《数据挖掘技术在思政教育管理中的应用》由会员分享，可在线阅读，更多相关《数据挖掘技术在思政教育管理中的应用（54页珍藏版）》请在金锄头文库上搜索。
1、中南民族大学 硕士学位论文 数据挖掘技术在思政教育管理中的应用 姓名：洪雷 申请学位级别：硕士 专业：计算机应用技术 指导教师：王江晴 20100501 中南民族大学硕士学位论文 I 摘 要 近年来，数据挖掘研究发展十分迅速，教育管理系统的信息化建设也得到 了较好发展，各类教育管理系统积累了丰富的数据。但数据挖掘在教育管理系 统中的应用尚处于探索阶段。因此，研究数据挖掘技术在教育管理系统中的应 用，具有重要的理论意义和现实应用价值。 本文针对思政教育管理中的高校思想政治教育管理研究这一课题，结合数 据挖掘技术中的聚类分析开展研究，对辅导员“工作考核量化表”进行分析， 是这个课题中最为重要的环节
2、。传统的分析方法是基于计算绝对分数的评价， 这种方法在评价结果客观性、准确性等方面存在一些缺陷和不足。如果按照传 统的分析方法来评价辅导员将有失公正，而且也不能有效、恰当地评价辅导员 的管理效果。因此本文采用数据挖掘中聚类分析的思想，利用 k 均值算法对辅 导员的“工作考核量化表”数据进行分析，可以有效地克服传统分析方法的缺 陷和不足。具体工作如下： 1、分析了数据挖掘技术的发展现状及数据挖掘过程中存在的问题，讨论了 数据挖掘技术中聚类分析的概念、功能、过程以及聚类分析技术所涉及的各种 数据类型。 2、讨论了聚类分析技术中常用的各种模型算法，重点探讨了对于中小型数 据库模型更加适合的，具有易理
3、解性、易操作性的聚类算法。 3、以数据挖掘中的聚类分析算法为基础，研究了其在高校思想政治教育管 理中的应用。并且将高校思想政治教育管理中的“工作考核量化表”作为数据 源，应用 k 均值算法进行了聚类分析，实现了对我校辅导员“工作考核量化表” 的聚类，并进行了进一步的验证，最终得出了一些有实际价值的结论。 关键词：数据挖掘，聚类分析，划分方法，k 均值算法 数据挖掘技术在思政教育管理中的应用 II Abstract Abstract In recent years, the research of data mining has developed rapidly and the constru
4、ction of informationization in instructional management system also received great progress. Lots of management systems have accumulated plenty of data. But, the application of data mining in instructional management system is still in the early stage, thus the research on how to apply the technolog
5、y of data mining in instructional management system has important meaning in both theory and practice. Concerning about the issue of management on the ideology and political instruction in universities, which is on the list of ideological and political education management, the most important tache
6、in my dissertation is to use the Clustering Analysis technology in data mining field to analyze the performance appraisal quantization table of tutors. The traditional way of analyzing is based on the calculation of the absolute points, which has drawback and insufficient in the results objectivenes
7、s and veracity. Continuing the traditional method is to some point unfair to the tutors while the effect of their manage work cant be judged efficaciously and properly. We can overcome the shortcomings of traditional analyze way by applying the idea of Clustering Analysis in data mining, using the k
8、-means algorithm to analyze the performance appraisal quantization table of tutors, detailed work is as follows: 1. Summarize the study of data mining technology and its status quo, and the problems existing in the process of data mining, and discuss the concept, function, process in Clustering Anal
