數(shù)據(jù)挖掘技術(shù)的高校思想政治教育運用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了數(shù)據(jù)挖掘技術(shù)的高校思想政治教育運用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：主要研究數(shù)據(jù)挖掘中的聚類技術(shù)在高校思想政治教育管理中的應用。通過對輔導員“工作考核量化表”的數(shù)據(jù)分析，按照數(shù)據(jù)挖掘的聚類分析過程，對各種數(shù)據(jù)進行預處理，使用劃分方法中的k均值算法，實現(xiàn)了數(shù)據(jù)的聚類分析，最終得到具有指導價值的結(jié)果。

關(guān)鍵詞：數(shù)據(jù)挖掘；聚類算法；思政教育；應用研究

0引言

隨著我國信息化建設(shè)進程的不斷推進，許多高校都已經(jīng)建立起各類基于業(yè)務的數(shù)據(jù)庫用于日常管理，作為應用廣泛的新興學科，數(shù)據(jù)挖掘技術(shù)在高校教育信息化中的應用前景較好，為高校的管理、建設(shè)、服務過程的絕學提供了全新而科學的分析途徑。在新形勢下，高校學生思政管理工作面臨著巨大挑戰(zhàn)，所以適時不斷調(diào)整思想工作的途徑，加強先進經(jīng)驗的交流，可以有效的提高高校思政工作的效果，對此，本文借助數(shù)據(jù)挖掘技術(shù)進行嘗試，通過聚類結(jié)果分析，所挖掘到的信息對學生工作具有一定的參考價值。

1數(shù)據(jù)挖掘技術(shù)在思想政治教育中的實際應用

1．1思想政治教育管理隨著高等教育的不斷發(fā)展與普及，給高校思想政治教育帶來一定挑戰(zhàn)，在通常情況下，學校相關(guān)部門會對教育管理工作進行數(shù)據(jù)收集，但是目前對這些數(shù)據(jù)的處理還處于底層的查找與簡單分析階段，不能夠挖掘出其中的價值。為了更加具體的了解思政教育工作者的工作情況，學校每學期會組織學生對輔導員的工作進行評議，填寫輔導員“工作考核量化表”如何從中提取有價值的信息，對高校思想政治教育有非常重要的意義［1］。1．2解決方案數(shù)據(jù)挖掘?qū)儆谝粋€方案得到肯定的過程，是數(shù)據(jù)分析研究的深層系手段，將數(shù)據(jù)挖掘技術(shù)運用到輔導員工作考核中具有特別意義。例如：通過數(shù)據(jù)挖掘技術(shù)手段分析“輔導員工作考核量化表”中的數(shù)據(jù)，可以了解“某所高校思政管理整體水平”，在管理中“哪些方面做得好，哪些方面做得不到位”等相關(guān)問題。通過這些結(jié)論進一步完善高校思政教育管理。本文提出運用聚類分析的數(shù)據(jù)挖掘技術(shù)對輔導員的工作成效數(shù)據(jù)進行分析，將大批的數(shù)據(jù)轉(zhuǎn)換為聚類結(jié)果，從而更好的對數(shù)據(jù)加以利用。數(shù)據(jù)挖掘過程.步驟1：明確數(shù)據(jù)挖掘的對象和主要目的，通過數(shù)據(jù)挖掘雖然不能預測最終結(jié)果，但是可以對所研究的問題進行預測，所以挖掘目標的確定是數(shù)據(jù)挖掘的關(guān)鍵步驟［2］。步驟2：數(shù)據(jù)采集，該過程的任務比較繁重，并且需要時間比較多。在品勢的教育管理中，要認真的收集數(shù)據(jù)信息，一部分數(shù)據(jù)是直接可以拿到的，一部分數(shù)據(jù)則需要通過調(diào)研才能獲得。步驟3：數(shù)據(jù)預處理，將收集到的數(shù)據(jù)轉(zhuǎn)變成可分析的數(shù)據(jù)模型，該模型是根據(jù)算法來準備的，不同的算法對數(shù)據(jù)模型的要求是不一樣的。步驟4：數(shù)據(jù)類聚挖掘，通過類聚挖掘能夠?qū)?shù)據(jù)模型劃分為相似的多個組，該過程主要為數(shù)據(jù)模型的輸入過程以及聚類算法的選擇進行實現(xiàn)。步驟5：聚類結(jié)果分析，該過程主要分析研究聚類數(shù)據(jù)挖掘之后得到的多個組屬性。步驟6：知識應用，將研究所得的信息集成到輔導員的管理教育環(huán)節(jié)中，思政工作者通過該結(jié)論促進教學管理，形成良好的管理方針［3］。

