数据，大学生的各类数据被信息系统或电子设备记录了下来。根据时间顺序，大学生数据可以划分为入学前数据、在校期间数据和生涯发展数据三个维度，每一个维度又包含了生活数据、学业数据和网络行为数据等，学生的数据贯穿了教育教学的全过程。

　　(二)高校学生管理工作数据的来源

　　高校学生管理工作数据经历了进网络阶段、网络化阶段和大数据阶段，三个阶段的演化为数据挖掘技术与高校学生管理工作的深度融合提供了基础。随着高校信息化水平不断提高、学生生活行为数据化程度不断提升和社会大数据思维不断深化，高校信息系统不断建立健全，将教务管理、财务管理、学籍管理、行为管理和就业管理等实现信息化管理，所有数据均在信息系统中产生和被记录;学生的消费行为、上网行为、图书借阅行为均被终端设备记录;图书馆、食堂、教学楼的实时人流数据，教室的学生坐姿、座位分布、师生互动数据也被摄像头等终端设备记录。视频、音频、图片和电子表格等数据都是高校学生管理工作的存在形式，也是数据挖掘技术应用的数据资源。

　　(三)数据挖掘技术在高校学生管理工作中应用的挑战

　　随着新技术的发展，高校数据环境面临的是机遇与挑战并存。高校各部门和教育教学各环节逐渐完成了信息化和数字化，为大数据分析提供了很好的数据基础。但是由于各部门和各环节间的特殊性，数据归口、数据类别、责任划分不统一，信息安全防控措施尚不健全，导致了数据孤岛迟迟难以打通。

　　三、数据挖掘在高校学生管理工作中的应用措施

　　教育部先后发布了《教育信息化十年发展规划(2011-2020年)》和《教育信息化2.0行动计划》，对我国高校教育信息化发展起到了引领和推动作用，为数据挖掘技术的应用积累了海量的电子数据，为研究数据时代大学生的思想观念、学业特征、网络行为、思维模式和话语习惯提供了数据驱动。因此，数据挖掘技术在高校学生管理工作中具有丰富的应用场景。对于特定个体在特定时间段的行为轨迹大数据分析，揭示该个体的思想和行为变化规律;对于若干个个体特定时间段相同或相近行为轨迹进行大数据分析，分析群体性现象或事件的形成规律。

　　(一)数据挖掘在新生适应教育中的应用

　　在新生录取结束之后，新生的电子档案和纸质档案都会移交到高校招生部门。新生的电子档案中包含了民族、性别、生日、生源类型、各科分数、志愿情况和获奖情况等几十维的数据信息。民族和生源地数据分布对民族团结教育提供了数据参考，志愿录取情况对专业认同感和归属感提供了数据参考，各科分数为专业匹配度提供了参考数据，生日数据为分析学生年代特征提供了参考数据。将各个维度的特征进行横向和纵向的挖掘分析，能够总结出相应的规律和制定出精准的入学教育引导方案。

　　(二)数据挖掘在学习行为与学业成绩关系的应用

　　在建设“智慧校园”的大背景下，随着“智慧学工”“智能教室”“智慧教务”“智慧后勤”等系统的建立健全，学生的学习行为数据和学业成绩数据不断地完善和增加，为思想政治教育学科与数据挖掘技术融合提供了平台。数据挖掘技术将学生行为特征进行电子化、标准化和定量化处理，提取学生行为的关键特征，形成学生行为与学业成绩关系模型，探索思想政治教育规律、教书育人规律和学生成长成才规律的内在联系，增强现代化教育的系统性、精准性、预见性和实时性。学生成绩的影响因素是多元的、动态的、系统的。以“智慧教室”的数据为例，“智慧教室”采集到学生的到课时间、座位选择、坐姿表情、抬头率、师生互动情况等数据，包括视频、音频、图片、数字列表等数据类型，利用图像识别、模式匹配等技术，对处理后的数据进行建模分析，挖掘课堂行为与学业成绩的内在联系，从而实现学业预警、教学评估、精准教研、个性画像的全面功能。

