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

龙源期刊网 http://www.qikan.com.cn

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

作者：洪一洋 李玥玥

来源：《科技视界》2016年第15期

【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（Data Mining）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。

本文来源：https://www.bwwdw.com/article/dffp.html