2數(shù)據(jù)挖掘技術(shù)在思政教育工作中具體方案實施

2．1確定數(shù)據(jù)挖掘?qū)ο笫占⒄砟炒髮W2017年“輔導員工作考核量化表”，整理其中關(guān)于輔導員教育管理的120張考核量化表，嘗試解答高校思政教育中存在的問題，經(jīng)過對有價值數(shù)據(jù)的挖掘，得出結(jié)論為教學管理帶來有效的指導價值。2．2數(shù)據(jù)采集從學校學生工作處，搜集2017年度“輔導員工作考核量化表”。2．3數(shù)據(jù)預處理“輔導員工作考核量化表”要求輔導員在“堅持標準，獎懲分明，客觀公正的對待每一位學生。”“認真做好勤工助學活動?！薄罢_分析學生的思想動態(tài)”等幾個指標項目中，根據(jù)輔導員的實際工作表現(xiàn)，劃分為“優(yōu)秀、良好、合格、較差、差”五等類型等級。最終獲得比較完整的考核記錄工作考核量化表117張。2．4數(shù)據(jù)轉(zhuǎn)換在工作考核量化表中考核等級的項目共15項，如何將數(shù)據(jù)合成到一個聚類分析的模式中非常關(guān)鍵，按照“管理態(tài)度”“管理能力”“管理方法”“管理效果”四方面屬性來對工作考核量化表中的數(shù)據(jù)進行重新組合：其中“管理態(tài)度”＝（堅持標準＋與同學之間感情融洽＋言談得體＋辦事客觀）／4“管理能力”＝（準確掌握貧困生情況＋準確掌握特殊群體＋嚴格教育與查出違紀學生＋勝任工作＋組織學生做好評優(yōu)工作）／5“管理方法”＝（每周3次以上探入班級宿舍＋積極參加檢查學生早操＋學生獎學金發(fā)放到位＋有準備的與學生談話＋檢查宿舍衛(wèi)生）／5“管理效果”＝（積極參加團活班會＋課下了解學生思想狀況＋評論與建議）／3通過以上處理，可以將工作考核量化表關(guān)系到的十五個考評等級統(tǒng)一演化到四個屬性中。然后針對117份數(shù)據(jù)樣本信息的4個屬性采取聚類挖掘的方法進行研究。通過樣本預處理得到數(shù)據(jù)樣本.2．5數(shù)據(jù)聚類挖掘數(shù)據(jù)的聚類挖掘采用劃分方法中的經(jīng)典算法K均值以及K中心點算法，其中K代表類別個數(shù)（K＝3），主要挖掘思路為：將n個對象劃分為K個簇，使同一簇中的對象具有較高的相似度，K均值算法主要是使用簇中對象的平均值作為參考值。K均值算法的復雜度可以通過進一步計算得出O（nkt），n代表簇的數(shù)量，t代表反復迭代的次數(shù)，在一般情況下，k與t都會遠小于n。針對所要分析的數(shù)據(jù)樣本，四類屬性都是通過數(shù)據(jù)轉(zhuǎn)換而得到的，所要的數(shù)據(jù)都是算術(shù)平均值，所以產(chǎn)生孤立點的可能性非常小，最終選用K均值的算法來運用于本研究的數(shù)據(jù)聚類中。一般情況下，K均值算法當局部取得最優(yōu)解時會終止，所以一定要對數(shù)據(jù)樣本進行改進，考察數(shù)據(jù)樣本信息的綜合比例分布情況，采取進一步措施對K均值算法進行改進得到三個等級樣本，3數(shù)據(jù)挖掘算法流程3．1算法實現(xiàn)的流程算法實現(xiàn)流程。在K均值算法中，函數(shù)LoadPatterns的作用主要是將數(shù)據(jù)信息裝載到程序中，目的是為了從數(shù)據(jù)庫文件中讀取相關(guān)信息，并且將文件中的數(shù)據(jù)轉(zhuǎn)換成樣本數(shù)組。函數(shù)RunK－Means（）的作用是算法的主程序，將所有對象同簇中心距離進行對比，然后將對象劃分到最近的簇中。函數(shù)Show－Centers（）代表算法所描述的聚類中心。函數(shù)ShowClusters（）表示樣本的標識符號［4］。3．2主控程序RunKMeans（）的調(diào)用從而找到最短距離的簇，然后運用DistributeSam－ples（）將所有對象劃分到最近的簇當中，算出所有簇中對象的平均值，作為新的質(zhì)心，如果所有新的質(zhì)心不發(fā)生改變，則聚類結(jié)束。