　　(三)数据挖掘在防范电信网络诈骗中的应用

　　我国电信网络诈骗案件以每年20%-30%的速度增加，具有诈骗手段不断翻新、受骗范围不断扩大和被骗金额不断增加的特点，针对大学生的电信网络诈骗呈现易发高发的态势。由电信网络诈骗引发的次生风险不断增加，包括大学生的生命安全、心理健康、网络舆情和意识形态安全都受到了极大的挑战。仅凭电信网络诈骗宣传教育已无法满足防控需求，需要利用大数据、数据挖掘等新技术来承担起新使命。利用数据挖掘技术，以受骗学生特征和诈骗犯罪行为特征作为数据样本，分为待训练数据集和待检测数据集。分析受骗学生的入学前防骗意识、消费习惯、家庭背景和学龄层次等特征，分析诈骗行为的诈骗手段、对象选择、地域集群等特征，总结施骗和受骗规律，将受骗共性和施骗特征反馈给学校学生工作部门、公安反诈骗中心和舆情防控部门，从而提高管理水平、提升防范能力、化解次生风险。

　　(四)数据挖掘在资助工作中的应用

　　资助工作是一项政策性非常强的民生工作，资助精准度直接影响到资助政策的落实和资助育人效果的发挥。精准认定一直以来都是精准资助工作的重点和难点，实现精准认定需要准确及时的数据和分析数据的技术。随着高校信息化的发展，高校基本建成了较为完善的数据采集设备和信息系统，包含了较大的数据种类和数据容量，为数据挖掘提供了数据资源。资助对象数据按照时间划分，可以分为入学前、入学后和毕业后三个部分，每一个部分又包含了其家庭经济情况数据、个人生活消费数据和学习绩效数据。其中，家庭经济情况数据包含了生源地数据、致贫类型数据、收入数据、欠款数据和认定流程数据等，个人生活消费数据主要来源于校园卡的消费数据和微信支付宝线上消费数据，学习绩效数据包括了教务系统成绩数据、就业处的就业情况数据和校友会的校友生涯发展数据。形成一个系统的、协调的、连贯的数据网络，构建精准认定、精准资助和精准育人的资助体系。

　　(五)数据挖掘在就业工作中的应用

　　数据挖掘在人岗匹配、生涯发展和精准就业等方面都能发挥作用。大学生的就业数据是一个贯穿学生成长成才全过程的一个数据网络，包括了学生成长数据和就业直接数据，学生成长数据有入学前数据、生源数据、家庭数据、学业数据、评优评奖数据和任职数据，就业数据有岗位类别、薪资待遇、满意指数等动态数据。在人岗匹配方面，将历年校招企业的招聘简章和学生简历进行标准化处理，按照语言能力、学历学位、学校专业、薪资待遇等字段进行文本提取，形成岗位需求和学生素质的两份表单，数据挖掘技术再对数据特征进行模型训练，并实现精准推送。在生涯发展方面，每一个学生都会产生一行上百维的数据，将历届数万名的学生数据合成一个数据集，就可以用数据挖掘技术对整体就业绩效影响因素和个体发展趋势进行画像分析。结合分析结果，从而为人才培养供给侧结构性改革提供参考。

　　(六)数据挖掘在公寓管理中的应用

　　学生公寓是大学生学习和生活的重要场所，公寓育人是高校育人工作的重要组成部分。大学生每天超过三分之一的时间在宿舍度过，会产生大量的行为数据，包括网络流量数据、电量功率数据、作息习惯数据、室友行为相关性数据和门禁刷卡数据等。大量的公寓电子数据蕴含着非常大的潜在价值，而目前公寓数据利用率并不高。学生PC端的网络流量多来自于固网流量和无线宽带流量，这些数据均集成在学校信息管理中心。不同楼栋、楼层和宿舍的流量都呈现出一定的规律，每天不同时段、平时与周末、行课与寒暑假都会呈现出不同的规律，低年级和高年级、不同宿舍之间的数据也存在差异，这些数据均可作为一个特征与学业成绩一一对应进行研究;寝室用电量也是重要数据之一，可以作为寝室电脑使用时间、大功率电器使用的参考数据，寝室实时功率数据也是查处大功率违规电器的重要依据，是防范寝室消防安全重要的手段;大部分公寓都安装了出入门禁系统，学生出入宿舍的数据可以作为研究学生作息规律、社会活动参与程度的参考指标，也能够有效对请销假和私自外出租房进行佐证;利用数据挖掘技术，以寝室为单位，把寝室分布与学生相应成绩进行机器学习，可以分析寝室环境对学习成绩的影响情况。数据挖掘技术在高校学生管理工作中的应用不断深入，学生工作队伍的大数据思维也在不断加强，但各部门、各环节仍然存在数据孤岛和数据盲区，仍然存在对学生大数据的认知不足、挖掘不足和规划不足的问题，学校应加快加强校园信息化建设和数据资源利用。

　　作者：白银 熊英 蒋琳 单位：重庆邮电大学