数据挖掘技术在高校教师科研管理中的应用研究

发布时间：2017-05-24 06:14

  本文关键词：数据挖掘技术在高校教师科研管理中的应用研究，，由笔耕文化传播整理发布。

【摘要】：近年来,在国家大力推进科技创新、不断加大对大学科研投入和大学自身对科研工作高度重视的社会大背景下,对于教师的科研评价问题引起了大学和教师自身的最广泛关注。科研评价已经成为衡量高校教师科研能力、职称评审、岗位评聘、津贴福利发放的主要依据和学校科研管理以及调控科研活动的重要手段。但至今为止,如何构建公正合理、具有激励作用的教师科研业绩评价体系仍然是饱受各方争议最多的问题之一。同时,伴随着数据挖掘技术在教育领域应用的日益广泛,利用数据挖掘技术实现知识发现,通过知识发现建立以多元目标为导向的评价体系方法为科研评价问题提供了一种新的研究思路。本文主要的研究内容聚焦于数据挖掘技术在高校教师科研业绩评价领域的应用研究,所关注的问题包括三个方面,分别是：教师科研业绩的度量与评价问题、教师自身的特征属性与其科研业绩之间的关联规则、学校科研投入对教师科研产出的影响。本研究在现有理论与方法的基础上,利用某高校教师2014年的科研和人事数据,围绕上述三个问题开展了相关研究。首先,依据教育部“学科评估”标准并结合高校实际情况建立高校教师的科研业绩评价指标体系,在此基础上利用一种改进的聚类算法构建了高校教师科研指数；然后针对教师自身的特征属性对其科研指数的影响关系不明确问题,提出了一种基于分类规则的分析方法,用以发现高校教师科研指数与个人特征属性因素之间的关联关系；最后,提出了一种改进的两阶段DEA模型,对高校教师科研资源投入与科研产出之间的内在关系进行了分析和说明。
【关键词】：科研评价 数据挖掘 聚类算法 分类规则 DEA模型
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 绪论11-18
• 1.1 研究背景和意义11-12
• 1.2 我国高校教师科研业绩评价研究综述12-16
• 1.2.1 高校教师科研评价的发展历程12
• 1.2.2 高校教师科研评价的主要方法12-13
• 1.2.3 高校教师科研评价指标体系及指标权重确定方法13-16
• 1.2.4 存在的主要问题16
• 1.3 论文主要研究内容与技术路线16
• 1.4 论文的组织结构16-18
• 第2章 相关知识介绍18-33
• 2.1 数据挖掘概述18
• 2.2 聚类理论及方法18-23
• 2.2.1 划分式聚类20-21
• 2.2.2 层次化聚类21
• 2.2.3 基于密度的聚类21-23
• 2.3 关联规则理论与方法23-26
• 2.3.1 关联规则基本概念23-25
• 2.3.2 关联规则的挖掘过程及其挖掘方法25-26
• 2.3.3 Apriori算法26
• 2.4 决策树分类理论及方法26-32
• 2.4.1 特征选择27-30
• 2.4.2 决策树的生成30
• 2.4.3 决策树的剪枝30-32
• 2.5 DEA方法与模型32
• 2.6 本章小结32-33
• 第3章 基于聚类算法的教师科研指数构建33-45
• 3.1 问题的提出33-34
• 3.2 教师科研业绩评价指标体系构建34-36
• 3.2.1 科研评价指标的选取34-35
• 3.2.2 科研业绩评价指标的当量积分计算规则35-36
• 3.3 数据预处理36-38
• 3.3.1 实验数据获取36
• 3.3.2 数据归一化处理36-37
• 3.3.3 探索性分析37-38
• 3.4 基于聚类算法的教师科研指数构建方法38-42
• 3.4.1 基础算法选择38-39
• 3.4.2 聚类离散点检测39-41
• 3.4.3 聚类个数的选择41
• 3.4.4 聚类算法41-42
• 3.5 实验结果及分析42-44
• 3.6 本章小结44-45
• 第4章 基于分类算法的教师科研指数影响因素研究45-55
• 4.1 问题的提出45-46
• 4.2 数据预处理46-48
• 4.2.1 实验数据获取46-47
• 4.2.2 人事信息特征构造及数据预处理47-48
• 4.3 基于分类规则的教师科研指数影响因素获取方法48-52
• 4.3.1 分类规则49-50
• 4.3.2 分类规则算法50-52
• 4.4 实验过程及结果分析52-54
• 4.4.1 实验过程设计52-53
• 4.4.2 结果分析53-54
• 4.5 本章小结54-55
• 第5章 基于DEA模型的高校资源投入与教师科研产出关系研究55-65
• 5.1 问题的提出55
• 5.2 两阶段关联DEA模型55-59
• 5.2.1 传统的DEA模型分析55-56
• 5.2.2 两阶段关联DEA模型56-59
• 5.3 DEA模型输入与输出指标体系的构建59-60
• 5.3.1 教师科研工作过程结构59-60
• 5.3.2 模型输入输出指标体系的建立及说明60
• 5.4 实验过程及结果分析60-64
• 5.4.1 实验数据获取60-61
• 5.4.2 实验过程及结果分析61-64
• 5.5 本章小结64-65
• 第6章 总结与展望65-67
• 6.1 研究工作总结65
• 6.2 对进一步研究工作的展望65-67
• 参考文献67-70
• 致谢70

