论文部分内容阅读
随着知识型社会的到来,科研水平成为衡量高校综合实力的重要指标。为了发现科研管理中存在的问题,管理者迫切需要利用历史科研数据来获取决策支持信息。由于历史科研数据是面向事务处理的,不能直接为管理者提供需要的信息,因此需要构建数据仓库并进行数据的分析和挖掘。联机分析处理技术能让管理者从多个不同的角度来观察和分析感兴趣的数据。数据挖掘能发现数据之间隐藏的联系。使用这些技术能够获取有价值的信息来辅助管理决策。本文通过对数据仓库的数据组织结构进行研究,提出了科研项目数据仓库的数据组织与分析结构模型,依据该模型能够得到多层次的管理信息。首先,搜集某高校历史科研数据作为模型中的第一层次数据。在分析原始数据和管理需求的基础上,设计了科研项目多维数据集的雪花模型并完成了相应数据的抽取、清洗和转换工作。处理后的细节数据存储在SQL Server 2000关系数据库中,成为数据仓库的第二层次数据。然后利用SQL Server 2000 Analysis Services作为OLAP分析工具实现了科研项目多维数据立方体的创建,并进行了切片和钻取等多维分析操作,该立方体中的综合数据成为数据仓库的第三层次数据。在科研项目数据仓库建立完成之后,利用SPSS 17.0统计分析工具,基于k-means聚类算法先后进行了项目情况和教师合作情况两个层次的数据挖掘。最后,利用表格和图形对整理后的挖掘结果和综合数据进行了分析和展示。分析结果显示,2007年之后的年份中高层次的纵向项目数量少,主要纵向经费来源于省级和市级项目。尽管项目的总数量在增加,但是近两年增加的主要都是20万以下的项目。高级职称是科研主干力量,但是他们之间相互合作较少。50万以下的项目主要由一个高级职称或副高级职称独立完成项目。在50万以上的项目中,一个高级职称与副高级职称的合作的项目增多,但是近两年中,100万以上纵向项目中教师之间的合作非常少。本文的研究为管理者提供了不同层次的管理信息,对制定有效科研政策来引导教师科研行为具有重要意义。