彭春兰，龙佩林

（1.南华大学 体育学院，湖南 衡阳421001；2.吉首大学 体育科学学院，湖南 吉首416000）

学生体质健康促进一直是学校密切关注和致力发展的方面，近些年来，学生体质健康测试工作各学校严格按《国家学生体质健康标准》执行。 然而，绝大部分高校的体质健康测试的海量数据仅以数据库的方式“储存”起来，对“储存”的数据库进行挖掘和充分利用的极少。 据调研发现，大多数高校在对学生体质健康数据进行处理时， 大都是进行简单的统计分析和报告，从而形成了数据挖掘上的不足、数据分析深度受限、相关研究无法为健康促进所用的“非良性循环圈”。

为了解决上述问题， 近年来相当一部分学者对学生体质健康测试数据的评价体系进行了研究，如，巴特尔等对大学生体质健康评价体系与运动处方的研究开发［1］，王明俊等基于回归和相关分析［2］、体质健康评价指标权值与贡献率关系［3］的思考。 这类研究较深入地对学生体质健康结果评价方法和相关分析模型进行了关注， 但仍存在数据库中蕴含的大量信息被埋没，能够解决的实际问题相当有限等局限。 有鉴于此，学者们开始考虑用多元的统计方法对体质健康大数据进行分析处理， 张晓丹用聚类分析的方法建立了学生体质健康评价分级模型［4］，李昌锋则基于Foxtable 构建了大学生体质健康评价系统［5］，也有基于灰关联层次分析法［6］、VLOOKUP 函数的相关研究［7］，此类研究大大增加了数据库的挖掘和利用率，特别对数据进行科学评价与分析的研究有实足的进展，但是数据挖掘、实际应用仍留有很大空间。……