3聚類結(jié)果分析

本文運用K均值算法對120個數(shù)據(jù)通過數(shù)據(jù)轉(zhuǎn)換得到的樣本數(shù)據(jù)進行分析，對管理態(tài)度、管理能力、管理方法、管理效果4個屬性進行數(shù)據(jù)挖掘聚類，設(shè)置初始k值為3，最終挖掘到的結(jié)果.根據(jù)以上結(jié)果，每個簇所包括的數(shù)據(jù)樣本最后的比例分布范圍如下：簇1（較好）共計36個樣本，刪除定義樣本，剩余35個數(shù)據(jù)樣本，占35／117＝30％。簇2（中等）共計74個樣本，刪除一個標準樣本，剩余73個數(shù)據(jù)樣本，占73／117＝62％。簇3（較差）共計10個樣本，刪除一個標準樣本，剩余9個數(shù)據(jù)樣本，占9／117＝8％“管理態(tài)度”＝0．77＊30％＋0．61＊62％＋0．31＊8％＝0．634“管理能力”＝0．77＊30％＋0．57＊62％＋0．31＊8％＝0．6092“管理方法”＝0．74＊30％＋0．54＊62％＋0．28＊8％＝0．5792“管理效果”＝0．79＊30％＋0．56＊62％＋0．30＊8％＝0．6082從總體得分由高到低排序為：管理態(tài)度、管理能力、管理效果、管理方法?？傮w上證明該校的思政管理水平屬于中等偏上的。

4總結(jié)

數(shù)據(jù)挖掘，主要是通過對原始數(shù)據(jù)的分析、提煉，找到最優(yōu)價值的信息的過程，屬于一類深層次的數(shù)據(jù)分析方法。將數(shù)據(jù)挖據(jù)技術(shù)運用在高校思想政治教育中，有利于對思政教育工作者的多項工作指標進行分析，對其綜合能力進行評定，為高校進一步完善思想政治教育管理決策，準確定位人才培養(yǎng)目標，加強教育團隊建設(shè)提供有效的數(shù)據(jù)依據(jù)。

參考文獻

［1］劉強珺，丁養(yǎng)斌．基于數(shù)據(jù)挖掘技術(shù)的高校思政教育管理研究［J］．電子測試，2015（1）：101－103．

［2］范宸西，韓松洋．思想政治教育在高校內(nèi)涵式發(fā)展中的重新定位［J］．中共珠海市委黨校珠海市行政學院學報，2015（4）：50－54．

［3］吳小龍，張麗麗．大數(shù)據(jù)視角下高校思想政治理論教育創(chuàng)新［J］．江西理工大學學報，2017（8）：20－23．

［4］李平榮．大數(shù)據(jù)時代的數(shù)據(jù)挖掘技術(shù)與應用［J］．重慶三峽學院學報，2014（5）：159．

［5］舒正渝．淺談數(shù)據(jù)挖掘技術(shù)及其應用［J］．中國西部科技，2010（2）：148－150．

作者:關(guān)翠玲 單位:陜西財經(jīng)職業(yè)技術(shù)學院