大学生培养的决策支持系统

1、大学生培养的决策支持系统摘要：根据大学生培养的特点和社会对人才的需求，设计了大学生培养的决策支持系统，并针对大学生就业问题，构建了大学生数据仓库，进行联机分析处理和数据挖掘，分析得出影响大学生就业的关键因素，实验结果与现实情况基本符合，充分表明了大学生培养的决策支持系统是一个强有力的辅助决策工具。关键词：决策支持系统；数据仓库；数据挖掘；联机分析处理0引言高校是社会优秀后备人才的主要培养基地，但随着高等教育由精英化教育向大众化教育逐渐转变，大学生的状态和发展越来越难以预测，如何及时掌握大学生培养情况，制订科学合理的管理措施，确保国家有稳定可靠的高素质人才，成为摆在高校决策层面前的一个重大问题。

2、基于上述问题，本文设计了大学生培养的决策支持系统。完整的、科学的、系统的决策支持系统能将人的智能资源和计算机的系统分析能力结合在一起，以提高领导者决策的准确性。决策支持系统有以下作用：为决策者提供决策所需的数据、信息和背景资料，帮助决策者明确决策目标；分析问题，识别、建立、修改决策模型，提供各种备选方案；方案的评价和优化。因此，高校要培养出高质量的人才，科学的决策支持系统是不可或缺的。1关键技术1.1传统决策支持系统决策支持系统(DSS,DecisionSupportingSystem),是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统，是管理信息系统

3、向更高一级发展而产生的先进信息管理系统。为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。DSS基本结构主要由4部分组成：数据部分、模型部分、推理部分和人机交互部分。1.2关键技术大学生培养的DSS是一个综合决策支持系统，是在传统的DSS基础上融合了数据仓库、数据挖掘和联机分析处理(OLAP)等技术。数据仓库对内、外部数据源进行抽取、净化和转换，将数据重新组合成面向全局的数据视图，为DSS提供数据存储和组织的基础，解决了以往DSS中的数据不一致的问题。数据仓库的建立，为决策者掌握学生的综合信息提供了一个基础平台。数据挖掘以数据仓

4、库和多维数据模型中的大量数据为基础，发现数据中的潜在关系模式，并以这些模式为基础进行预测。对高校决策者来说，通过数据挖掘可以克服数据丰富而知识贫乏的现象，寻找各种因素的内在联系和规律用于指导大学生培养，从而找出那些潜藏在大量数据中真正有价值的规则和知识，通过对这些知识和规则的分析，有利于决策者更好的把握大学生的培养的历程，趋势和特点，并对培养情况进行定量的分析和预测。有利于针对性的教学管理工作的展开，从而保证大学生的培养质量。OLAP是一种以多维数据为基础，需要用户积极参与分析过程，动态地提出分析要求，对数据进行由浅入深的验证型分析工具，它以查询分析为特征，也是决策支持系统的组成部分之一。OL

5、AP利用存储在数据仓库中的数据完成各种分析操作，并以直观易懂的形式将分析结果返回给决策者。在大学生培养的决策支持系统中可以建立若干数据集，并对这些数据集进行OLAP操作，全面掌握大学生的培养情况。这3种技术在人才培养方面也发挥了显著作用。有不少高校通过建立大学生的数据仓库，对大学生在校期间的成绩等进行数据存储，再用数据挖掘技术发现潜在的规则和知识并把这些反馈到决策层，使决策者对大学生的情况有一个明确的认识，促进各项政策的出台和改变。2大学生培养的决策支持系统的设计2.1系统需求分析为了培养出合格人才，高校必须做到：人才培养应该以市场为导向，以培养目标为依据，将人才培养的模式根据时代发展及时进行

6、转变，客观分析人才需求，走产学研相结合的人才培养道路。明确人才定位，科学审定培养目标，从实际出发培养一专多能的实用型人才。同时高校还要根据市场需求加强专业课程设置，坚持进行市场调研，把市场需求作为专业设置的依据，对人才需求，生源市场需求和生源质量进行调研分析，并在此基础上不断培养调整目标课程设置和教学计划。（3）加强社会实践。培养学生的实践能力，要注重产学结合，工学交替，强化校内实作技能训练与校外见习实习的紧密结合，注重实践课程建设，使实践教学立体化，增强学生的社会适应能力。2.2系统总体设计大学生培养的DSS融合了数据仓库、数据挖掘、OLAP等新的决策支持技术。各部件相互协作，构成大学生培养

7、的决策支持系统。系统总体设计结构如图1所示。2.3系统详细设计详细设计结构图如图2所示。首先，确定数据源，构建数据仓库。从设计需求出发，数据源包含基本信息数据、学生素质数据、学校考核数据、用人单位信息数据和其他的信息数据，这些数据可以从学生管理信息系统、教务管理信息系统和学生就业指导信息系统中获取，获取之后建立相关的数据库并存放，然后将这些数据库中的数据进行清洗转换和加载，并存入数据仓库之中。其次，在建立数据仓库的基础上对数据进行挖掘和联机分析处理，通过数据挖掘发现潜在的规则和知识，找出各种因素的内在联系和规律从而更好地把握大学生培养的特点和趋势，并根据得出的结论对学生开展针对性的教育，保证人

