張翠軒，曹素麗，王淑梅 (石家莊郵電職業技術學院計算機系，河北 石家莊050021)

摘要：

隨著校園信息化程度的日益提高。學校積累了大量的學生數據，如何充分利用這些數據，獲取其中蘊藏的價值，已經成為大數據時代面臨的主要任務。基于數據挖掘工具SPSSModeler和Oracle數據庫對校園“一卡通”數據進行分析，挖掘出學生消費習慣、獎學金和助學金之間的關系，從而使學校相關管理部門從中受益。

關鍵詞：大數據；數據挖掘；數據庫；一卡通

中圖分類號：TP393

文獻標識碼：A

文章編號：1009-3044(2018)28-0001-03

目前，校園的數字化、信息化已經普及，校園一卡通作為信息載體，成為學校信息資源整合的重要組成部分，它將學校的各個部門連為一體，動態掌握持卡人的生活和學習情況，并與學校其他信息基礎設施相配合，極大地提高了學校的管理效率和水平。為了順應高校信息化發展，將學生日常一卡通數據、獎學金和助學金數據與數據庫和數據挖掘技術進行整合和分析，主要針對學生的消費習慣和學習行為進行分析，首先通過數據清洗、數據預處理、數據集成、數據轉換與數據規約等數據預處理手段提取出一個小型數據倉庫，然后采用一種優化的K-means算法進行聚類分析，將學生分為幾類，并分析不同類別行為特征，最后運用決策樹模型采用Apriori關聯規則算法針對學生學習相關行為進行關聯度分析。SPSS Modeler充分利用計算機系統的運算處理能力和圖形展現能力，將方法、應用與工具有機地融為一體，該軟件不但界面友好、操作簡捷，而且功能強大，是解決數據挖掘問題的最理想的工具。Oracle數據庫系統是目前世界上流行的關系數據庫管理系統，系統可移植性好、使用方便、功能強，適用于各類大、中、小、微機環境。它是一種高效率、可靠性好的適應高吞吐量的數據庫解決方案。

午餐最能反映學生的消費情況，為了探究學生助學金評定的合理性，本文主要研究午餐消費情況與學生助學金之間的相關性；另外，鑒于當前大學生不吃早餐的情況，來探究良好的早餐習慣和學習結果是否具有一定的關系，所以這里還要研究早餐習慣與學生獎學金之間的相關性。

1、數據前期處理

為了更好地對數據進行分析，有必要對原始數據進行充分的處理準備，主要針對學生就餐、獎學金和助學金這3種數據。

1.1就餐數據

為了解學生的就餐規律和習慣，獲取了2017年1月1日到2017年5月1日的所有就餐數據，大約200萬條數據，如表1所示。

學生每次就餐可能要光顧不同窗口，產生多次消費記錄， 所以，若要了解學生早餐和午餐的就餐情況，有必要對數據進行前期的處理。在Oracle數據庫下對數據進行統計，早餐時間段在6點到10點之間，午餐時間段在10點到下午1點之間，早餐具體實現過程見下面的程序。?

SELECT*

FROM餐廳消費?

WHERERIGHT(opdt,8)BETWEEN'06:00:00'AND'10:00: 00' //保存為早餐1?

用同樣方法可以形成午餐數據。?

在形成早餐和午餐數據的基礎上，統計出每人每餐的消費 金額，實現過程如下面程序所示。最終形成每人的早餐次數以 及平均消費金額。?

select姓名,時間,sum(消費金額)as每天早餐消費總金額

from早餐1

groupby姓名,時間?

用同樣的方法形成每人的午餐平均消費金額。

1.2獎學金數據?

獲取到3年的獎學金數據，按學號姓名進行統計，統計出 每個獲獎學生的獲獎次數以及總金額，程序如下：

select學號,姓名,count(學號)AS次數,sum(金額)AS總金額?

from獎學金all?

groupby學號?

orderby總金額desc?

結果如表2所示。?

1.3助學金數據?

獲取到3年的助學金數據，按學號、姓名對獲得次數和總 金額進行統計，程序如下：

select學號,姓名,count(學號)AS次數,sum(助學金金額)AS 總金額?

from助學金all?

groupby學號?

orderby總金額desc?

結果如表3所示。?

1.4數據整合?

將上述數據整合到一個文件中，如圖1所示。

2、針對SPSSModeler的Apriori算法的數據預處理?

最早的Apriori算法是阿格拉瓦爾和斯里坎特于1994年提出的，現在是數據挖掘中簡單關聯規則技術的核心算法。Apriori算法是為提高關聯規則的產生效率而設計的，只能處理分類型變量，無法處理數值型變量，所以有必要對整合后的數據進行預處理。?

數據準備

為了提高效率，這里進行了70%的分層抽樣， 又根據Apriori算法的需要，計算生成新的分類型變量，再通過特征選擇，去除掉不必要的變量，然后對圖1的數據進行多級評定計算，定義出A、 B、 C、 D和E這5種級別，如圖2所示。

3、相關性分析?