9、ysis, as well as the various kinds of data types of it. 2. Discuss the usual type of clustering algorithm in Clustering Analysis technology, especially probe into the ones which are more intelligibility and handy to the small and medium data bases. 3. Based on the clustering algorithm in data mining
10、 technology, we further discuss the application of it in the ideology and political education management of universities. The performance appraisal quantization table in the ideology and political education management of universities can be the data source for Clustering Analysis. After the completi
11、on of preprocessing, we do clustering analysis in the approach of k-means algorithm, and finally obtain some practical conclusion through further test and verify. KEY WORDS: data mining, clustering analysis, partition method, k-means algorithm 中南民族大学硕士学位论文 I 中南民族大学中南民族大学 学位论文原创性声明学位论文原创性声明 本人郑重声明： 所
12、呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。 除了文中特别加以标注引用的内容外， 本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。 对本文的研究做出重要贡 献的个人和集体， 均已在文中以明确方式标明。 本人完全意识到本声明的 法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文 被查阅和借阅。 本人授权中南民族大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索， 可以采用影印、 缩印
13、或扫描等复制手段保存 和汇编本学位论文。 本学位论文属于 1、保密，在_年解密后适用本授权书。 2、不保密。 （请在以上相应方框内打“” ） 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 中南民族大学硕士学位论文 1 第一章 绪 论 1.1 研究背景与意义研究背景与意义 随着信息产业的不断壮大以及产业技术的进步，数据库管理系统的应用范 围越来越大，而且数据库管理系统所要处理的数据库规模也在不断增大，人们 积累的数据也越来越多。近年来，由于大学校园学生数量的逐渐增多，师资队 伍的人数也同时伴随其不断增加，教育管理数据库中积累了大量的数据1。很 多学校都依据自身的实际情形，研究并
14、实现了教育管理系统，且每所大学的教 育管理系统都不尽相同。系统一般由编辑菜单栏，系统备份维护部分，以及系 统的功用解释部分等组成。教育管理系统能够实现统筹数据信息、研究直方图、 产生报表、打印结论等功能，拥有操作工序简洁、使用便利、执行效率高、分 析效果好的特点，符合大学里面教学信息的研析，同时补缺了教育管理系统的 漏洞。 可是，现有的教育管理系统在高校思想政治教育管理中的应用尚处于探索 阶段，特别是针对思政教育管理中的高校思想政治教育管理研究这一课题，而 对辅导员工作考核量化表进行分析，是这个课题中最为重要的环节。传统的分 析方法是基于手工计算绝对分数作对比的方法加以分析，这种方法在评价结果
15、 客观性、准确性等方面存在一些缺陷和不足。如果按照传统的分析方法来评价 辅导员将有失公正，而且也不能有效、恰当地评价辅导员的管理效果。 高校思想政治教育管理是教育管理数据库中很重要的组成部分，是评估思 想政治教育管理质量的重要标准，也是评价思想政治教育管理者是否行之有效 的对学生进行教育管理的重要标志。因此，如何科学、准确、公平、公正地给 思想政治教育管理者评定质量，是教育工作者多年来一直研究的课题。随着教 育管理体制改革的不断深入， 特别是学生思想政治辅导员管理体系成为主流后， 思想政治教育管理者管理质量的评定方法已从过去单一的开会讨论， 人工评定， 发展到今天比较广泛采用的工作考核量化表的
16、形式。 思想政治教育管理者工作考核量化表评定方法适合纵向衡量思想政治教育 管理者对于所管理学生的掌握程度。而对于需要横向比较思想政治教育管理者 间水平差异，以及衡量某个思想政治教育管理者对于总体管理水平的偏差时， 工作考核量化表其蕴含的信息明显不足。在这种情况下，我们可以采用系统统 计学手段对思想政治教育管理者的工作考核量化表进行处理，得出一组针对具 体考评标准的相对抽象的考评数据。 显而易见，如何科学地根据思想政治管理者的原始情况找出其中有价值、 数据挖掘技术在思政教育管理中的应用 2 有指导意义的信息，成为进行以后对管理质量进行各种分析的基础，工作考核 量化表划分的合理与否，直接关系到后期各种评定指标是否可以公正恰当地反 映实际情况。 针对以上问题，本文将聚类分析引入到高校思想政治教育管理方面的应用 中，应用数据挖掘技术对大量的评估数据进行自动的数据分析
