文摘

随着教育投资在中国,高等教育机构的教师有更高的要求。本研究主要探讨大学教师的发展和培训策略基于数据挖掘技术。数据挖掘技术是致力于数据分析和理解、揭示的技术数据中包含的信息。这是一个领域的前沿研究课题信息和数据库技术。因此,大学教学质量的监测和评价系统基于数据挖掘是专为高校教育事务的管理提供了方便。本文选择一个无监督分类方法:聚类分析。这种方法不仅可以获得合理的分类结果也给员工发展的全面性考虑并给予合理的发展建议每个员工通过分类结果。的一系列介绍老师的信息,人事管理模块应提供以下功能:教师信息管理、合同信息管理、老师辞职的信息管理和查询人员信息。招聘管理模块经常收集候选人信息,寄存器和存储,然后进行一系列的人员根据招聘标准筛查这些候选人,最后决定了可能的候选人。之后,一系列的综合评价进行这些选定的候选人,最后录取的候选人选择基于候选人的综合性能。 The K-means clustering algorithm in the cluster analysis method is adopted. This algorithm has the excellent characteristics of high computational efficiency and is suitable for the operation of large amount of data. Through the clustering algorithm, a reasonable assessment method is established, and it is effectively used in the human resources assessment management system. Among the introduced teachers, the number of teachers whose professional title is high, the highest degree is doctorate, and the number of teachers whose papers are published at SCI level accounts for 16%. The data tested by the data mining tool contains 1,400 rows of data. The minimum support is 5%, and the minimum confidence is 90%. This study is helpful for the rational planning of human resources and the promotion of comprehensive competitiveness of colleges and universities.

1。介绍

当面对新招募教师的教学能力存在的问题和需要采取的方法和手段,在比较和分析单一培养模式的优势和劣势,采取了一系列干预措施,如整合教师培训的方法。数据挖掘技术诞生的意义,及其在高新技术领域范围是分不开的。高科技领域是指人类的秘密的过程中发现,这是完全一致的。因此,它是一个重要的课题来研究,探索大学管理信息系统的建立适合中国国情。这是一个方式来达到学校的要求,教育人们和培养人才。因此,我们应该理解教学人员的结构,教师的质量,以及工作环境,发现问题和不足,有针对性地调整教学人员,并分析学生的学业成绩和试卷的质量,以获得各种有价值的信息,以便更好地制定教学目标和训练方法适合学生,促进学生的全面、健康发展。教育是社会进步和民族振兴的基石,教育和高等教育是社会发展的助推器。大学教师是高等教育的实施者,扮演多个角色,如教师、学者、和服务提供者,它从根本上决定了教育水平,高校教学和科研(1]。

研究培养和提高教师的教学能力大多是基于经验,展示个性和宽松的特点。提议的解决方案不能完全覆盖当前的教育发展。教师发展中心成立以来,各方面条件有所改善,水平提高了。目前最紧急的事情是,它可以更好地为高校的数据资源。如何使用这些数据已成为首要任务,发现其潜在的法律,让高校的高级经理提供一种可行的方式来集成数据,并利用数据挖掘技术来发现潜在的法律和协会,各领域对高校的未来做出正确的决策判断。数据挖掘技术也可以应用于高校教学质量管理。利用数据挖掘技术在大规模的数据中发现有用的信息具有深远的意义,提高学校的教学质量和管理水平。

Buczak认为文学的调查集中在机器学习毫升(2]。陆等人认为,使用神经网络分类规则发现的象征,他的研究缺乏数据3]。朱等人可以发现他们的相互关系和耦合效应。虽然他提出了数值模拟数据挖掘,他的研究缺乏数据4]。Figueiredo等人研究了利用数据挖掘工具,研究的目的与方法用于化学实验室的影响课程学生可归因于实验室工作学习和他们的动机。响应频率分析无法区分受访者的观点基于类型的教学方法实验中使用的类。尽管他使用k——聚类方法在数据挖掘的过程中,他的研究不够新颖(5]。为了帮助新教师教学解决他们的困惑和建立他们的信心,平台需要解决的困惑或提供咨询,也就是说,教师发展中心发挥作用。

