数据挖掘在高校人才优化配置方面的应用

　　摘要：随着我国经济、科技水平的不断提高，信息化技术越来越多的运用到了我们的生活之中，教育行业也是如此，高校逐渐进入了信息化时代。目前高校中的人才越来越多，在人才配置方面，信息化的人才配置方案，为新时代高校进行人才收纳及教育开展带来新的解决方案。基于此，本文主要就对数据挖掘技术进行详细的探讨，然后对数据挖掘人才优化配置方面的策略进行分析，最后对全文進行总结，使得数据挖掘技术在高校人才优化配置中的应用程度得到极大的提升。
　　关键词：数据挖掘；高校人才；教育信息化；人才配置
　　目前随着国家信息化程度越来越高，数据挖掘技术越来越频繁的出现在了各行各业，如金融、科技、商业、营销等。慢慢地，数据挖掘技术在高校中的运用也逐渐增多，但是目前高校中运用的数据挖掘技术还是停留在比较低级的阶段，比如对学校学生的信息、考试成绩进行保存、备份、搜索。但是就目前而言，我国很多高校开始招更多的学生，这种情况下我国的高校学生人数就变得越来越多，这就给高校带来很大的挑战，这也造成传统的信息管理手段不能满足时代的进步。随着数据挖掘技术的不断发展，数据挖掘技术为高校人才优化配置提供了很多的技术支持，使得高校人才数量变得越来越多，同样也为高校人才优化配置问题提供了很多有效的解决方案，例如通过数据挖掘，对高校老师或学生进行分类管理，进而进行表现评估等。
　　一、数据挖掘技术的介绍
　　数据挖掘技术其实是由之前的理论（数据库原理以及计算机科学等）进行相互补短产生的一种新类型学科。进入二十一世纪之后，我国很多新类型学科应运而生，比如经济学、金融学以及数据挖掘技术等的出现使得教育事业发展速度在极大程度上得到提升，而且高校也越来越重视数据挖掘技术的应用。数据挖掘技术的主要的专业内容是对算法的有效修改，除此之外，数据挖掘技术在对产品分析、高危预警、市场评估等方面起着举足轻重的作用。目前数据挖掘技术中被高校所看重的是人才优化配置方面，数据挖掘技术中的数据挖掘算法不断被运用到高校人才的培养以及管理当中。
　　1。1关联原则
　　数据挖掘中的关联原则，就是对大数据进行收集、分析、排列等，这对于人数逐年递增的高校来说有很大的帮助。关联原则首先将收集到的大数据进行分类，从各个项集中找到它们的共同点与差异点，通过对频繁出现的项集进行分析，可以了解到有哪些项集与其有关联，并且通过对各个项集中相同内容进行分析，能够知道他们之间有哪些内在的联系。例如Apriori算法就是一种比较出名的关联原则运用算法。Apriori算法在高校中的运用有以下几点，首先老师可以以学生的入校到现阶段的各个时期的成绩进行数据库保存，然后通过对学生大学各个课程的开设时间以及顺序进行排序，通过将两者对比，就可以了解到大学时期学生课程开设顺序对于大学生成绩的影响，从而可以得出大学生大学各个课程之间的相互关联。另外高校还可以对教师档案的进行保存，然后根据数据挖掘中的关联原则，将教师的平时情况以及所带学生的成绩进行分析，进而得出教师的专业水平以及教育模式与学生成绩之间的内在联系。
　　1。2构件对象细分模型
　　数据挖掘中的构件对象细分模型指的是在明确的公司、学校、企业等背景下，比如教育理念、经营模式等等。依据客户、学生等的需求、表现等情况将这些对象进行分类，分类介绍后我们可以通过一个类别就可以找到许多相同类型的客户、学生，通过不同的类别，我们就可以找到许多不同类别的客户、学生。通过这种算法模式，我们可以轻易的为服务对象提供最合适的服务，这种将对象进行细致划分其实就是数据挖掘的理论基础。
　　1。3聚类算法
