淺談聚類分析在高職高專學生職業能力培養中的應用

郭春平+孫菲+于濤+鄧琨

【摘 要】通過多年在教學一線的教學經驗，了解到計算機基礎課程中，學生計算機水平參差不齊。用原始的邊講邊練的方法，很難收到較好的教學效果。以齊齊哈爾高等師范專科學校2013級會計學專業學生為例，借助聚類分析法將學生分組，會大大改變現狀，更加有利于課堂教學的開展。

【關鍵詞】聚類分析;參差不齊;教學效果;職業能力

作為一名在教學一線戰斗了十幾年的計算機老師，接觸的學生也非常多。由最初大部分學生在上大學前都沒有接觸過計算機或接觸不多，到現在大部分學生在中小學時期就已經掌握了一定的計算機基礎知識。但畢竟城鄉及地區等因素也造成了教學方式及內容上的差異，使得新入學學生的計算機水平參差不齊。隨著社會的發展，更多的能較好應用計算機的應用型人才被需要，如何更好、更有效的開展教學，培養適應社會發展需要的技能型人才，是我們每一位教師的責任。

在高職高專院校的計算機基礎課中，如何根據學生的實際水平及興趣愛好、個性特點去開展教學成為教師、學校甚至是社會研究的問題。物以類聚，人以群分，聚類分析就是按照個體的特征及屬性將它們進行分類。在計算機教學中，針對入學新生計算機水平的差異，根據入學摸底測試，興趣愛好、個性特征等相關因素制定相應的數據統計表，根據統計表統計出來的數據進行聚類分析。從而調整授課重點及教學方法，因材施教。本文以齊齊哈爾高等師范專科學校2013級會計學專業的學生為研究對象，利用聚類分析的方法指導教學，旨在提高學生的職業能力培養水平。

1.根據學生專業特點、課程特點制作設計統計表，進行數據收集

高職高院校的教學目標是培養適應市場需求，動手能力強，創造能力強，能就業也能創業的高素質技能型人才。而21世紀是信息化的社會，可以說，任何就業崗位都離不開計算機。所以在教學中，我們重點培養學生的動手能力及創造力，而且要從學生的興趣愛好入手。

《計算機基礎》課程是很多高校的公共必修課，如何滿足不同專業學生對計算機相關應用操作的需求是我們一直在思考的問題。我校計算機基礎課程在第一次課都會進行一次摸底考試，測試中理論部分較少，大部分考察的都是學生的實際動手操作能力及解決實際問題的能力。針對不同專業對計算機應用需求的不同，測試的內容也會做出相應的調整，旨在將學生的真實能力體現出來。例如在會計2013級學生的測試中，針對該專業需要對大量的數據進行歸納和計算的應用性較強的特點，加大該方面操作能力的考核內容。這次測試將成為學生分組教學的依據之一，但成績并不能代表一切，要想對學生進行科學的分組，培養學生的職業能力，還要考慮很多其它方面的因素。

在計算機基礎教學中，我們可以收集的信息還有很多，如打字速度，下載軟件并安裝，能否使用excel軟件處理分析數字信息，是否會收發電子郵件，能否自我診斷并排除計算機中的簡單故障，是否擁有自己的博客，是否了解或掌握一門計算機語言等等。在以往的教學中我們發現，大部分女同學打字速度都很快，這和她們經常喜歡上網聊天是分不開的，但指法卻不是很準確。喜歡美圖軟件并對圖文制作感興趣。而男同學對游戲較擅長，鍵盤快捷鍵及鼠標的使用較熟練，并對計算機語言悟性較高等等。將所有影響分類的因素提煉出來，由學生們進行客觀的選擇，為下步對這些數據作出分析提供依據，并指導教師對所授學生進行有效的分類。

2.根據收集的數據，對學生進行分類

一個班級的學生的計算機應用水平相差較大，而不同專業的班級，其專業特點也決定了班級學生學習方法、學習內容、學習形式的差異。對會計專業學生掌握計算機技能原始數據的收集，為我們對學生進行分類提供了依據。但這些信息中，有的差異較大，有的又非常相似。我們沒有一個明確的的標準對他們進行分類，所以最好的方法就是對這些數據進行聚類分析。

