OKTATÁSI ADATBÁNYÁSZAT

Az előadások a következő témára: "OKTATÁSI ADATBÁNYÁSZAT"— Előadás másolata:

1 OKTATÁSI ADATBÁNYÁSZAT
Bóta László Ph.D. hallgató (BME GTK) Eszterházy Károly Főiskola, Eger

2 A stratégiai tervezési folyamat modellje az oktatásban
adatbányászat a marketingkutatásnál 1. Környezet elemzés 4. Intézményi stratégia kialakítása 5. Rendszer tervezés 6. Szervezet tervezés 3. Célok rögzítése 2. Erőforrás elemzés Forrás: Kotler-Fox (1995).Strategic Marketing for Educational Institutions. PRENTICE-HALL, Englewood Cliffs, New Jersey. 96. oldal

3 Üzleti intelligencia (Business Intelligence - BI)
egy szervezet adatgyűjtő-, tároló-, elemző eljárásainak és alkalmazásainak együttese ide tartoznak: az információs rendszerek, döntéstámogató rendszerek, vezetői információs rendszerek, adatbányászat, adatmegjelenítés, geográfiai információs rendszerek stb.

4 intelligens műveletsor cél: adatminták kiemelése tudásfeltárás
Adatbányászat 1990 után intelligens műveletsor cél: adatminták kiemelése tudásfeltárás alapja: jelentős adatmennyiség Forrás: Han-Kamber (2004). Adatbányászat. Koncepciók és technikák. Panem, Bp. 29. oldal 1.5 ábra

5 A feldolgozás iteratív folyamata
előfeldolgozás, módszerei: adattisztítás tömörítés transzformálás elemzés, módszerei: statisztikai mutatók tanuló algoritmusok (döntési fa, klaszteranalízis stb. ) az adatok prezentálása táblázat, diagram Forrás: CRISP-DM Consortium (letöltve június 23.) URL: ftp://ftp.software.ibm.com/software/analytics/spss/support/Modeler/Documentation/14/UserManual/CRISP-DM.pdf

6 Az adatbányászat a gazdaságban
fogyasztók célzott marketing szempontú osztályozása és klaszterezése reklámhadjáratok hatékonyságvizsgálata vevőmegtartás: lojalitás-vizsgálat hiteltörlesztési hajlandóság előrejelzése és hitelbírálati irányelvek elemzése pénzügyi bűncselekmények felderítése

7 IBM SPSS Modeler - felhasználói felület

8 Az adatbányászati feladatok két osztálya
leíró: az adatok általános jellemzőinek feltárása előrejelző: meglévő adatokból következtet, prognosztizál

9 Adatbányászattal megoldható feladatok az Eszterházy Károly Főiskolán
kutatási példa

10 Webbányászat webtartalom-bányászat (web content mining),
piackutatás árképzési elvek kialakítása az elosztási csatornák kiválasztása kommunikációs stratégia kidolgozása webstruktúra-bányászat (web structure mining) webhasználat-bányászat (web usage mining) a fogyasztók szokásainak, magatartásmintáinak tanulmányozása

11 Webhasználat-bányászat
webnapló bányászat webnapló-bejegyzés mezői: a kérés kiindulási helyének IP címe a kérés pontos ideje a kért URL cím még néhány adat [11/Mar/2007:07:07: ] "GET /index.php HTTP/1.1" [11/Mar/2007:07:07: ] "GET /stilus.css HTTP/1.1" [11/Mar/2007:07:07: ] "GET /index_ektf.php HTTP/1.1" [11/Mar/2007:07:07: ] "GET /images/logo_tel.gif HTTP/1.1" [11/Mar/2007:07:07: ] "GET /images/neptun.gif HTTP/1.1" [11/Mar/2007:07:07: ] "GET /hir/zongora.jpg HTTP/1.1" [11/Mar/2007:07:07: ] "GET /kultura/szinhaz.jpg HTTP/1.1" [11/Mar/2007:07:07: ] "GET /hir/otdk.gif HTTP/1.1"

12 Az online kommunikáció és a webbányászat
a felhasználó elvárása: egyszerű weboldal a perszonalizáció lehető legmagasabb fokán vizsgálatok a teljes populáción a fogyasztók individualizált, online kiszolgálásának tökéletesítése

13 Az online kommunikáció hatásmodellje
Forrás: Eszes-Bányai (2002). Online Műszaki, Budapest. 55. oldal

14 A vizsgált honlap Az egri Eszterházy Károly Főiskola (EKF) előző honlapja URL címe: A honlap arculatváltásainak dátumai: 1996, 1998, 2002, 2007

15 Az EKF előző honlapja

16 Látogatási statisztika
január 7. - március 18. látogatók száma (user): 67 837 fő belső látogatók száma: 88 fő látogatások száma (visit): 183 283 db leggyakrabban választott menüpontok: 1. Felvételizőknek (919. 744 választás) 2. Szervezeti egységek (103 .882 választás) 3. Oktatás (28. 854 választás).

17 A klaszterező modell eredménye
- 1. kl. (12,8%): webkamerát kedvelő látogatók, - 2. kl. (25,1%): általános információt keresők, - 3. kl. (23,8%): a főiskola egységeit látogatók, - 4. kl. (15,9%): tanulmányi osztályt vagy adminisztrációs információkat keresők, - 5. kl. (11,9%): NEPTUN-t keresők, - 6. kl. (10,5%): felvételi előtt álló látogatók.

18 A kritikus klaszterekhez tartozó menüpontok
a főiskola egységeit látogatók (23,8 %) 3. klaszter 4. klaszter 6. klaszter 5. klaszter

19 A kritikus klaszterekhez tartozó menüpontok
tanulmányi osztályt, információt keresők (15,9%) 3. klaszter 4. klaszter 6. klaszter 5. klaszter

20 A kritikus klaszterekhez tartozó menüpontok
NEPTUN-t keresők (11,9%)

21 A kritikus klaszterekhez tartozó menüpontok
felvételi előtt álló látogatók (10,5%):

22 Köszönet a megtisztelő figyelmükért!
Bóta László Ph.D. hallgató (BME GTK) Eszterházy Károly Főiskola, Eger