我國(guó)高等教育質(zhì)量省域分層的K—均值聚類研究

　　摘 要：近年來(lái)，國(guó)民對(duì)教育的重視程度越來(lái)越高，眾多學(xué)子通過(guò)高等教育改變了人生軌跡。正因如此，高等教育的公平性受到廣泛關(guān)注。教育資源的分配對(duì)教育質(zhì)量的產(chǎn)生極大的影響，所以教育資源分配的公平是高等教育公平的核心。本文通過(guò)K-均值聚類算法，分析研究截止2016年我國(guó)高等教育質(zhì)量省域差異的問(wèn)題。聚類結(jié)果表明，我國(guó)目前教育資源分配在省域?qū)用娲嬖诓町悾�體現(xiàn)在東西部差異與自治區(qū)差異中。但這種差異并不懸殊，可以被縮小。
　　關(guān)鍵詞：高等教育 教育資源分配 教育質(zhì)量 K-均值聚類算法
　　一、簡(jiǎn)介
　�。ㄒ唬┭芯勘尘�
　　高等教育作為民族振興、社會(huì)進(jìn)步的重要基石，在當(dāng)下受到極高的重視。教育興則國(guó)家興，教育強(qiáng)則國(guó)家強(qiáng)，高等教育正在承擔(dān)著增強(qiáng)中華民族創(chuàng)新創(chuàng)造活力，實(shí)現(xiàn)中華民族偉大復(fù)興的歷史使命。作為萬(wàn)千即將面臨高考、踏入高等教育大門的高三學(xué)子之一，我在憧憬與盼望的同時(shí)，也關(guān)心著高等教育的改變與發(fā)展。本篇論文的創(chuàng)作靈感便來(lái)源于此。
　　高等教育因其重要性而被媒體廣泛聚焦、被輿論重點(diǎn)關(guān)注、被人們時(shí)刻心系。但教育資源在各省分配不均衡的現(xiàn)象，長(zhǎng)久以來(lái)便是社會(huì)熱議的重點(diǎn)話題。教育本身是公平的，但在教育質(zhì)量相對(duì)突出的省市學(xué)習(xí)生活的學(xué)生接受了比教育質(zhì)量相對(duì)低的省市的學(xué)生更好的教育，這樣教育資源分配不公的問(wèn)題導(dǎo)致了之后升學(xué)、工作等一系列問(wèn)題的不公。教育資源分配不均直接體現(xiàn)在教師水平、課程資源、科研經(jīng)費(fèi)的分配不均。特別是那些“985工程”和“211工程”院校以及“雙一流”院校，這些院校的課程設(shè)置及其豐富、高水平的從業(yè)者云集，而地方高校存在師資力量短缺和課程匱乏的現(xiàn)象。高三學(xué)子普遍在報(bào)考大學(xué)時(shí)，將學(xué)校所在省市的教育質(zhì)量作為重要的參考依據(jù)，由此可見(jiàn)一斑。資源分配的不均衡會(huì)導(dǎo)致社會(huì)的貧富差距越來(lái)越大。人才向教育資源多且收入高的地方流動(dòng)，導(dǎo)致本該需要教育資源的地方人才流失。這也會(huì)變向扭曲公民的價(jià)值觀，紛紛向教育質(zhì)量高的省市移動(dòng)。
　　為此，國(guó)家也已出臺(tái)了許多政策緩解這樣的現(xiàn)狀，比如在研究生入學(xué)考試時(shí)按地區(qū)將中國(guó)的省事劃分的A、B、C類地區(qū)，依據(jù)考生的生源地以及目標(biāo)學(xué)校的所在地劃分出不同的國(guó)家線，以保障那些教育質(zhì)量欠發(fā)達(dá)地區(qū)的學(xué)生可以以相對(duì)較低的分?jǐn)?shù)與其他考生競(jìng)爭(zhēng)，而那些想考入教育質(zhì)量欠發(fā)達(dá)地區(qū)的學(xué)生也會(huì)得到較低的國(guó)家線。又比如很多高等教育學(xué)府都積極響應(yīng)國(guó)家政策，鼓勵(lì)大學(xué)生畢業(yè)后到偏遠(yuǎn)地區(qū)支教工作，同時(shí)給予應(yīng)得政策優(yōu)惠。通過(guò)這種方式，既可以有效促進(jìn)偏遠(yuǎn)地區(qū)教育質(zhì)量平穩(wěn)提升，同時(shí)也向當(dāng)代青年人宣傳正確的價(jià)值理念。
　　為進(jìn)一步深入分析我國(guó)目前各省市高等教育水平，本論文通過(guò)定量方法討論我國(guó)2017年各省市（除香港特別行政區(qū)、澳門特別行政區(qū)、臺(tái)灣�。└叩冉逃�資源分配的分層現(xiàn)象，依據(jù)評(píng)價(jià)高等教育水平的各項(xiàng)指標(biāo)數(shù)，采用數(shù)據(jù)挖掘中常用的聚類分析方法，將教育資源分配相近的省市分在同一層中，分配有差異的省市分在不同簇中。同一簇中通過(guò)對(duì)比，分析出兩省市教育資源分配相近的原因，簇與簇之間通過(guò)對(duì)比，分析出那些教育資源相對(duì)豐富和相對(duì)匱乏的省市，以進(jìn)一步分析，為解決這種不均衡現(xiàn)象提供定量的參考依據(jù)。
　�。ǘ�）研究方法
　　1.數(shù)據(jù)挖掘
