高校宿舍管理中数据挖掘技术的应用

2016-01-02徐文锋江西外语外贸职业学院

电子制作 2016年24期

徐文锋江西外语外贸职业学院

高校宿舍管理中数据挖掘技术的应用

徐文锋江西外语外贸职业学院

随着社会的发展，大学生们的行为习惯、意识形态较以往都发生了翻天覆地的变化，传统形式下的高校宿舍管理已经不能满足现代大学生的需要。为了更好的提高当前高校宿舍管理的方法和手段，帮助我们的高校大学生们在大学期间养成良好的学习习惯、健康的生活方式和积极向上的思维形态，就应该先了解我们的管理对象——高校大学生们的思维和想法。本文结合了当前流行的数据挖掘技术，如何在大学生们高校宿舍中日常行为的数据中，挖掘出有用的数据和信息。

宿舍管理;数据挖掘;高校学生

高校宿舍是大学生生活和学习的最重要的场地，据统计，绝大部分同学们在寝室呆的时间占全天的60%以上，而且宿舍是个相对独立和私密的空间，所以在寝室里大学生很多都表现出自我的真实形态。随着目前数据挖掘技术的成熟，我们完全可以通过挖掘大学生在宿舍中的一些真实的意识形态和表现的数据，从中发现大学生所普遍存在的问题和生活思维的习惯，从而为更好的对当代大学生进行引导和管理。

1.数据挖掘技术简介

随着大数据库的建立和海量数据的不断涌现，人们越来越迷失在数据的海洋中，守着一大堆收集的数据，仅实现简单的数据查询和统计功能。为了能够从现有的数据资源库中，找出事件之间存在的关系和规则，从而挖掘出隐藏在海量数据中我们所需要的知识，从而帮助我们预测未来的发展趋势，数据挖掘技术正是由此而应用而生一种全新技术。

数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中，通过合适的算法，将隐含在其中的、人们事先不知道的，但又潜在有用的信息和知识的搜索出来的过程。

从数据本身来进行分析，数据挖掘可以分为8个步骤来进行：分别是信息的收集、数据的集成、数据的规约、数据的清理、数据的变换、数据的挖掘过程、结果模式的评估和挖掘结果知识的表示。由此可发现，在整个数据挖掘的过程中，数据准备工作需要花费整个数据挖掘项目的绝大部分时间。

目前，数据挖掘主要有粗糙集、决策树、模糊集、关联规则、神经网络和支持向量机、回归分析等几种算法。世界上比较有影响的典型数据挖掘系统包括：IBM公司开发的Intelligent Miner系统，Sybase公司开发的Warehouse Studio系统，SPSS公司开发的Clementine系统，SAS公司开发的Enterprise Miner系统，SGI公司开发的SetMiner系统等。

2.当前高校宿舍管理系统中所保存的大学生数据

高校宿舍管理是高校学生管理中最重要的一个环节，随着计算机技术的发展，各大高校纷纷上马了不同类型的高校宿舍管理系统。通过计算机技术，来收集大学生的一些日常生活数据，方便管理和监测同学们在寝室中活动的情况。

比较完善的学生管理系统包含的数据有：学生的基本信息（学生的姓名、学号、家庭地址、联系方式、家庭情况、学生所在的院系、专业、班级、辅导员信息、学籍信息等），宿舍基本信息（寝室号、楼栋号、宿舍同学信息、调换寝室记录等），生活数据（学生进出寝室时间、购买电费数据、充水卡数据、晚归记录、亲戚朋友走访记录等）。

另外，随着手机技术的迅速发展，一些手机APP也记录了一些大学生日常行为的数据，例如学生网上订餐数据、网上购物数据、网上消费数据、网络游戏数据、网络交友数据。这些数据时时刻刻都在更新，同时也体现了大学生的生活、行为习惯和思维方式。通过分析这些数据，从中找出我们所需要的知识，我们就能够掌握大学生的生活行为习惯，从而完善大学生宿舍管理的方法和措施，而且我们还能够有针对性的找出一些问题学生，提前做好防范，从而避免一些安全事故的发生。