SCI论文（www.lunwensci.com）:
摘要：随着信息技术向数字化、信息化和自动化方向高速发展，作为有人力资源和技术资源充分支持的高校，网络信息技术运用已经非常充分，对学生的相关信息管理早已广泛的应用，便于帮助辅助老师进行学生工作的管理，以达到有效的管理学生。本文通过对我校高职造价专业学生各科目平均学习成绩、实践成绩和综合成绩等采用K-means聚类分析的方法，将学生进行分类，并通过不同类别学生的共有特征来达到将学生按同一特征分类管理。目的是探索对不同类型的学生，进行精准管理和因材施教，并根据不同学生的特长和专长，进行分类管理和教学，有效地培养高职院校学生成为社会实用性人才。
关键词：大数据分析；K-means聚类分析；学生分类管理
Analysis and Research on University Governance and Education Based on Campus Big Data Platform
GONG Yiwen
（Department of Financial Management,Leshan Vocational and Technical College,Leshan Sichuan 614000）
【Abstract】：With the rapid development of information technology in the direction of digitization,informatization and automation,as a university with full support of human resources and technical resources,the application of network information technology has been very full,and the relevant information management of students has been widely used,which is convenient to help teachers manage students work,so as to achieve effective management of students.This paper classifies the students by using the method of K-means cluster analysis,and achieves the classification management of students according to the same characteristics through the common characteristics of different types of students.The purpose is to explore the precise management and individualized teaching of different types of students,and carry out classified management and teaching according to the specialties and specialties of different students,so as to effectively train higher vocational college students to become social practical talents.
【Key words】：big data analysis;K-means cluster analysis;student classification management
由于近几年高校的扩招和考生人数的下降，高等职业院校的生源质量高低不一，针对高等职业院校学生的现状，如何以学生为主题，采用差异化教育教学模式，因才施教，充分发挥学生的主观能动性和学习的积极性，实现对学生的培养目标，是高等职业院校急需解决的重要问题之一。
《国家中长期教育改革和发展规划纲要（2010-2020）》明确指出“提高人才培养质量，牢固树立人才培养在高校工作中的中心地位，着力培养高素质专门人才和拔尖创新新型人才[1]；促进高等院校分类体系，实行分类管理体制”，高等职业院校在学生管理上，将改变对管理学生一视同仁的状态，而采用不相同的方式对不同的学生进行管理；在现有的大数据技术下，用学习成绩、参加课外实践活动、劳动等综合因素合理的方式对学生进行分析分类，寻求大数据分类管理模式。
本文采用K-means聚类分析的方法，根据在教务处和学工部收集的造价专业学生第一学年的各科成绩，首先对数据进行预处理，其次利用K-means算法划分成四个大类，最后分析每一个类别的学生群体的特点。利用数据挖掘分析工具K-means聚类分析方法，对每一类学生进行分析，找出不同类别学生的共有特征来达到将学生按同一特征分类管理。目的是探索对不同类型的学生，进行精准管理和因材施教，并根据不同学生的特长和专长，进行分类管理和教学，体现以人为本的教育教学理念，有效地培养高职院校学生成为具有创新能力和社会实用性人才。
