数据挖掘技术在高职教师绩效考核中的应用研究

论文摘要

随着我国改革开放进程的不断深入和经济社会的发展,现代高等职业教育的发展已经进入了一个新的时期。高等职业学校是技术人才培养、社会服务的重要基地,高校教师是培养人才、承担科研、教改的主力军。伴随高职院校聘任制度的全面开展,高职教师岗位聘任与绩效考核成为高职院校人事改革的重要内容。而现在大部分高职院校对教师的绩效考核都是由领导或部分专家打分与学生考核简单的线性加权完成的,考核的结果直接影响着教师的职称评定与工资待遇标准。这种人事管理机制必然会挫伤教师的工作热情,造成师资结构不合理、教师数量不足和相对过剩以及人才流失现象严重等许多问题。为此,本文以现代人力资源管理理论为指导,通过对高职教师人力资源管理的现状与问题进行分析,并结合地方高职院校的实际情况,利用数据挖掘技术对教师绩效考核中存在的一些问题如绩效考核体系的制定,考核指标权重的确定,教师选拔、兼职教师聘任、人员分类及考核结果的分析和预测进行了研究,改进了以前算法中的一些不成熟的地方。利用模糊判断特别是AHP算法,对考核指标权重进行了确定与量化,利用线性回归算法对考核结果进行了分析,利用最大树聚类算法和K-平均聚类算法进行了人员的分类与选拔,利用模糊聚类算法对考核结果进行了预测,最后对各个算法的优缺点进行了分析比较。通过实验测试及结果分析得出：1)利用AHP算法得出的指标权重,反映了教师对考核指标的真实想法。为基础教师和专业教师分开考核,老、中、轻教师采用不同的指标权重提供了考核依据；2)利用线性回归算法解决了不同班级对教师打分整体偏高或偏低问题及对同一名教师打分分差过大等问题。3)利用聚类分析中的最大树聚类算法和K-平均聚类算法对人员进行了分类和预测,为岗位设置和人员优化配置提供重要的参考；4)利用模糊聚类算法对考核结果进行了事先预测,预测正确率达到了69.4%。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 选题背景
• 1.2 研究目的和意义
• 1.2.1 研究目的
• 1.2.2 研究的理论意义
• 1.2.3 研究的现实意义
• 1.3 高职院校教师绩效考核现状与存在的问题
• 1.4 数据挖掘概述
• 1.4.1 数据挖掘的定义
• 1.4.2 数据挖掘的功能
• 1.4.3 数据挖掘技术应用的意义
• 1.5 本文结构与创新之处
• 1.5.1 本文结构
• 1.5.2 创新之处
• 1.6 本章小结
• 第2章 绩效考核相关理论
• 2.1 绩效考核的理论依据
• 2.1.1 人力资源管理中的激励理论
• 2.1.2 绩效薪酬理论
• 2.2 绩效考核的实施方法
• 2.3 绩效考核分类
• 2.4 绩效考核的基本流程
• 2.5 绩效考核指标量化的方法
• 2.5.1 加权
• 2.5.2 赋分
• 2.5.3 计分
• 2.6 绩效考核的模糊特性
• 2.6.1 模糊理论
• 2.6.2 绩效考核的模糊性
• 2.7 本章小结
• 第3章 数据挖掘算法分析及数据预处理
• 3.1 数据挖掘算法分析
• 3.1.1 决策树算法
• 3.1.2 关联规则算法
• 3.1.3 人工神经网络算法
• 3.1.4 遗传算法
• 3.1.5 粗糙集算法
• 3.1.6 层次分析算法（AHP法）
• 3.2 数据预处理
• 3.2.1 数据预处理的设计过程
• 3.2.2 数据转换的实现
• 3.2.3 数据清理的实现
• 3.2.4 数据集成的实现
• 3.2.5 数据变换的实现
• 3.2.6 数据归约的实现
• 3.3 本章小结
• 第4章 高职教师绩效考核的算法实现
• 4.1 绩效考核指标体系的制定
• 4.2 绩效考核步骤
• 4.3 指标权重的确定与量化
• 4.3.1 考核指标的确定
• 4.3.2 考核指标的确定
• 4.4 基于教师绩效考核结果分析的线性回归算法实现
• 4.5 教辅及行政人员的分类考核与优化配置的算法实现
• 4.5.1 最大树聚类算法
• 4.5.2 K-平均聚类算法
• 4.6 高职教师绩效考核结果预测算法实现
• 4.7 各类算法的比较分析
• 4.8 实验结果分析
• 4.9 本章小节
• 第5章 结论
• 5.1 本文工作的总结
• 5.2 进一步工作
• 参考文献
• 致谢