数据挖掘为管理决策服务

　　所谓数据挖掘就是从数据中发现某些规律，以分析预测出所分析对象的趋势，从而做出相应的决策。例如，某个在网上开店的企业根据客户填写的资料，近期的购物倾向，可以分析出客户的喜好，并推荐相应的商品给客户。

　　数据挖掘可以运用于学校管理的方方面面。基于实际需求的、灵活而有创意的数据挖掘，为学校的各个方面的工作提供有价值的参考。

　　美国高校的很多数据挖掘工作是借助一些数据分析工具完成的。这些工具有自行开发的，也有商业工具。以下介绍几个美国高校对学生在校期间的学习方面的数据进行分析挖掘的案例。

　　普渡大学（Purdue University ）

　　有些学生缺课多，课后也很少参与交流和提问，这些学生很有可能不能顺利完成学业。如果通过数据分析发现有这种倾向的学生，并让学术顾问对其进行早期干预，部分学生能够避免最终不能完成学业的结果。

　　普渡大学认为决定学生是否能完成学业的数据有两类：

　　1. 学生的学术能力方面的数据（例如考试的成绩）。

　　2. 学生自身努力情况的数据（例如登录课程管理系统的情况）。

　　具体而言是以下六种数据：ACT或SAT成绩、GPA、课程管理系统使用情况数据、课程管理系统分析数据、课程管理系统作业完成情况数据、课程管理系统课程的日程数据。普渡大学建立了专门针对新生的数据分析模型和针对所有学生的数据分析模型。以上六种数据在两个模型中分别所占的权重不同。

　　中佛罗里达大学（University of Central Florida）

　　美国高校普遍通过部署学习管理系统来为学生营造传统课堂之外的自主学习环境。美国大多数高校使用的是Blackboard商业软件，也有部分高校尝试开源软件。学习管理系统的部署丰富了高校的教学模式。

　　目前，主要存在3种教学模式：

　　1. 面对面教学模式：即传统的以教师为中心的教学模式；

　　2.混合式教学模式：即面对面教学模式与在线教学模式相结合的教学模式。在这种教学模式中，学习管理系统被看作是面对面教学模式的补充。在课堂教学之外，学生可以从教学管理系统中获得相关的、更加丰富的教学资源，自主进行拓展学习，并和其他师生在线讨论。

　　3.完全的在线教学模式：即一门课程完全由学生通过教学平台自主学习，没有面对面教学的环节。

　　以上三种教学模式，哪种更优一直是一个有争议的话题。中佛罗里达大学对以上三种教学模式的教学效果进行分析，为来学校的课程设置提供参考。

　　首先，分析是分专业进行的，因为不同的专业特点和课程要求，对最佳教学模式的选择不同。

　　其次，分析中使用到的数据有教学模式（Modality）、课程等级（Course Level）、班级规模（Class Size）、学生性别（Gender）、学生的种族（Ethnicity）、学生年龄（Age）、SAT成绩、所属学院（College）、高中的GPA和累计GPA。

　　最后，分析的目标是：在某个专业中，根据以往的关于这三种教学模式中的“成绩优秀（S a t i s f a c t i o n）”、“顺利通过（Success）”、“中途放弃（Withdrawal）”和“未通过课程（No-Success）”的比例的数据，预测未来各种教学模式下的“成绩优秀”、“顺利通过”、“中途放弃”和“未通过课程”的比例。

　　通过对现有数据的分析，预测出未来三种教学模式在某个专业中的教学效果前景，为该专业的课程设计提供参考。