龙源期刊网 http://www.qikan.com.cn
基于聚类分析的高职学生成绩影响模型的研究
作者：徐敏芝
来源：《电脑知识与技术》2013年第21期
摘要：该文将数据挖掘技术应用于高职院校学生成绩分析中，利用聚类分析的K-means算法，实现基于Microsoft SSAS平台的学生成绩分析数据仓库构建和模型评价，并得出有价值的潜在规律和影响学生成绩的各种因素，为教学管理以及其他相关部门提供有力的决策支持。 关键词：数据挖掘；聚类分析；成绩分析
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）21-4778-03
成绩作为学生在校学习情况的主要表现形式，既是教学效果考核的核心指标，也是对学生学习效果和教师教学效果的检验和评定，更是反馈于教学活动、服务于教育决策、为教育科研提供参考资料的重要手段。在高职教育信息化发展的十多年间，各类管理信息系统相继投入使用，基于传统数据库应用技术的学生成绩管理系统在教务管理中取得了很好的效果，其中大量数据日积月累起来，已形成非常宝贵的信息资源。但在大多数院校中，这些数据的主要用途仍局限于提供简单查询和统计报表，反映了过去一段时间和当前的教学情况，对后续的教学及管理工作的指导意义不大，如何利用数据挖掘技术对这些数据进行深层分析，从大量数据中发现潜在规律和内在联系，以提高教师教学的针对性、教学管理决策的科学性，进而提高学校整体教学水平和办学质量，将是高职院校在今后的信息化建设和信息资源管理、开发和利用中的重要内容之一。 1 数据挖掘 1.1 数据挖掘的概述
数据挖掘（Data Mining，DM），又称为数据库中的知识发现，被信息产业界认为是数据库系统最重要的前沿之一。它是从大量的、不完全的、有噪声的、模糊的以及随机的数据中，提取人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘技术在应对各行各业出现的“数据爆炸、信息匮乏”的问题上发挥了很好的作用，该项技术最初多应用于金融业、保险业和商业领域，随着影响力的扩大，逐步扩展到医疗保健、运输业、行政司法、通信业等社会部门以及科学和工程研究单位。近十年间，数据挖掘技术在教育领域也受到越来越多专家和学者的关注，原因是教育领域信息化管理提供了大量的数据资源，但这些资源的利用非常有限，没有对后续教育教学工作发挥应有作用，因此越来越多的组织和大学把教育数据挖掘
龙源期刊网 http://www.qikan.com.cn
EDM（Educational Data Mining）作为研究对象，尝试将各种各样的数据挖掘方法应用于教育领域中，目的是从学校的数据中发现新的知识，帮助教师和管理人员改进方法、提高效能。 1.2 分析主题
本文基于实现对某高职院校学生进行成绩综合分析的目的，拟确定以下几个分析主题： 主题一、分析学生成绩与学生的录取专业、生源所在地、性别等学生信息之间的关联，为招生部门制定招生计划，为教学管理部门在设置专业及专业方向等方面提供决策帮助。 主题二、分析学生成绩与公共基础课、专业理论课和专业实践课之间可能存在的各种关联及关联的程度，为教学管理部门和各系制定人才培养方案提供参考依据。
主题三、分析学生成绩与授课教师年龄、学历、职称之间的关联，为各专业师资配置提供合理化建议，进而辅助学校人事和教学部门科学制定教师职业规划、教师培训等一系列师资队伍建设工作。 1.3 数据ETL
由于数据挖掘技术依赖于经过良好组织和预处理的数据源，数据源的好坏直接影响着数据挖掘的效果，因此构建纯粹用于数据挖掘分析的数据仓库的非常重要，该过程从各种数据源中根据分析主题抽取数据，并完成对数据的清洗和转换且最终加载到数据仓库中，为后续的数据挖掘提供了良好的数据环境。数据的这种预处理过程称为ETL