　　第三次科技革命讓人類進(jìn)入到了“信息時(shí)代”的新紀(jì)元，計(jì)算機(jī)的發(fā)明、出現(xiàn)和普及推動(dòng)了一系列新型產(chǎn)業(yè)、新型科技的形成，也推動(dòng)了社會(huì)的發(fā)展和人類文明的進(jìn)步。進(jìn)入新世紀(jì)以來(lái)，各行各業(yè)中生產(chǎn)出的數(shù)據(jù)量以每18個(gè)月翻一番的驚人速度增長(zhǎng)。人們搜集數(shù)據(jù)、處理數(shù)據(jù)的能力也隨著數(shù)據(jù)量的增加不斷提高，而這種趨勢(shì)在近幾年變的更為明顯。數(shù)據(jù)也從單一產(chǎn)生于互聯(lián)網(wǎng)行業(yè)衍生到醫(yī)療衛(wèi)生、公共安全、交通物流、電信、金融保險(xiǎn)、氣象地理等各行各業(yè)。如此爆炸式發(fā)展的數(shù)據(jù)激起了對(duì)數(shù)據(jù)處理的新的要求。雖然不斷擴(kuò)大的數(shù)據(jù)量滿足了人類學(xué)習(xí)、生活、工作的需求，但也極大地增加了找到有用信息的難度。如何短時(shí)間內(nèi)找到更為精準(zhǔn)的信息，更好的服務(wù)于人類的生產(chǎn)生活，更好的推動(dòng)社會(huì)文明的發(fā)展，已經(jīng)成為當(dāng)代科研人員關(guān)注的重點(diǎn)問(wèn)題。基于這種需求，數(shù)據(jù)挖掘這門技術(shù)應(yīng)運(yùn)而生。
　　數(shù)據(jù)挖掘是在大型數(shù)據(jù)存儲(chǔ)庫(kù)中，自動(dòng)地發(fā)現(xiàn)有用信息的過(guò)程。如圖1.1所示，數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn)（knowledge discovery in database，簡(jiǎn)稱KDD，下同）是將未加工的數(shù)據(jù)轉(zhuǎn)換為有用信息的整個(gè)過(guò)程，而數(shù)據(jù)挖掘是KDD中不可缺少的一部分。本文研究將按照KDD的步驟進(jìn)行，即輸入數(shù)據(jù)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘（K-均值聚類）、數(shù)據(jù)后處理、信息分析。
　　2.聚類分析
　　聚類分析是數(shù)據(jù)挖掘技術(shù)中一項(xiàng)重要的分支。在人們對(duì)世界的觀察、分析和描述中，或者在某些概念某些維度上具有特定公共屬性的對(duì)象組起著巨大的作用。例如生物學(xué)中對(duì)所有生物體的系統(tǒng)分層學(xué)：界、門、目、科、屬、種，便是一種聚類�！熬垲悺蓖�我們生活中常見(jiàn)的“分類”一詞既有相似之處又存在不同，我們?cè)诤苄〉臅r(shí)候就能將圖片分類為水果、動(dòng)物、建筑物等，但是在這個(gè)例子中，我們先已知了每一類別的特點(diǎn)。而在聚類分析中，我們要先找到每一個(gè)分組中的元素，再根據(jù)結(jié)果來(lái)歸納組內(nèi)元素的共同特點(diǎn)，并不需要事先定義好類，甚至連類的數(shù)量也不需要定義。聚類分析僅根據(jù)在數(shù)據(jù)中發(fā)現(xiàn)的描述對(duì)象及其關(guān)系的信息，將數(shù)據(jù)對(duì)象分組，即將數(shù)據(jù)劃分成有意義或有用的簇。聚類分析的主要目的是，組（簇）內(nèi)的對(duì)象相互之間是相似的、相關(guān)的，而組（簇）間的對(duì)象是相異的、不相關(guān)的。組（簇）內(nèi)的相似性越高，組（簇）之間的相互差異越大，此聚類就越好。因此評(píng)價(jià)一個(gè)聚類是否合理的標(biāo)準(zhǔn)是每一簇內(nèi)的質(zhì)點(diǎn)是否具有相似的屬性、簇與簇之間是否有明顯的差異。而對(duì)于簇的定義則依不同的數(shù)據(jù)特性和期望的結(jié)果而產(chǎn)生變化。
　　3.K-均值聚類算法簡(jiǎn)介
　　K-均值聚類算法是聚類方法中最典型的一種，其中k代表簇的個(gè)數(shù)。這種算法于1967年由James MacQueen提出，而后在各領(lǐng)域廣泛應(yīng)用。它的中心思想是將各簇的質(zhì)心移動(dòng)至簇內(nèi)所有點(diǎn)的平均位置，而后將各點(diǎn)按照其到新質(zhì)心的距離重新分配入不同的簇。通過(guò)反復(fù)迭代，直到移動(dòng)質(zhì)心前后所有質(zhì)點(diǎn)所在的簇均不發(fā)生變化為止。在整個(gè)算法過(guò)程中，質(zhì)點(diǎn)間的距離，質(zhì)點(diǎn)與質(zhì)心的距離，質(zhì)點(diǎn)與新質(zhì)心的距離需要多次計(jì)算。這個(gè)距離衡量了質(zhì)點(diǎn)相互間，質(zhì)點(diǎn)與質(zhì)心的偏差程度，這種距離在本文中的實(shí)際意義代表了被選取兩省的教育質(zhì)量相似或者相異程度。仿照在中學(xué)課程中二維坐標(biāo)系中對(duì)兩點(diǎn)A（x1，y1），B（x2，y2）歐幾里得距離的定義如下式（1.1）：

相關(guān)熱詞搜索：分層 教育質(zhì)量 均值 我國(guó) 研究