【相似文献】

中国期刊全文数据库 前10条

1 黎洪生,卓祯雨;数据挖掘技术及其在过程监控中的应用[J];广东自动化与信息工程;2002年03期

2 黎洪生,卓祯雨;数据挖掘技术及其在过程监控中的应用[J];计算技术与自动化;2002年04期

3 何志国,曹玉东;数据挖掘技术[J];攀枝花学院学报;2002年06期

4 贺玉珍;浅析数据挖掘技术[J];运城高等专科学校学报;2002年03期

5 庞先伟;基于数据挖掘技术的资源型学习[J];现代远程教育研究;2002年03期

6 卢辉斌,王拥军;数据挖掘技术在入侵检测中的应用[J];燕山大学学报;2003年02期

7 张丽丽;数据挖掘技术的应用分析[J];山西经济管理干部学院学报;2003年04期

8 张红军;谈谈数据挖掘技术及其应用[J];广西梧州师范高等专科学校学报;2003年03期

9 田小霞,刘晓霞;数据挖掘技术在客户保持中的应用研究[J];微计算机应用;2003年03期

10 刘兰辉;论前途光明的数据挖掘技术[J];内蒙古科技与经济;2004年05期

中国重要会议论文全文数据库 前10条

1 孙义明;曾继东;;数据挖掘技术及其应用[A];全国计算机安全学术交流会论文集（第二十二卷）[C];2007年

2 马洪杰;曲晓飞;;数据挖掘技术和过程的特点[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

3 宁红梅;安志兴;葛亚明;李敬玺;赵坤;钟华;陈俊杰;崔艳红;;数据挖掘技术在兽医学中的应用[A];Proceedings of 2010 National Vocational Education of Communications and Information Technology Conference (2010 NVCIC)[C];2010年

4 王桂芹;黄道;;数据挖掘技术综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

5 徐宝莲;李晓奇;;数据挖掘技术在网络游戏中的应用[A];第十一届中国不确定系统年会、第十五届中国青年信息与管理学者大会论文集[C];2013年

6 胡广芹;陆小左;;数据挖掘技术在中医诊断中的应用[A];中国中西医结合学会诊断专业委员会2009’年会论文集[C];2009年

7 戈欣;吴晓芬;许建荣;;数据挖掘技术在放射科医疗管理中的潜在作用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

8 铁军;吴智明;;数据挖掘技术在工业铝电解生产中的应用[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

9 王建华;王菲;黄国建;;数据挖掘技术研究的现状及展望[A];中国运筹学会第六届学术交流会论文集（上卷）[C];2000年

10 肖健华;吴今培;;数据挖掘技术及其应用实例[A];2001年中国智能自动化会议论文集（下册）[C];2001年

中国重要报纸全文数据库 前10条

1 记者　吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年

2 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年

3 梅静彦;数据挖掘技术在美国银行的应用[N];金融时报;2006年

4 邹广普;数据挖掘技术在保险业中的应用[N];中国保险报;2010年

5 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年

6 张崇峰;挖掘，再挖掘[N];中国计算机报;2003年

7 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年

8 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年

9 刘军 兰小红 龚富强;新技术为老装备“保驾护航”[N];大众科技报;2006年

10 ;软件产业人才培养又辟新路[N];中国高新技术产业导报;2000年

中国博士学位论文全文数据库 前10条

1 沈忱;基于贝叶斯网络数据挖掘技术研究《本草纲目》活血化瘀类中药性—效—用关系[D];南京中医药大学;2015年

2 姚山;基于数据挖掘技术的造林决策研究[D];北京林业大学;2008年

3 曹秀英;基于粗集的数据挖掘技术及其应用研究[D];哈尔滨工程大学;2003年

4 伍平阳;基于数据挖掘技术的医疗设备绩效预测方法的应用研究[D];南方医科大学;2008年

5 刘刚;数据挖掘技术与分类算法研究[D];中国人民解放军信息工程大学;2004年

6 王勇;时序数据挖掘技术及其在水质预测中的应用研究[D];广东工业大学;2005年

7 熊忠阳;面向商业智能的并行数据挖掘技术及应用研究[D];重庆大学;2004年

8 朱恒民;领域知识制导的数据挖掘技术及其在中药提取中的应用[D];南京航空航天大学;2006年

9 毛国君;数据挖掘技术与关联规则挖掘算法研究[D];北京工业大学;2003年

10 王萍;基于数据挖掘技术的消费者行为研究[D];吉林大学;2004年

中国硕士学位论文全文数据库 前10条

1 肖建国;数据挖掘技术在就业指导与本科教学改革工作中的应用研究[D];吉林大学;2008年

2 钱和平;基于改进的灰色理论数据挖掘技术的研究[D];内蒙古农业大学;2010年

3 安冬冬;基于数据挖掘技术的常规公交服务水平评价体系研究[D];西南交通大学;2015年

4 陈萍;数据挖掘技术在网络教学中的应用研究[D];广东技术师范学院;2015年

5 邓博;基于数据挖掘技术构建电信4G客户预测模型的研究[D];兰州大学;2015年

6 赵明芳;数据挖掘技术在教学评教中的应用与研究[D];宁夏大学;2015年

7 苗家铭;基于数据挖掘技术的商业银行个人信用风险评估模型及其应用[D];南京财经大学;2015年

8 鲍素贞;数据挖掘技术在个性化网络教学平台中的应用研究[D];聊城大学;2015年

9 李文栋;基于Spark的大数据挖掘技术的研究与实现[D];山东大学;2015年

10 郭忠俊;基于数据挖掘技术的矿井提升机故障诊断研究[D];中国矿业大学;2015年

  本文关键词：数据挖掘技术在高校教师科研管理中的应用研究，由笔耕文化传播整理发布。

本文编号：389993