高等職業(yè)教育數(shù)據(jù)挖掘系統(tǒng)的研究與設計.pdf

1、近年來，高等職業(yè)教育迅速發(fā)展，從規(guī)模上，高等職業(yè)教育已經(jīng)占到了半壁江山；但從結構上，它還遠沒有形成；從質(zhì)量和效益來看，50％以上的高職院校剛剛建立，高等職業(yè)教育還處在摸索階段。因此高等職業(yè)教育體系還未完成。同時，隨著高等職業(yè)學校擴招和學校的發(fā)展，一些學校積累了大量的數(shù)據(jù)，如學籍管理、成績管理、就業(yè)管理等。但由于缺乏信息意識和技術，管理人員只能通過簡單的統(tǒng)計或排序等功能獲得表面的信息，而隱藏在這些數(shù)據(jù)中的信息一直沒有得到應用。如何對這些數(shù)

2、據(jù)進行重新利用，將現(xiàn)有的數(shù)據(jù)轉化為可供使用的知識，提高學校的管理水平和辦學質(zhì)量，是很多高職院校正在考慮的問題。數(shù)據(jù)挖掘技術就是為解決這個問題而產(chǎn)生的，針對數(shù)據(jù)挖掘技術的研究，國內(nèi)外已經(jīng)取得了許多令人矚目的成就，并成功地應用到了許多領域，但在教育領域中的應用并不廣泛。
　　 本課題利用北京信息職業(yè)技術學院豐富的教育經(jīng)驗和大量的極有價值的數(shù)據(jù)資料，緊緊抓住職業(yè)教育和就業(yè)兩個中心，利用數(shù)據(jù)挖掘技術探索信息類高職教育規(guī)律，并在研究的基礎

3、上建立一個高等職業(yè)教育數(shù)據(jù)挖掘系統(tǒng)。該系統(tǒng)包括四個功能模塊：第一，學生特征分析模塊，該模塊利用本文提出的基于遺傳的自適應模糊C均值聚類算法（GaFcm—Genetic Algorithms Fuzzy C-Means）對學生聚類并對聚類結果進行系統(tǒng)分析；第二，成才因素分析模塊，該模塊利用C4.5決策樹算法建立就業(yè)影響因素模型，從而挖掘出哪些課程對學生成才因素就業(yè)有較大的影響；第三，學生就業(yè)預測模塊，該模塊建立了基于主成分分析的決策樹就業(yè)