随着技术的发展,数据挖掘技术不断应用于不同的领域。其中,教育数据挖掘是一个跨学科的领域,结果的应用数据挖掘领域的教育。本文选择一个无监督分类方法:聚类分析。除了获得合理的分类结果,这种方法还可以为每个员工提供合理的发展建议的分类结果。招聘管理模块通常收集申请人信息,登记数据库中,然后执行一系列根据就业人员的筛选标准,最后确定可能的候选人老师,然后进行一系列的笔试和面试等综合评估,最后根据申请者的综合结果录取的学生将被选中。算法具有较高的计算效率和适用于大容量数据operationsTthrough国家和地区高校的相互合作,通过制定高质量的大学教师发展和战略计划,专注于个人发展,从而促进大学教师发展和培训的有效性。

2。招聘和引进大学教师

2.1。大学教师招聘

教师的招聘在中国的大学是中国大学发展的需要。基于大学的地位和学术研究能力,在很大程度上,他们是直接由大学教师的质量决定的。因此,所有大学高度重视教师的招聘。同时,国家高等教育管理部门也意识到人才发展的教育,发挥不可忽视的作用,制定并实施了一系列的政策支持和引导教师的招聘主要的大学。这包括引入系统奖励的学术领导人上世纪结束的时候;近年来,一系列的优惠政策对于中国学生回到工作在这个国家已经制定;在最近时期,增加金融投资高等教育,提高大学教师待遇,制定政策,大力发展高等教育。(6,7]。异常数据的定义是非常重要的。发现异常数据的结果取决于异常数据的定义8]。相对信息熵的对象x相对于一个定义如下:

其中,信息熵的吗一个(9]。我们是= (U,一个,V,f)是信息系统和对象的异常x是定义如下10,11]:

2.2。人事管理在大学

高校人事管理系统的功能需求必须确定密切结合实际需要(12]。员工参与高校的人事管理系统主要包括员工人事部门、教学事务、金融部门、科研部门和其他部门,还包括所有教师和学校的领导。人事部门是人力资源的管理部门和企业公共事务的企业或集团(13]。他们主要使用这个系统来完成一些日常管理或统计调查和其他任务。为此,系统必须符合以下要求:(1)动态的人事管理。为了提高人事管理的效率和质量,教师可以致力于学校的教育。管理所需的信息系统必须能够反映系统中相关数据的实时、准确地根据实际工作情况的老师14,15]。(2)完整的统计分析功能。为了提供有价值的数据和参数依据学校领导或相关决策部门。要求高校的人事管理系统实现了动态管理人员的工作,也可以执行一个特定的智能分析存储相关人员的数据根据学校的需求和提供科学、合理、准确、全面的统计分析报告,以便更好地服务学校领导和人事部门的管理,做出科学决策。根据上述系统架构设计和分析,系统每个对应一个分层模型,结合视觉Studio2010开发工具,人事管理系统的结构如图1。Visual Studio 2010中国版是一家专业开发环境所使用的软件设计和开发人员在他们的日常工作。

评价因子的模糊关系矩阵F评价等级C因素评价矩阵(16]:

其中, 。教师绩效考核管理模块的隶属程度指的是重量老师每个评价指标的性能(17]。评价权重定义如下:

评价指标集合(18]:

评估水平集合(19]:

评价指标权重集B和关系集R组合成操作(20.]。

其中, 21。

2.3。数据挖掘

类似的同义词与数据挖掘包括数据融合、数据分析和决策支持。(22]。

数据挖掘聚类的范围定义如下:

如果一个用作测试属性,信息熵的划分子集下列公式所示:

信息熵是数学中一个相当抽象的概念。在这里,信息熵可以理解为某些信息的发生概率。一个给定的样本分类的信息熵定义如下:

其中, 是一个数据收集。

其中,如果新值区间[0,1],公式可以简化

3所示。实验对大学教师的招聘和培训

3.1。系统的总体设计

整体功能分为以下功能模块:大学管理模块、人事管理模块、招聘管理模块、绩效考核模块,和晋升管理模块。

3.1.1。大学管理模块的设计

相应的大学管理模块相对简单,维护管理信息单位和部门,包括一系列的信息(如部门名称,部门地址,部门电话,和员工。后整理和总结的常用操作模块,它主要包括几种类型:添加部门信息,删除部门信息,和修改部门信息。上面的学院的所有操作管理模块根据不同的用户权限分配不同的操作权限。可以查询所有用户部门信息,但只有学院管理员可以添加、删除和修改部门信息。

