数据挖掘学风量化评价分析

摘要：学风是学校学生的学习风气，数据挖掘是在海量数据中提取有用信息并加以分析利用。将数据挖掘技术应用与学风评价中，通过数据挖掘技术，利用关联规则算法，分析揭示影响学风的因素及其内在联系，提高学校学风建设，提升学生学习兴趣。

关键字：学风;数据挖掘;关联规则

一、学风

学风是指学生的学习风气，及学生对待课堂内外学习的态度。它是学生集体或个人在学习过程中表现出来的带有倾向性的、稳定的态度和行为。学风是一所高等学校的灵魂，学风建设是一项需要长期坚持并不断改进的工作。良好的学风能促进学生的学习和成长，是学校办学质量的重要体现，没有良好的学风，学校就失去了其具有的能力。

二、数据挖掘技术

数据挖掘技术是通过对存储在数据库中的海量数据信息进行有目的的提取、分拣、归类，挖掘隐含的有用信息，用于为各行各业的生存和发展提供决策支持。数据挖掘技术是一项涉及多学科的技术，其特点主要是：数据挖掘主要处理的数据是数据库中经过预处理的数据，属于结构化的数值信息；数据挖掘主要依靠统计学知识和数学知识，通过建立挖掘模型，设计挖掘算法，分析数据之间的关联性，揭示数据之间的内在联系。

三、数据挖掘在学风量化评价中的应用

目前学风的评价主要是通过问卷调查完成的，主要是通过调查在校生、毕业生、教师等影响学风因素，然后得出学校学风的整体状况，并对学校的学风进行评价。现有的学风研究和评价体系采用的都是传统的思维方式，其研究很少融入了现代信息技术手段。现代信息技术如数据挖掘技术已经成功运用到了高校的学生管理和教学质量评估上，将数据挖掘技术应用到高等学校的学风研究和评价中成为一种切实可行的研究方案。数据挖掘是随着计算机技术的发展而出现的一门数据分析技术，数据挖掘技术现已应用于高校学生管理和教学质量评估上，这为将数据挖掘技术应用与学风量化评价中，建立科学有效的数据挖掘模型，将学风评价方法由定性转化为定量提供了科学的依据。将数据挖掘技术应用学风量化评价中的步骤如下。(一)确定数据挖掘对象：确定数据挖掘对象是数据挖掘重要的一步，数据挖掘对象确定后，可以明确数据挖掘所需要的数据挖掘在学风量化评价中的应用曹阳张小恒(重庆广播电视大学)数据源，本文数据挖掘对象为班级的学风、班级之间的学风的关系及整个学校的学风。(二)数据采集：数据采集是数据挖掘中一个重要的，工作量较大的、占据时间较长的一个阶段。本文中数据采集通过教务处完成。学风数据主要包括收集班级班风的常规数据及大量经验性的学风指标数据，如学生基本信息、学生学习积极性、学习兴趣、关注点、学生课堂表现、学生出勤率、对教师的期望等数据。(三)数据预处理：将上一阶段收集的数据进行整理与清洗，提取出有效数据，并将数据转换为一个适应数据挖掘模型的有效数据。(四)数据挖掘及分析：本阶段是数据挖掘中最重要的阶段，将经过预处理后的数据导入数据分析模型中，利用关联规则算法—Apriori算法分析学风指标的内在关联性。Apriori算法是数据挖掘中关联规则经典算法，是关联挖掘中成熟的算法。(五)数据应用：通过数据挖掘及分析，揭示影响学风相关因素的内在联系。经过研究分析，制定出有利于学风建设的政策等。

四、结束语

数据挖掘技术是一项从海量数据中提取用于信息的技术，将数据挖掘技术应用于学风量化评价中，能揭示影响学风因素的内在联系，根据数据挖掘技术得出的学风内在联系，制定关于学风建设的相关政策，提高学校的学风建设，提高学生对学习的兴趣。

参考文献：

[1]张小恒.学风量化评价体系的现代信息化改革探索[J].科技经济导刊，2017(19).

[2]齐巧玲，董永峰，张军.基于大数据分析的高校学风建设研究[J].高教学刊，2016(24).

[3]孙雪凌.数据科学在高校学风治理工作中的应用探索[J].无线互联科技，2016.

[4]黄炎，王紫玉，黄方亮.数据挖掘技术在高校学生成绩分析中的应用与研究[J].兰州文理学院学报(自然科学版)，2016.

[5]李明江，唐颖，周力军.数据挖掘技术及应用[J].中国新通信，2012.

[6]赵大鹏，高娜.关于当代大学生学风建设的思考与探索[J].辽宁教育行政学院学报，2009.

[7]杨泽民.数据挖掘中关联规则算法的研究[J].软件，2013.

作者:曹阳 张小恒 单位:重庆广播电视大学