模糊 的、 随机的数据库 中发现隐含在其 中有价值的、 潜在有用的信息和知识 的过程 ，也是一种决策支持 过程 。 其主要基于人工智能 、 机器学习、 模式学习、 统
★基金项 目： 教育部人文社会科学 研究 ２ ０ １ ６年度项 目“ 基于 大数 据技 术的高校思想政治教育效果评价研究 ” （ 编号 ： 教社
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｓ ａ ｍｅ ｔ ｈ ｏ ｄ ｏ ｆ ｅ ｖ ａ ｌ ｕ ａ ｔ ｉ ｎ ｇ ａ ｎ ｄ ａ ｎ ａ ｌ ｙ ｚ ｉ ｎ ｇ ｔ ｈ ｅ ａ ｃ ｔ ｕ ａ ｌ ｅ ｆ ｅ ｃ ｔ ｏ ｆ ｉ ｄ ｅ ｏ ｌ ｏ ｇ ｉ ｃ ａ ｌ ａ ｎ ｄ ｐ ｏ ｌ ｉ ｔ ｉ ｃ ａ ｌ ｅ ｄ － ｕ ｃ ￣ｉ ｏ ｎ ｉ ｎ ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｓ ａ ｎ ｄ ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｉ ｅ ｓ ｗｉ ｔ ｈ ｔ ｈ ｅ ｂ ｉ ｇ ｄ ａ ｔ ａ ｎａ ａ ｌ ｙ ｓ ｉ ｓ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｙ； ｇ ｔ ｈ ｉ ｓ ｍｅ ｔ ｈ ｏ ｄ ， ｔ ｈ ｒ ｏ ｕ ｇ ｈ ａ ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｏ ｆ ｔ ｈ ｅ ｄ ａ ｔ ａ ｏ ｆ ｏ ｎ ｌ ｉ ｎ ｅ ｓ ｕ ｒ ｖ ｅ ｙ ｑ ｕ ｅ ｓ ｔ ｉ ｏ ｎ ｎ ａ ｉ ｒ ｅ ， ｈ ａ ｓ ａ ｒ ｅ ａ ｌ — ｉ ｔ ｍｅ ａ ｃ ｃ ｅ ｓ ｓ ｔ ｏ ｔ ｈ ｅ ｓ ｔ ｕ ｄ ｅ ｎ ｔ ｓ ’ ｎ ｅ ｅ ｄ ｓ ａ ｎ ｄ ｉ ｓ ｔ ｈ ｅ ｒ ｅ ｆ ｏ ｒ ｅ ａ ｂ ｌ ｅ ｔ ｏ ｉ ｍｐ ｒ ｏ ｖ ｅ
Ｍａ ｏ Ｃｈｅ ｎ ｌ ｅ ｉ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｍａ ｎ ａ ｇ ｅ ｍｅ ｎ ｔ ， Ｊ ｉ ａ ｎ ｇ ｘ ｉ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｊ ｉ ａ ｎ ｇ ｘ ｉ Ｎ ａ ｎ ｃ ｈ ａ ｎ ｇ ３ ３ ０ ０ ９ ８ ）
２ ０ １ ７ 年 第１ 期
科
技
广
场
总 第１ ８ ２ 期
基 于大数据 分析 的思 政教 育效 果评 价方法研 究
毛晨ห้องสมุดไป่ตู้
（ 江西科技 学院管理 学院 ， 江西 南昌 ３ ３ ０ ０ ９ ８ ） 摘要 ： 本文介绍 了一种采用 大数据分析技术对高等院校思想政 治教 育的实际效果进行评价和分析 的方法， 通过
１ 大数 据分 析 的相关 技术 大 数 据 的挖 掘 是从 海 量 、 不 完全 的 、 有噪声 的、
根据一个数据项的出现推导出其他数据项的出现 。 关联规则的挖掘过程主要包括两个阶段 ：第一阶段 为从海量原始数据中找出所有的高频项 目组 ；第二
阶段 为从 这些 高频 项 目组产 生关 联规 则 。
科 司１ ￣［ ２ ０ １ ６ ］ １ ３ ５号 ）
在关联分析中最为经典的方法是 Ａ ｐ ｒ ｉ ｏ ｒ ｉ 算法 ，
该算法 的主要原理如下 ： 如果一个项集是频繁的 ， 则 它的所有子集一定也是频繁的。 也就是说 ， 如果 当前 的项集不是频繁的 ， 那么它的超集也不再是频繁的。
算法的步骤如下 ： （ １ ）算法初始通过单遍扫描数据
１ ０ ７—
集， 确 定每 个项 的 支持度 。一 旦完 成这 一 步 ， 就 得 到 所 有 频繁 ｌ 项 集 的集 合 Ｆ １ ； （ ２） 接 下来 ， 该 算 法使 用 ｝ 一 次迭 代 发 现 的频 繁 （ ｋ 一 １ ） 项集 ， 产 生新 的候 选 ｋ
Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ Ｅｖ ａ ｌ ｕａ ｉｏ ｔ ｎ Ｍｅ ｔ ｈｏ ｄ ｏ ｆ Ｉ ｄ ｅ ｏ ｌ ｏ ｇ ｉ ｃ ａ ｌ ａ ｎｄ Ｐｏ ｌ ｉ ｉｃ ｔ ａ ｌ
Ｅｄｕ ｃ ａ ｔ ｉ ｏ ｎ Ｅｆ ｆ ｅ ｃ ｔ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｂｉ ｇ Ｄａ ｔ ａ Ａｎａ ｌ ｙ ｓ ｉ ｓ
ｈｅ ｔ ｐ ｅ ￣ ｉ ｎ ｅ ｎ ｃ ｅ ａ ｎ ｄ ｅ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｎ ｅ ｓ ｓ ｏ ｆ ｉ ｄ ｅ ｏ ｌ ｏ ｉ ｇ ｃ ａ ｌ ａ ｎ ｄ ｐ ｏ ｌ ｉ ｔ ｉ ｃ ａ ｌ ｅ ｄ ｕ ｃ ａ ｔ ｉ ｏ ｎ ．
Ｋ ｅ ｙ ｗｏ ｒ ｄ ｓ ： Ｂｉ ｇ Ｄａ ａ； ｔ Ａｓ ｓ ｏ ｃ ｉ ａ ｔ ｉ ｏ ｎ Ａｎ ａ ｌ ｙ ｓ ｉ ｓ ； Ｅｆ ｆｅ ｃ ｔ Ｅｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎ
对网络调查 问卷数据进行关联分析 ，实时获取到大学生的学 习需求 ，以期提高 思想政 治教 育的针对性与有效
性。
关键词 ： 大数据 ； 关联分析 ； 效果评价 中图分类号 ： Ｔ Ｐ ３ ９ １ 文献标识码 ： Ａ 文章编号 ： １ ６ ７ １ － ４ ７ ９ ２ （ ２ ０ １ ７ ） １ － ０ １ ０ ７ — ０ ４
０ 引言
计学等。大数据的挖掘常用的方法有分类 、回归分 析、 聚类 、 关联规则 、 神经 网络方法 、 Ｗｅ ｂ 数据挖 掘
等。 这些 方法 从不 同的角度 对 数据 进行 挖 掘 。 关 联 规 则 是 隐藏 在数 据项 之 间 的关 联 或相 互关 系 ，即可 以
借助大数据技术的支持 ，教育评价不再像 以往 那样往往是为了支持教育管理部门与教育机构 的决 策性需求 ， 而是可以服务于一切关注教育 、 参与教育 的群体或个体。通过利用教育大数据分析学生的学 习需求可提高思想政治教育的针对性与有效性。