摘　要:随着成人高等学历教育的发展,选择教学点和设置专业越来越重要。本文分析和研究了成人高等学历教育的发展过程,结合数据挖掘技术,建立了成人高等学历教育发展的数学模型。结合应用实例,证明了该模型的实用性,为我国成人高等学历教育的发展提供理论支持。

    关键词:数据挖掘;成人高等教育;教学点

    我国成人高等学历教育招生始于20世纪60年代初,当时整个社会处于教育发展的初级阶段,高等学校受各种条件限制,存在一些不足,如专业设置不够理想,学生人数少,教师缺,管理水平不高等。但是我国成人高等学历教育作为高等教育的重要组成部分,经过近些年的发展,已形成多层次、高规格、多渠道、有相当规模的办学体系,并将在未来高等教育的普及过程中发挥重要的作用。随着社会主义市场经济体制的不断完善和竞争机制在社会各个领域进一步渗透,成人高等学历教育正面临新的挑战和机遇。加强和提高成人教育教学质量既是面向市场、服务社会的需要,也是高等学校深化改革的需要。

    我国高校的成人学历教育主要有函授、夜大学和成人脱产班三种形式。成人高等学历教育对象的特点是:成人、在职、业余。学习形式为利用业余时间以自学为主,一般为在职职工,特别是函授学员,分散在不同地区的不同部门,其管理难度较大,高等院校一般放权到教学点,教学点的领导对学生管理工作重视程度不够,一般没有配备专门的管理人员,大多为在职人员兼职,对成人教育的学生不像普通高校的管理那样要求严格,学生管理规定比较简单,执行的不严格,致使一部分混文凭的学生能够如愿以偿。被社会认为现在的成教政策是“严进宽出”。即只要能通过全国组织的成人高等学历教育入学考试,一般都能获得毕业证。部分学生入学后,学习动力不足,靠考试之前的老师的重点辅导,划定范围,搞突击。几年下来,得到的只是一张毕业文凭,学到的知识很少。

    虽然这种现象是少数,但对成人教育的发展是极为不利的,必须要改革。同时由于成人高等学历教育的学生入学时差异较大, 主要是在年龄结构、工作经历、家庭状况、学习时间、学习基础等方面的不同,导致学生在学习时间和学生接受能力等方面差异明显。针对这些实际情况,特别是近几年来随着普通高校成人办学规模的扩大、学生人数的逐年增长和校外教学站点的不断增多,如何在保证培养人才质量基础之上选择合适、有发展前景的教学点以及设置合理的培养专业都成为当前急需解决的问题。本文结合数据挖掘技术对此进行相关研究,并建立数学模型。

    数据挖掘(DataMining)就是从大量数据中提取隐含的、感兴趣的、有用的知识和模式。这些数据可以放在数据库、数据仓库或其他信息存储中。这是一个年轻的跨学科领域,源于诸如数据库系统、数据仓库、统计学、机器学习、数据可视化、信息检索和高性能计算。数据挖掘过程包括:数据清理、数据集成、数据选择、数据变换、数据挖掘、模式评估和知识表示等7个步骤。目前,国外对数据挖掘的研究,不管是理论还是实际应用都比较成熟。与国外相比,国内对数据挖掘的研究稍晚,尚未形成整体力量。1993年国家自然科学基金首次支持原武汉测绘科技大学的李德仁院士等一些专家学者对该领域的项目进行研究。

    目前,国内的许多科研单位和高等院校竞相开展数据挖掘的基础理论及其应用研究,包括清华大学、中科院计算技术研究所、空军第三研究所、海军装备论证中心、北京系统工程研究所和北京大学等。 在数据挖掘中,可以挖掘的模式主要有6种,其中比较重要的是关联规则。关联规则指的是大量数据之间有趣的关联或相关联系,是当前数据挖掘的主要模式之一,侧重于数据不同领域之间的联系。关联规则挖掘就是发现大量数据中项集之间有趣的关联或相关的联系。随着大量的数据不停地收集和存储,人们对于从数据库或数据仓库中挖掘关联规则越来越感兴趣。

论文下载，下载下来可不是把论文里边的名字换成你的就行了哦，这样是不对的哦,亲，一定要自己创作哦，因为期刊是要查抄袭的哦，多了解一下期刊的要求以及各地的评职标准吧。