3.1.2。人事管理模块的设计

人事管理模块主要用于维护和管理单位的老师信息。这类信息主要包括教师的家庭信息、身份信息、学术信息,标题信息和postinformation。针对上述一系列进口老师信息,人事管理模块应该提供的功能主要包括以下类别:教师信息管理、合同信息管理、老师辞职的信息管理和查询人员信息。这个模块的操作也应该给不同的用户权限根据不同的用户角色。对于一般用户来说,只有部分的个人信息可以查看和修改。如果你想修改的一些更重要的个人信息,您必须修改它通过人事管理专家和更大的权力;人事管理专员,权力是相对较大的,老师会介绍。功能查询所有信息应该有权执行。人事管理模块的功能是琐碎的,和有更多的教师需要维护个人信息,但它往往是重复的和有组织的和修订工作。

3.1.3。招聘管理模块设计

实现了学校招聘和就业信息的管理和维护。在正常招聘单位的过程,一般来说,先用人部门提出招聘需求根据部门的实际工作任务,然后由主管确认后,发送到人力资源招聘部门形成实际的招聘计划。在最初的阶段,通常收集申请人信息,在数据库中注册,然后进行一系列的人员筛选根据就业标准,最后确定可能的候选人老师,然后进行一系列的笔试和面试等综合评估,最后根据申请人的总体结果录取的候选人将被选中。为了应对上述工作要求,招聘管理模块应该提供的功能主要包括以下类型:招聘计划管理、教师应用管理,教师绩效管理、教师招聘管理和其他模块。老师终于加入了单位将通过人员招聘管理模块、人事管理专员输入相关个人信息。

3.1.4。绩效考核模块的设计

绩效考核模块的设计和开发必须进行详细的索引划分和流程设计。绩效考核指标的选择包括共有七个评价指标:团队精神、工作能力,责任心,沟通和协调能力,道德、言行、成本意识和创新精神。这些指标是通过广泛的研究和专家的意见,全面。和有说服力的。K - means聚类算法、K - means聚类数据为K的集群,这意味着数据的均值在每个集群作为集群的中心,也被称为重心。在年终评估,每个老师介绍的指数的单位是由老师组成的评估小组得分领导人和选定的教师。计算过程的绩效考核模块,采用k - means聚类分析。该算法具有较高的计算效率,适用于大容量数据操作。通过聚类算法,制定一个合理的评估方法,本文中使用。培训新教师教学能力主要取决于国际组织的建立,促进教师的专业发展,建立教师教学培训机构,教师发展活动的发展。

3.1.5。促销管理模块的设计

这个模块主要是管理和维护教职员工的奖励和处罚信息根据绩效考核的结果。包括教学、科研、竞赛和其他教职员工的工作。与此同时,它还包括处罚记录。模块数据的更改将反映在工资管理模块,并将对员工薪资信息有一定的影响。

促进管理模块主要用于维护和管理员工的促销信息,包括员工信息,原来的部门,原始位置,目前的部门,当前位置,促销,促销的原因,特别指示,等,有点类似于员工职位管理。响应的操作要求晋升管理单位的实际工作,促进管理模块应提供以下四种类型的操作功能:(1)增加员工的促销信息。(2)修改员工的促销信息。(3)删除员工促销信息。(4)查询员工的促销信息。

3.1.6。考勤管理模块

这个模块可以满足高校的多样化的考勤管理系统,主要是为了管理教职员工的日常考勤,包括信息,如迟到,提前离开,旷工,离开,和实际出勤天。你也可以设置的参数根据考勤,并分析和计算所有教职员工的考勤结果。

3.1.7。系统登录模块设计

系统登录模块是整个系统的直接入口,和相应的执行函数是相对简单的。一方面,需要验证用户的身份信息,另一方面,根据执行管理员权限授予此用户的。登录界面如图2。利用数据挖掘技术建立一个预测模型,并进行深入挖掘和学习的大学提供的数据来预测学生成绩和教学质量。

3.2。数据库设计

数据库管理系统可以简单地分为三个类别。关系数据库系统有良好的组织能力和快速的数据查询功能。因此,现代大容量数据存储系统通常选择关系数据库。更具代表性的是甲骨文,MySql,状态"置疑"和其他高性能的数据库管理系统。MySQL是一个关系数据库管理系统的一个最流行的关系数据库管理系统。

