基于关联分析的学生活动参与度与高校社团管理实证研究.docx

基于关联分析的学生活动参与度与高校社团管理实证研究【摘要】社团活动是高校第二课堂的重要载体学生参与度不仅为评价高等教育质量提供了新视角其数据还可成为学生分类研究的基础对高校社团管理提供科学依据。本研究应用weka软件对学生活动参与度进行数据挖掘的关联分析通过分析学生活动参与度不同时间的差异变化将数据分析引入日常学生工作对高校社团进行更科学有效的管理。【关键词】关联分析；weka；活动参与度；社团管理；高校第二课堂0引言以学生为中心是现代大学强调的教育理念特别是在高等教育大众化阶段学生群体类型随着学生数量的增加出现了新变化同时高校社团的管理也成为衡量教育质量的一种方式。如今以大学生为主体的高校社团数量上急剧增加但质量却逐渐产生很大的差异分化许多社团疏于管理和引导导致许多大学生对社团活动的参与度逐渐降低。随着学校共青团深化改革的不断深入和推进作为高校共青团具有战略意义的制度创新和高校素质教育的新探索――高校共青团“第二课堂成绩单”逐渐引领新的趋势。社团作为第二课堂载体的一部分对学生从多方面进行性格和能力的补充要想客观地从第二课堂管理和引导学生就应对不同类型学生的心理和行为特征进行分类个性化研究。通过大学生参与社团活动的信息记录进行数据挖掘和分析用科学的信息管理方法了解学生活动参与度变化的原因从感性的方式转变为量化的角度针对性地改善社团质量、改变管理方式真正做到“因材施教”。1理论与应用1.1数据挖掘数据挖掘（DataMining）是指从数据库中挖掘信息模式发现知识模式的一个完整过程是从海量的、非完整的、模糊的、随机的数据集中提取隐含在人们事先不知道领域且具有潜在价值信息的过程。数据挖掘的过程大体分为四步――明确挖掘目的、数据预处理、数据挖掘、后续处理。关联规则挖掘是指从事务数据库、关系数据库和其他信息存储中的大量数据集之间发现频繁出现的模式、关联和相关性。1.2Weka软件Weka全称为怀卡托智能分析环境（WaikatoEnvironmentforKnowledgeAnalysis）是一个基于纯Java技术并应用于数据挖掘和知识发现的开源项目。历经十多年的发展Weka已成为如今最完备的数据挖掘工具之一用于数据挖掘的二次开发和算法研究被誉为数据挖掘和机器学习历史上的里程碑。1.3关联分析关联分析是一种自动型数据分析与挖掘技术作为数据挖掘技术最常用的方法最早应用于分析消费者交易记录中隐藏的购物模式主要目的是从大量数据中寻找商品间关联性的描述以制定商品组合的营销策略。运用关联分析进行数据挖掘时只需将收集的数据按专业软件的要求进行适当的抽取、预处理并组织形成分析用的数据集合在事务数据库中设定支持度和置信度等相关参数等强关联规则剩下的工作全部由软件完成用户只需对处理结果进行检验和分析即可。2实证研究数据的选取2.1数据选取依据和来源学生活动参与度记录是由笔者所在社团组织部每次活动指派人员负责现场签到得到的采取活动开始前和活动结束后两次签到的方式保证样本数据的科学性和准确性。笔者所在社团新一届成员共32名从工作记录中查阅本学期各项工作活动的签到记录用Excel进行数据的录入同时将中文字符删除更换为X1、X2、X3……X8将“参加”更换为YES标签检查无误后即完成了学生活动参与度的原始数据统计。2.2数据处理过程数据处理过程主要是对数据原格式进行转换学生活动参与度的原始数据是Excel文件保存的xlsx格式数据需转换成Weka支持的arff或csv文件格式。由于Weka对arff格式的支持更好故笔者优先选择arff格式作为分类器原始数据的保存格式数据预处理如图1所示。将activity.xlsx另存为activity.csv文件运行Weka软件打开刚才通过Excel保存得到的activity.csv将其保存为Arffdatafiles（*.arff）文件类型最终得到的数据文件为activity.arff。3数据挖掘实证研究横向对比分析对原数据设定8个标签（X1、X2、X3、X4、X5、X6、X7、X8）用Excel表格中用函数=COUNTIF（B5：B36$B$42）计算不同标签出现真值（YES）的频率并计算其所占百分比。为从学生社团活动参与度数据中挖掘出更可靠且可能给活动组织举办提供建议的活动项目组合本实证研究将Weka软件进行关联分析算法的参数――最小支持度lowerBoundMinSupport设定为0.3即参加了前一活动的社团成员至