数据挖掘技术在思政教育管理中运用

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。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、正确性等方面存在一些缺陷和不足。假如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,具有易理解性、易操纵性的聚类算法。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,终极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
【论文提纲】：摘要6-7Abstract7-8第一章绪论8-131.1研究背景与意义8-91.2国内外研究现状及存在的问题9-121.2.1数据挖掘技术及研究现状9-101.2.2聚类分析及研究现状10-121.3本文的研究工作12-13第二章数据挖掘中的聚类技术13-382.1聚类分析13-152.2聚类过程中的数据类型15-202.3聚类的分析过程和主要的聚类方法20-372.3.1划分方法21-272.3.2层次方法27-332.3.3基于密度的方法33-352.3.4基于网格的方法35-362.3.5基于模型的聚类方法362.3.6几种常用算法的性能比较36-372.4本章小结37-38第三章聚类技术在思想政治教育管理中的应用38-503.1思想政治教育管理38-393.2解决方案39-403.3方案设计40-433.4算法实现43-473.5聚类结果分析47-493.6本章小结49-50第四章总结和展望50-52参考文献52-55致谢55-56附录中南民族大学辅导员工作考核综合量化表56-57攻读学位期间发表的论文57