8、才培养的质量。OLAP通过对多维数据的深入分析，从多个角度多个层次对数据进行观察和理解，使决策者获得一个直观的结果。最后，将挖掘出的潜在规则、知识和规律，及OLAP的结果通过DSS的人机交互系统反映给决策者，决策者根据DSS分析得出的结论进行综合决策。3系统在大学生就业中的应用3.1确定分析对象作为决策者，要解决的是大学生成才的问题，就业率是衡量大学生是否成才的一个主要指标。大学生就业问题是实际工作开展中的重点难点，所要解决的问题是找出大学生学习、生活、能力素质、家庭环境等状态特点与就业的关系并建立模式。这样，高校就可以采取相应措施，如增加社会实践机会，对专业课程设置进行相关调整，与用人单位保

9、持常态联系听取反馈意见等方式提咼大学生的就业率。3.2数据准备以及OLAP分析根据大学生就业分析的特点，数据从相关数据库中选择、抽取,通过对数据的清洗、转换，加载到数据仓库。OLAP从数据仓库中集成的数据出发，构建面向就业主题的多维数据模型，如图3所示，多维模型为高校从不同角度观察数据提供了灵活性，便于高校从多个角度全面了解大学生就业的状态特点。3.3利用数据挖掘发现潜在知识在大学生就业问题中，应用数据挖掘的目的在于找出学生的状态特点与就业之间的关系，从中提取出规则或模式，建立大学生就业预测模型，并了解哪些因素对就业影响较大，从而采取相应措施。由于大学生就业这一现象具有很强的普遍性，其原因与学

10、校的校风、学风、管理方式等有较大联系。故问题的关键是如何建立起一个泛化能力强且分类准确率高的分类器。首先是进行属性选择，在学生自身众多的特征中，实验关心的是学生的成绩、性格、实践能力、专业等与就业关系密切的属性，而年龄、身体状况等属性不关心。因此，在进行数据挖掘工作时可将这些属性去掉，这样既能提高挖掘效率，又能提高分类器的泛化能力。为此，实验选定了学历、学习成绩、性格、专业、实践能力、就业情况等内容，从数据仓库中提取相关数据，如表1所示。从表1可以看出，第一个选择属性为学历层次，说明其是第一个主要的影响因素，不同学历层次学生的择业目标是不同的，根据各个学历层次学生的就业率可以看出社会对不同层次

11、人才的需求。从随即抽取的学生就业情况来看，学历较高的学生，就业形势相对好一些。学历为本科的学生中，受专业、学习成绩和实践能力的影响较大，而创新能力和沟通协调能力影响较小。其中，专业为第一影响要素，相对比较热门的专业社会的需求量是供不应求的，于是对人才培养的质量要求也不会很高，各个方面只要不是太差就可以顺利就业，而社会需求较小的专业，即使学习成绩中等，实践能力也不差也可能不能顺利就业。而对于研究生来说就业一般还是比较容易的，即使各项能力中没有突出的优势也能就业，有强项的话更好，只要没有两项以上的能力较差就不会影响就业。相对来说，专科的学生就业主要受到实践能力影响，如果实践能力不够突出的话就很可能

12、不能就业，而且对于专科生来说各项能力至少要有一项比较强的才能确保就业，各项都不突出甚至有比较差的都很难就业，表中还显示，学习成绩对专科生的就业影响不大。4结束语本文设计了大学生培养的DSS，通过分析其在大学生就业问题中的应用，表明了基于数据仓库、OLAP和数据挖掘技术的DSS在大学生培养中的重要作用和意义。决策者在制定和实施各种关于大学生培养的规章制度时，先通过大学生培养的DSS得出决策依据，提高决策的准确性和科学性，对大学生的培养十分有益。因此，对于高校决策者来说，大学生培养的DSS是一个强有力的辅助决策工具。通过其可以获得大量的潜在的、有实际意义的规则和知识，为人才培养工作提供科学合理的决策依据，从而提高人才培养的质量。参考文献：李文峰基于数据仓库和数据挖掘的国防生培养决策支持系统J.自动化与仪器仪表，2007(3).丁智斌，袁方数据挖掘在高校学生学习成绩分析中的应用J.计算机工程与设计，2006(6).吴海鹏，马吉权.决策支持系统在高校毕业生就业管理中的应用研究J.黑龙江高教研究，2008(6).武彤.基于数据仓库的教育决策支持系统在高等院校的应用探讨J.科学时代，2007(10).陈文伟.决策支持系统教程M.北京：清华大学出版社，2004.高洪深决策支持系统(DSS)理论方法案例M.北京：清华大学出版社，2005.