聚類分析是數據挖掘中比較重要的方法之一，也是核心技術之一，它是將未知數據按相似程度分類到不同的類或簇的一種過程。但各種聚類分析的計算方法都偏數學專業，且專業性很強，運算起來比較麻煩，對于一些非數學專業的一線教師來說太過繁瑣，不易掌握。本文采用SPSS軟件對數據進行聚類分析。我們只需要明確設定幾個指標變量就可以輕松使用該軟件，操作簡單、使用方便，無需太多的專業知識，上手較快，是很多一線教師的不二選擇。

聚類分析的算法較多，如K-means算法、SVM算法、Apriori算法等多種算法可以對采集的學生各種屬性信息進行分析、計算，實現相同類型數據的聚合。將具有相同內在傾向、興趣及能力的學生聚合為一類，進行針對性教學，從而更加有利于教學活動的開展，加強學生職業能力、就業能力的培養。

我們采用了聚類分析中比較具有代表性的K-means算法對學生數據進行分析。K-means中文譯名“K均值”其工作過程說明如下：

例如：班級有n個學生，我們任選k個對象作為初始聚類中心，其它所有剩余的對象要根據它們與這k個聚類中心的相似程度（也可稱之為距離），將它們逐一分配給最相似的聚類中心，重復這一過程，直到函數收斂為止。

用數學表達式表示為：

如果我們一共有N個數據點需要分為K個聚集群，k-means算法就是要最小化下面的函數：H=tnk||xn-uk||2

其中（x1，x2，…，xn）為原始數據的集合;在給定分類組數k（k≤n）值的條件下，將原始數據分成k類，S={S1，S2，…，Sk}，這里uk表示分類Sk的平均值;tnk在數據點n被歸類到k的時候為1，否則為0。

其特點是圍繞同一聚類中心的各對象盡可能緊湊，不同的聚類之間又保持最大的距離。

在課程中，利用SPSS軟件中的K-means算法對收集到的會計131班學生的數據進行分析，最終完成分組。

3.針對分組對學生進行針對性教學

在以往的教學中，對班級學生采用的是“理論部分一起講，實踐操作部分一起練，課堂輔導老師一肩挑”的辦法。這樣授課的結果往往就是老師累的筋疲力盡，而學生問題沒能及時一一解決。

在2013級會計專業學生的教學中，利用聚類分析法將學生按照一定的要求分組后，如何組織開展教學成為我們教師重點思考的問題。只有課程設置好了，課上好了，才是我們進行聚類分析的真正意義所在。在授課過程中，可將同一組學生安排坐在一起，這樣大多共性問題可以通過老師的輔導一次解決。而小組成員之間也可以相互探討，相互督促，解決問題。對于各小組在學習過程中所積累的經驗、心得也可以和其他小組一起分享，激勵學生在學習教程中有想法有創新，為自己所在小組爭得榮譽。而老師可以有更多精力去發現問題、解決問題，大大提高了課堂效率。

在教學方法上，分組后比原始的教學方式更為靈活，更有針對性，學生的參與度也更高。由各小組學生的特點，有針對性的設置情境，可以達到事半功倍的效果。在課程的某些教學內容的傳授過程中，情境模式可以較常規講授模式更有效。由不同的主題情境作為載體，學生們學到的知識技能也更多，激發學生的自主探索，解決問題的積極性，同時在該過程中鼓勵學生發揮自己的創新能力，強調團隊合作的重要意義。

4.結束語

高職高專教育重點在于職業能力培養，針對不同的學生因材施教，并制作適合此類學生的教育方案。現在大部分學生在學習的過程中，不再依賴于教材，而是把注意力放在更廣的知識面上。利用聚類分析的方法，相互促進、相互交流、不斷提高。在有限的時間內做到動手能力、解決問題能力及創造力的最大提升，尋找明確未來最適合自己的發展方向。

【參考文獻】

[1]付艷萍.“分組教學法”課堂教學模式的探索[J].學周刊，2011（26）

[2]顏魯林.利用SPSS對大學生學習注意力集中程度進行多元線性回歸分析[D].蘭州：蘭州大學，2012

[3]李芳.K-Means算法的k值自適應優化方法研究[D].合肥：安徽大學，2015

[4]羅家國.基于SPSS的課程因子分析研究[J].江西理工大學學報，2011（05）