選擇“建模”選項卡中的“Apriori”節點，將其連接到數據流恰當位置上，如圖3所示。分析的目的是找到所獲得獎學金、 助學金、午餐消費以及早餐消費次數的關系，所以這4項均被選入后項和前項。

在最低條件支持度中，指定前項最小支持度為6%，最小規則置信度為65%，為防止關聯規則過于復雜，指定前項包含的最大項目數為5，分析結果如圖4所示。

4、結果分析?

SPSS Modeler以列表形式列出計算所得的2條簡單關聯規則。其結果具體解讀為：?

1)如果學生吃早餐次數較多，午餐消費比較低，獲得頭等獎學金的機會就很大，支持度百分比為8.174%，置信度百分比為67.518%。這類學生起床早、勤快，家庭條件較差或本人比較節儉，努力學習的可能性就很大，從而獲得較高級別的獎學金。

2)如果學生家庭經濟狀況比較困難，得到的是C類助學金，而且學習成績相對較好，這類學生午餐消費就很低。?

3)如果學生家庭條件非常困難，助學金得到的是最高級別，而且午餐消費很低，這類學生反而沒有獲得獎學金。?

上面前兩條關聯規則是當今大學生的普遍現象，但是看到 第3條的時候很令人意外，和相關輔導員交流之后才發現，原來這類學生大都來自偏遠地區，學習基礎不好，到大學后學習上跟起來就比較吃力，所以學習成績不好。?

綜上所述，學校管理部門應在以下方面做出管理策略：?

1)教學部門應該對偏遠地區的學生學習給予更多幫助，必 要時單獨輔導。

2)學生管理部門在評定助學金時要嚴格把關，參考學生消 費數據，盡量將助學金發放到最需要的學生手中。

3)鼓勵學生吃早餐，不僅能夠提高身體素質，更能養成勤快的習慣，促進學習成績的提高。?

5、結論?

通過對校園一卡通數據、獎學金和助學金數據的分析，由于篇幅有限，不再一一列出分析過程，總共得出了下面這些結論：?

1)助學金和就餐消費的關聯性。?

2)助學金和獎學金的關聯性。?

3)早餐情況數據分析。?

4)早餐和身體健康狀況的關聯性。?

5)早餐和獎學金狀況的關聯性。?

6)學生籍貫和窗口(菜品)關聯性。?

7)獎學金和籍貫的關聯性。

8)助學金和籍貫的關聯性。

9)孤僻人群的發現。?

10)消費與性別的關聯性。?

11)消費水平與系部關聯性。?

12)餐廳各個窗口就餐人數排名。?

13)餐廳各個窗口收入金額排名。?

這些結論對于教務部門、學生管理部門、后勤管理部門等都有很好的指導意義，其實，預先有很多種假設，但是通過挖掘卻發現沒有相應的結果，當然沒有規律的結論也是一種結論， 當然也會出現一些預想不到的規律，這也許就是數據挖掘的魅力所在。?

遺憾的是，目前校園“一卡通”的數據還不是很全面，不能覆蓋所有學生行為，隨著校園信息化的發展，校園“一卡通”必 將更準確反映學生在校的各種消費和學習行為，對應的數據分析將更加具有指導意義。?

參考文獻：

[1]薛薇.基于SPSSModeler的數據挖掘(第二版) [M].北京:中國 人民大學出版社,2014.?

[2]JiaweiHanMichelineKamberJianPei.數據挖掘概念與技術 [M].北京:機械工業出版社,2016.?

[3]谷斌.數據倉庫與數據挖掘實務[M].北京:北京郵電大學出版 社,2014.?

[4]Levin N,Zahavi J.Predictive modeling using segmentation. Jouralo fInteractive Markeing, 2001,15(2):2-23

[5]秦靖.Oracle從入門到精通[M].北京:機械工業出版社,2011.?

[6]www.oracle.com網站. [7]http://bbs.pinggu.org/人大經濟論壇.

文章來源：《電腦知識與技術》第14卷第28期 (2018年10月)收稿日期：2018-09-05

基金項目：大數據技術應用專業建設與實踐研究(項目編號：YB2016016)?

作者簡介：

張翠軒(1971—)，女，河北省石家莊人，講師，碩士，石家莊郵電職業技術學院計算機系教師，主要研究方向：大數據應用；?

曹素麗，女，河北省石家莊人，講師，碩士，石家莊郵電職業技術學院計算機系教師，主要研究方向：大數據應用；

王淑梅， 女，河北省石家莊人，講師，碩士，石家莊郵電職業技術學院計算機系教師，主要研究方向：大數據應用。?

總結

以上是生活随笔為你收集整理的oracle从入门到精通_【论文】基于SPSS Modeler和Oracle的学生行为数据分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。