1 K-means聚类算法流程
1.1 K-means聚类算法的定义
K-means聚类算法是输入聚类个数k，以及包含n个数据对象的数据库，输出满足方差最小标准k个聚类的一种算法。k-means算法接受输入量k；然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小[2]。
聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。
k-means是最典型的划分式聚类算法之一，适合对数据量大的情况进行分析，运算效率高是其显著特点，用k-means算法对学生的成绩分类也是目前比较适合的一种方法，也能精准划分出学生的分类，帮助有效的管理学生[3]。相信用K-means聚类分析的方法，将学生进行分类，并通过不同类别学生的共有特征来达到将学生按同一特征分类管理的方案在未来会得到广泛的使用。
1.2 k-means聚类算法的流程
1.3 K-means聚类算法公式
对于给定的样本集合D={x1,x2,...,xm}，K-means算法针对聚类所得的蔟类为C={C1,C2,...,Ck}，则划分的最小化平方误差为：
2 k-means聚类算法数据来源
选取我校造价专业57个学生的样本，该文只列出20个，其余用省略来表示。学生综合成绩表如表1所示。
把数据导入SPSS软件中，根据多次实验得出k=4.并采取K-means聚类算法，得到1-4聚类的成员，如表2所见：
3聚类结果分析
3.1指标说明
《就业指导》《形势与政策》《项目管理》《钢筋工程量计算》《建筑工程安装工艺与识图》《建设法规》《施工组织与管理》《工程造价概论》的平均分组成了学习成绩这个指标。
劳动成绩是由学院的寝室管理部给出，反应学生在宿舍的劳动状况。pu分是PU口袋校园的得分，PU口袋校园网（Pocket University，以下简称口袋校园）是由苏州天宫信息技术有限公司自主开发的，是一个针对高校大学生实名制互动的互联网平台，学生可通过在线参加活动获得“第二课堂”学分。素质拓展是由素质拓展课的得分而来。
3.2 分类分析
从表 3、表 4 的数据可以看出 ：
第一类学生的成绩发展不均衡，存在学业成绩都不 错，均为良好，但劳动成绩和第二课堂的 pu 成绩比较 低，仅仅在及格之上。第二类学生每个指标得分都比较 低，尤其是学业成绩，没有达到及格。第三类学生学业成绩和实训成绩偏低，纪律成绩、安全教育、素质拓展 成绩都不错。第四类学生所有成绩都为良好和优秀，指 标得分都比较高。
4结论和建议
针对第一类学生：学生的成绩发展不均衡，存在学业成绩都不错，均为良好，但劳动成绩和第二课堂的pu成绩比较低，仅仅在及格之上。应该帮助他们保持自己优势的学科，积极参加学校和班级的劳动活动，同时多参加第二课堂，开阔自己的视野，增强自身的综合素质，引导他们全方面的发展。
针对第二类学生：他们的每科的学科都比较低，特别是学业成绩没有及格，对这类学生，要注重帮助他们，付出更多的关心和爱护。加强家校联系，了解学生在校内和校外的思想动态，了解问题的根源所在。帮助学生找到问题产生的原因，是因为对学习没有兴趣，还是对自己缺乏自控力，还是贪玩，注意力无法集中，还是本身智力跟不上，有畏难情绪，从而丧失了学习的信心。同时可以建立帮扶小组，让成绩优秀的同学在课余的时间可以辅导下这类学生，也可以建立兴趣小组，帮助这类学生找到学习的兴趣[4-5]。
针对第三类学生，学业成绩偏低，实训的成绩也偏低，是属于学习态度不好，要端正他们的学习态度，养成认真做事的品格。也要挖掘他们身上的闪光点，比如他们的素质拓展的分数还不错，可以鼓励他们多参加大学生职业技能比赛。
针对第四类学生，他们的成绩比较优秀，并且专业成绩也比较好，可以引导他们参加专升本的考试，提升自己的学历，提升自己的核心竞争力，为将来进一步提升学历和工作的道路，奠定下基础。
5结语
本文借助校园大数据平台和学生的综合成绩对具有相同特性的学生进行分类，目的是探索对不同类型的学生，并根据不同学生的特长和专长，进行分类管理和教学，利用信息化技术的手段为高校学生的管理提供了便捷、高效、精准的管理，体现以人为本的教育教学理念，有效地培养高职院校学生成为具有创新能力和社会实用性人才。但本文也存在不足之处，样本的数量还不够多，学生的数据库还有待建立和优化,算法还可以更优化。
参考文献
[1]《国家中长期教育改革和发展规划纲要》[J].实验室研究与探索,2019,38(9):4.
[2]回玥婷,夏懿嘉,陈紫荷,等.基于Synonyms、k-means的短文本聚类算法[J].电脑知识与技术,2019,15(01):5-6.
[3]贺奇,董延华,宋嘉怡,等.基于大数据的大学生兴趣爱好特征聚类研究[J].智能计算机与应用,2020,10(10):44-46+53.
[4]谢靖萱,徐宏达,秦溧,等.基于K-means算法寝室分配问题[J].现代计算机,2021(21):104-107.
[5]杨杉.大数据在学生分类培养和教学管理中的应用[J].电脑知识与技术,2020,16(34):148-152.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/36389.html