数据库设计的第一阶段通常是使用实体关系图(e - r图)抽象关系模式,然后设计数据库中的表结构。entity-connection图由三个基本要素:实体、属性和联系。此外,连接也可以伴随着自己的属性信息。分析后,以下实体信息存在于人力资源评估系统:部门信息、员工信息、招聘计划,申请人和促销信息。这些实体之间的关系更为复杂,例如,员工和部门之间的关系是1:1。联系信息,1:n招聘计划和申请人之间的联系信息,等。包括员工信息表、合同信息表、部门信息表,辞职信息表,评估信息表、促销信息表,申请人信息表,招聘计划信息表。

员工信息表由员工ID、姓名、性别、民族、籍贯、学历、职称、身份证号码,家庭住址,部门ID、工作名称、招聘来源,登录密码,输入时间,言论。它是用于员工信息管理数据存储的基础上,具体结构见表1。

3.3。教师评价指标

本文选择一个无监督分类方法:聚类分析。这种方法不需要人监督分类,但自动分类算法。它只需要设置的数量分类。没有人类参与和获得的结果有很高的信誉。和聚类分析的原理是最近邻原则,可以分类对象相对较近的各种因素的发展成一个类别。除了获得合理的分类结果,它也可以考虑员工发展的全面性和给它通过分类结果。为每个员工合理的发展建议。教师是高校的主体,是大学发展的动力,社会进步的领导者。世界高等教育正在发生深刻变化,和大学教师的发展由政府高度重视,社会学者和大学管理人员。

4所示。结果与讨论

这个模块需要执行的操作主要是,部门信息查询和删除数据库。因此,在这个模块的开发过程,C + +语言主要用于调用一系列SQL语句执行预定功能来实现维护部门信息的函数。上述四种不同的操作,相应的调用进程类似,唯一的不同是SQL语句与不同的功能。最终的实现效果如图2。大学管理模块的所有功能只有管理员的权威有效。对于其他用户的权限,该模块将自动隐藏,无法执行。大学管理模块显示所有默认系统中现有的部门信息。用户在查询框中输入相应的参数信息,然后你可以查询指定的部门信息,并将“添加部门信息”“删除部门信息”和“修改”。有三个功能按钮“部门休息。“点击“添加部门信息”来添加一个新的部门。如果用户选择一张部门信息,他可以“删除部门信息”和“修改部门信息。“之前”删除部门信息”,系统会抛出相应的提示信息,提醒用户是否删除部门信息。大学管理模块如图3。

每项满分是10分,最低0分。部分的得分结果如表所示2。

表面上看,似乎R9机型更好,但分析结果数据如表所示3。R9机型的总分高于R3,但其成绩有很大区别。其中,创新的分数是9,沟通与协调是只有3的得分。R3的得分低于R9机型,但其成绩更不同。总分相对平均,主要区别传统的分类方法和本文提出的无监督聚类方法。分数分类方法只看整体分数而忽略个人的全面发展的平衡。

主管对象数据结果如表所示4。主管对象:聚类方法主管人R9机型R11、R12;评分法主管人R3、R5 R11、R12。在第一类型的分析,众所周知,R3被归为一个优秀的年级,和比较R9机型和R5,可以看出R9机型的总体成绩有明显的优势在R5,和R9机型比R5的分类评分方法本身。对于聚类方法的结果,它来源于R5的异常数据。R5的道德,言语,行为只有2分,对整体指数的影响更大,而R9机型的总分比R5要好得多。

R5集群方法、R6和R7, R6和R7评分方法,主要的区别是R5的对象。R6和R7,显然,整体分数很低,还有更多的不同的数据。部门的一部分结果如表所示5。在R6的分数,道德和行为的两个分数和创新精神是1和3,这两个很低的分数。微分数据在整个数据,和其他项目的成绩除了这两个是整体在中间;R7的微分数据。成本意识和创新的分数分别是2和3分。责任感的更高的分数是9分,剩下的得分项4 - 6点之间,属于中间偏差得分情况,这两个对象显然是归类为不称职。