（Extract/Transformation/Load），指根据分析主题，从单一或异种数据源中抽取出所需的数据，经数据清洗、转换等，按照预先定义好的数据仓库模型，将数据加载到数据仓库中，为数据挖掘提供数据平台。ETL的设计与实施占据整个工作量的70%，是工作量最大、费时费力最多的环节，这也显示了它在实现数据挖掘过程中的重要性。
本文以2007级各专业学生成绩和学籍信息，共计13个专业，22个班级，932名学生和287名教师的基本信息为分析对象，这些数据在未处理前存在一些问题：比如在教师基本信息中，有较多的外聘教师的学历、职称等信息不详，甚至有部分外聘教师的出生日期以录入的时间的形式存在等等，又比如教务管理系统中存在 “异名同义”的现象，例如课程名称为“计算机平面设计”和“PS图形图像处理”，事实上表示的是同一门课程。数据的清洗就是针对以上这些问题，对数据中的杂质、噪声、不一致、不规范、遗漏等情况加以处理。数据转换在数据预处理过程中也尤为重要，该文拟分析07级各个专业学生的成绩，因不同专业课程不同，且课程的性质、学分以及总学时的差异，在分析前必须进行相应的成绩换算，处理方法是将学生在校学习期间的所有课程分数乘以相应的学分数的求和除以所有课程学分的总和，得到该生的平均学分绩，以期达到客观比较学生在校成绩优劣的效果。
龙源期刊网 http://www.qikan.com.cn
1.4 聚类K-means算法
聚类（Clustering）分析是数据挖掘技术的重要内容之一，它能从潜在的数据中发现有意义的数据分布模式，现已广泛应用于模式识别、数据分析、图像识别以及其他许多方面。聚类是指在事先不规定分组规则的情况下，将数据按照其自身特征划分成不同的群组。它的重要特征是“物以类聚”，即要求同一类的数据对象尽可能相似，而不属同一类的数据对象尽可能相异，随后观察每个类（一类数据集称为一簇）的特点，集中对特定的簇做进一步的分析。 K -means算法，也被称为K -平均或K -均值，是一种得到最广泛使用的聚类算法。它的核心思想是通过迭代把数据对象集划分到不同的簇中，以目标函数最小化为止，从而使生成的每个聚类内紧凑、。这一算法不适合处理离散型属性，但是对于连续型具有较好的聚类效果。
K均值算法流程：
1）随机取K个元素，作为K个簇的中心；
2）分别计算剩余元素到各个簇中心的相异度，将这些元素分别划分到相异度最低的簇中。
3）根据聚类结果，重新计算各个簇的中心（计算方法是取簇中所有元素各自维度的算术平均）
4）将全部元素按照新的中心重新聚类。 5）重复第4步，直到准则函数收敛。 6）输出结果。 2 系统设计 3 模型评价 4 结束语
本文首先阐述了将数据挖掘技术引入高职教育学生成绩分析应用的可行性和重要性，并详细介绍了一种常用的数据挖掘方法——聚类分析算法K -means算法。围绕分析主题，以某高职院校07级毕业生在校成绩，以及相关联的师资和综合学籍信息等数据搭建数据仓库，利用Microsoft SQL Server 2008 平台构建基于分析主题的学生成绩数据挖掘模型，最终评价分析模型，找出潜在规律和影响学生成绩的因素，提供有效的教学决策支持。
龙源期刊网 http://www.qikan.com.cn
参考文献：
[1] 黄伟.基于数据挖掘的高校招生管理信息系统的研究[J].硅谷，2009（21）：98. [2] 谢邦昌.SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战[M].北京：中国水利水电出版社，2011：3-8.
[3] Jiawei Han，Micheline Kamber.数据挖掘概念与技术[M].2版.范明，孟小峰，译.北京：机械工业出版社，2007：3-17.
[4] 张兴会.数据仓库与数据挖掘技术[M].北京：清华大学出版社，2011：2-5.
