數據挖掘技術在高校學生就業指導中的應用

文/謝麗亞

數據挖掘技術在高校學生就業指導中的應用

文/謝麗亞

教育改革的進一步深化，對高校的教育也提出了更高更新的要求，促進高校畢業生更高質量的就業，促進學生在社會中生存發展能力的提升，成為當前高校教育的一個重要目標。這對加強高校學生就業指導工作的實施提出了新的要求，在數據時代下，將數據挖掘技術與高校就業指導工作相結合，能大大提高高校就業指導的工作效率與質量。本文主要就數據挖掘技術概念和類型進行簡要闡述，并對數據挖掘技術在高校學生就業指導中的應用步驟和具體應用進行了詳細探究。

就業指導 數據挖掘技術 應用

近年來隨著高校畢業生人數的逐年增加，大學生就業壓力也在逐漸增大，如何做好就業指導，促進學生更快更好的就業，已成為目前各大高校研究的重點課題。隨著信息化技術的快速發展和信息搜集能力的日益提高，將數據挖掘技術應用到高校的就業指導工作中，從大量的數據中挖掘發現隱藏的、有價值的信息來指導學生有效的就業，提高學生的就業質量，已成為一個非常值得研究的重要課題。

1 數據挖掘技術概念和類型分析

1.1 數據挖掘技術概念

信息技術水平的迅速發展，使得一些新技術在教育領域當中得到了廣泛的應用，有效促進了教育教學的快速發展。信息技術的應用會產生大量的數據，對這些數據的處理顯得非常的重要，利用數據挖掘技術不但能發揮數據信息處理的優勢，還能大大提高信息處理的效率。

數據挖掘（Data Mining）又稱數據庫中的知識發現，是指從大型數據庫或數據倉庫中提取隱含的、未知的、非平凡的、極有潛在應用價值的信息或模式，是數據庫研究中的一個很有應用價值的新領域，是一個涉及到高性能計算、模式識別以及神經網絡等各方面內容的交叉性學科。

數據挖掘需要經過數據采集、預處理、數據分析、結果表示等一系列過程，對數據信息進行有效的處理。采用的相關方法有決策樹方法、遺傳算法、粗糙集方法等。

1.2 數據挖掘技術類型分析

數據挖掘技術由于涉及到的學科比較多，故此在數據挖掘技術的類型上也比較多樣，根據不同的標準就能分成不同的類型。根據數據庫的類型進行分類，數據挖掘主要是關系數據庫中挖掘知識，在數據庫的類型上會不斷的增加，這樣就出現了不同數據庫數據挖掘，在這些數據挖掘類型當中，歷史數據挖掘以及模糊數據挖掘等都是比較突出的應用技術類型。

在數據挖掘技術的類型當中，結合挖掘方法的不同，以及技術應用的不同進行分類，主要方法有統計方法、探索性分析和數據庫方法。除此之外，按照數據挖掘的任務對其進行分類，也能分成不同的類型，主要有時序模式、關聯分析、分類數據挖掘等。對不同的數據挖掘技術類型進行分析與應用，對信息數據的處理效率水平的提高可起到積極作用。

2 數據挖掘技術在高校學生就業指導中的應用步驟和具體應用

2.1 數據挖掘技術在高校學生就業指導中的應用步驟

將數據挖掘應用到高校學生就業指導當中，能促進就業指導教學的整體質量水平的提高。而對數據挖掘技術的應用，需要遵循相應的步驟，這樣才能有利于發揮其積極的作用。數據挖掘技術的應用要注重過程操作。

2.1.1 對問題進行分析

源數據庫需要評估以及確認是否與數據挖掘的標準相符合，對這一情況結合實際加以分析。

2.1.2 提取、清洗和校驗數據

所提取的數據放在一個結構上和數據模型兼容的數據庫當中，采取統一模式清除不兼容數據，保障數據的完整性。

2.1.3 選定數據挖掘算法

結合其目的，通過DM過程當中的準則選擇一個特定的數據挖掘算法，用于搜索數據當中的模式。

2.1.4 實施數據挖掘

通過數據挖掘方法，產生一個特定的感興趣模式或特定數據集。

2.1.5 在對數據挖掘之后進行解釋

對所發現的模式進行分析，去掉多余的不切題意的模式。

2.1.6 進行知識評價

對知識作用加以查看或證明，采用預先可信知識，檢查以及解決知識當中所存在的矛盾。

通過以上一系列的操作，可將數據挖掘技術的作用得到充分發揮。

2.2 數據挖掘技術在高校學生就業指導中具體應用

在高校畢業生的就業指導工作中，需要對影響學生就業的因素實施量化分析，為在畢業生就業指導方面提供相應的數據。在數據挖掘技術的應用中，主要就是對學生生源地信息以及學生就業率關聯關系實施挖掘，對學生性別和就業的關聯關系進行挖掘，還有對學生的就業和學業的關聯關系進行挖掘。結合實際情況對數據挖掘技術系統進行設計，并且在該系統中，要和數據挖掘專業知識緊密結合，將其設計成幾個重要的模塊，即：數據預處理，頻繁項挖掘，關聯規則分析。

（1）數據挖掘技術的采集以及轉換和預處理操作。在對數據進行采集以及轉換和預處理環節的操作上，先對學生就業情況加以分析，在決策屬性方面明確，然后分析指標數據，如：對學生的實踐能力水平以及計算機等級等進行分析。

（2）對相關的指標數據采集充分重視，在數據信息的采集方面，要和開發的成績管理系統進行連接，并能從成績數據庫當中提取學生綜合性的成績。通過Excel表格將學號導入，提供輸入數據界面，管理人員進行手工輸入。對學生工作單位量化標識，將工作單位分成升學、事業單位、企業、個體公司，采用字母a、b、c、d進行表示。

（3）數據挖掘技術的應用過程中，對決策樹的應用也比較重要，這是通過離散型變量作為屬性類型的學習方法。通過決策樹當中C4.5算法思想的應用，能夠有效處理描述屬性連續的相關問題。某連續屬性將存儲訓練實例中的不同屬性值進行排序，然后選擇相鄰值中的點，作為離散時區分不同屬性值的標準。

（4）數據挖掘技術中決策樹和算法的選擇應用也是比較重要的，如在對算法的選擇方面，就要能先建立真正適合挖掘算法的分析模型，選擇合適的數據挖掘技術和算法，然后采用程序設計語言實現算法，這樣就能獲得有效的數據算法。在數據庫的處理方法方面，就包含著諸多的內容，其中的數據讀取以及查詢操作是比較重要的。根據這些操作應用對學生的相關數據信息的提取查看就比較方便。

3 結語

綜上所述，高校畢業生就業指導過程當中對數據挖掘技術的應用，能有效提高就業指導的效率水平，從而為學生的未來就業發展提供有力條件，對教師在為學生就業指導方面能指明方向。希望在此次對數據挖掘技術的應用研究下，有助于實際的就業指導教學發展。

[1]金延軍.數據挖掘技術在高校學生就業指導中的應用[J].黑龍江工程學院學報(自然科學版),2015(01).

[2]蔡麗艷.淺談數據挖掘技術及其在高校就業工作中的應用[J].電腦知識與技術,2015(09).

[3]康艷霞.數據挖掘在學生成績分析中的應用[J].信息與電腦(理論版),2014(09).

[4]馮麗霞.數據挖掘技術在學校教學中的應用研究[J].甘肅科技,2015(20).

[5]于 祥 茹.數 據 挖 掘 淺 析 [J].硅谷,2015(20)

作者單位 杭州電子科技大學信息工程學院 浙江省杭州市 311305