测试的数据包含1400行数据的数据挖掘工具。最低支持是5%,最低是90%的信心。最后生成的结果如表所示6。支持是用来衡量聚类的频率在整个数据集,和信心是用来衡量聚类的可信度。表中的集群可以直观地分析。50-60-year-old,教授拥有博士学位的数量是最高的。虽然有一些教授和一个硕士学位,它还没有达到最低5%的支持。35岁以下的博士生,但一些教师已经副教授,比例相对较小,不达到最低5%的支持。

可信度分析的结果在图所示4。从数据挖掘结果,教师在学校的教学和研究职位是最大的在医生45-49和50 - 60岁之间的。博士学位的数量最多的岁;35岁以下博士学位的讲师和大师35-39岁的数量是最大的。可以看出大部分的教授是岁的博士生45-49虽然大多数青年教师拥有博士学位和没有博士学位的教师。这个分析结果符合学校的标题审查和人才介绍近年来,数据挖掘是合理和有效的。

为一个合格的应用程序安全是非常重要的。采用适当的方法和手段有利于提高数据的安全性,有效防止非法登录到系统。当然,还有许多方面要考虑的安全措施。从用户的角度来看,一些简单的安全性能测试系统上进行。测试条件如表所示7。

友好直观的编程接口可以给用户带来良好的体验效果,并能有效减少用户学习和操作的困难。下面显示了一些测试系统接口的情况下测试图所示5。

相关分析的老师的信息,数据挖掘可以揭示隐藏的内在联系老师的个人情况和学生的学业成绩,然后,通过有针对性的措施老师的质量,促进学校教学和科研的发展。置信水平为66%,支持水平是46%。结果表明,职称越高,教育背景,平均等级越高的学生教。因此,有必要积极改善教师的职称和教育背景,鼓励青年教师积极参与学习,提高自己的教育背景。教师的年龄和工作年的学院和大学可以影响学生的学业表现。年长的老师和高校工作时间越长,越高的学生的表现。因此,我们必须注意老教师在教学中的作用,使青年教师可以向老教师学习教学方法,提高水平的讲座。老师的工作时间和学生的学业表现在图所示6。

介绍老师的职称是正高级别,最高的学位是博士学位,和SCI-published老师的数量占总数的16%。从这些数据中,我们可以找到一些属性之间的内在关系,如:职称越高,水平越高的纸;教师发表论文的水平有很大的关系,他们的学历和职称,职称是也受学历和论文水平的影响。通过这些联系,它可以帮助学校领导决策改善科研的整体水平,如引进高学历人才,或发送现有学校的教职员工进行进一步的培训,也可以鼓励教师主动学习和发表高质量的论文。发表的论文介绍了教师在图所示7。

5。结论

随着高等教育的信息化,各种管理信息系统的不断发展,不断进步提高教学资料的积累和建设,数据挖掘技术将会更加深入和广泛的高校。数据挖掘技术也可以提供一些数据在教师培训中,尤其是在教师的质量评价体系,支持大学经理帮助经理做出有效的、合理的决策。基于数据挖掘技术,设计并实现了一个大学的教学质量监控和评价体系,获得了大量的评估数据的想法,基于该系统的使用及其相关数据,建立了一个数据仓库应用关联规则挖掘技术的设计和数据挖掘模块的教学质量监控和评价体系,利用数据仓库模块的分析,一些关联规则。本文选择一个无监督分类方法:聚类分析。除了获得合理的分类结果,这种方法也可以考虑员工发展的全面性。招聘管理模块通常收集申请人信息,登记数据库中,然后执行一系列根据就业人员的筛选标准,最后确定可能的候选人老师,然后进行一系列的笔试和面试等综合评估,最后根据申请者的综合结果录取的学生将被选中。本研究有利于人力资源的合理规划大学和提高综合竞争力的大学。在未来引进人才从大学,明确高校的发展定位后,我们可以理解人才需要的类型和数量,并避免造成的招聘风险和学校成本盲目追求学历高、职称高。当然,对于某些高级人才或特殊人才的引入,高校也可以考虑适当简化招聘程序和采取一些相对灵活的政策。尽管研究样本的选择满足要求的机构研究,它仍然具有一定的局限性。 The representativeness of local undergraduate colleges and universities is not enough, and the characteristics of teachers are not obvious enough. Further research and empirical evidence are needed.

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突有关的出版这篇文章。

确认

这项工作是支持的产学合作教育项目(202102197002)。