　　数据挖掘中的聚类算法主要指的是对大数据进行划分，建立不同大类，将大数据划分到其中，这个过程就是聚类算法。聚类算法的目的主要是为了下一步的研究分析打下基础，使研究人员容易找到针对性的目标。聚类算法是一种比较传统的算法，它很早就出现了，但是它的运用至今仍然很多，就比如在高校的人才培养研究中。教师可以首先确定学生的培养指标以及标准，然后根据聚类算法将学校的教育理念与要求划分为几类，接下来就是对大学生进行科学合理的分类，然后因材施教，针对学生的实际特点对学生进行针对性教育。另外学校也可以对教师进行聚类算法，将教师的考核标准划分为几类，将教师的教学表现进行记录，对教师进行划分，这样就可以针对不同类别的教师进行针对性的教学考量以及教学检查。这样不仅可以对高校的学生进行针对性的教学，还可以针对性的提高教师的教学质量，大范围的提高教师能力。
　　二、基于数据挖掘的人才管理策略
　　2。1人才引进
　　想要将学校发展起来，首先就是要制定合理、科学的人才引进，但是人才引进不是盲目的引进，要考虑以下的几点，首先学校要了解自己的学科结构以及学科重点，其次人才引进要结合学校的未来发展目标，最后人才引进还要与学校现有的师资力量相关照。学校所要引进的人才要既有可实施性，在进行人才引进时，要努力寻找高尖端人才，要满足：能力强，年纪不要过大、学历高、有较多的科研水平成果等。引进这样的人才能够帮助高校优化人才结构，在相同时间内取得更多的科研成果，最终促进高校的可持续发展。
　　在学校的特色学科方面，学校应该对学科的基础人才建设投入较多的关注，并且大力培养有潜力的优秀新星，建立未来的人才集团。
　　学校对于人才的引进一定要看重其教育背景，对于拥有高质量背景的人才来说，他们可以较为容易的从高学历人才过度到科研型人才。而且现在国家注重学校的科研水平成果，所以拥有这类人才可以对于高校的研究成果进行保障。对于拥有不同背景的高学历人才，学校可以让他们多进行学术交流提高他们之间的合作能力以及科研能力。
　　2。2高校人才培养
　　高校可以先根据前面所描述进行人才引进，之后就是高校进行人才的培养。在对于科研成果丰富，科研成绩优秀的人才，高校可以对其增加研究经费进行鼓励，帮助其能够进行更加尖端的学术研究，扩大高校这类科目的全国地位，增大学校这门学科的影响，对于其他科研成果较为稀少、成绩不算好但是具有发展潜力的科研人员来说，高校可以为他们制定一些发展规划，帮助他们进行科学研究，还可以将其派遣，与国外顶尖高校进行学术交流，帮助提高其科研能力，这样就能使得高校人才可持续发展。
　　三、结语
　　综上所述，目前数据挖掘技术在人才优化配置方面的运用越来越多，对于高校的发展来说，运用科学合理的数据挖掘技术对高校发展而言有着举足轻重的意义。在高校中运用数据挖掘技术可以帮助高校对人才进行合理的安排，而且能够对人才进行合理培养，不断加强各类人员的科研能力，以提高高校的科研水平，所以高校合理运用数据挖掘技术是提高自身的重要方法。
　　参考文献
　　〔1〕李广水，王智钢，马青霞，等。数据挖掘技术在我国高校人才培养中十年应用回顾及发展趋势〔J〕。技术与创新管理，2018（03）。
　　〔2〕董雯，李静。大数据视域下高校人才工作的适应与创新〔J〕。神州（中旬刊），2017（07）。
　　〔3〕李锋，尹洁，吴洁。基于数据挖掘的高校人才引进与培养策略研究〔J〕。科技进步与对策，2017（04）。
　　〔4〕曾振东。基于数据挖掘的高职院校课程体系建设和优化的应用研究〔J〕。电脑知识与技术，2017（08）。
　　〔5〕文益民，易新河，李忧喜，等。高校人才培养全过程与信息技术深度融合中的数据挖掘〔J〕。高教论坛，2017（02）。