面向教育大数据的关键算法研究与实现

发布时间：2017-12-15 16:14

  本文关键词：面向教育大数据的关键算法研究与实现

  更多相关文章： 在线教育 关联规则挖掘 推荐算法 遗传算法 组卷系统

【摘要】：现代教育的发展趋势是在基于大量数据的基础上的个性化、标准化的。大数据最为典型的特征就是数据量庞杂,数据空间巨大。为了解决数据庞杂混乱的问题,提出了分布式和非结构化的解决办法。这也推进了大数据在教育方向的发展,给传统教育提供了突破口,个性化教育也随之被提出。大数据带来的教育方向的改革颠覆了传统教育的模式,在某种程度上改变了整个教育教学体系,在传统教育中,所有教学事物都由学校统一安排,上课的时间地点甚至教学内容,然而,在大数据的背景之下,上课时间、地点和学习内容都是根据学习者自己的意愿决定的,所有的教学决策的都是有大量的数据作为基础,这些信息都是客观、可信的,不在是由传统的主观的教学经验所决定的。这给教育大环境带来的是一种更加灵活、自主、科学的学习氛围,这正是与素质教育相契合。大数据在教育方面的应用主要有教学资源的推荐、对教育者教学方式的指导、在线测试组卷系统等。大数据在线教育的相关技术研究中最为重要的是教育大数据挖掘和学习分析技术,基于数据挖掘和学习分析技术,本文重点对在线教育中的大数据算法做了研究与实现,研究主要内容如下:1、研究学习分析技术,分别介绍和深入剖析了学习分析技术领域的领军人物Siemens等提出的学习分析模型,并且对各个模型进行比较和梳理,为后面章节也打下牢固基础。2、研究和分析教育大数据挖掘技术,结合实际情况对在线教育中产生的大量数据进行挖掘获得有用的信息,为教学优化和教育决策提供服务。3、实现运行在Hadoop上并行的Apriori算法,通过对数据集分割思想的研究,从键值对精简方面优化,提高并行计算的效率。分析研究教育大数据的特点,针对用户-课程访问频率数据做了数据集处理,从而提高了关联规则挖掘的准确性。4、对传统的基于项目的协同过滤算法进行改进,结合教育教学资源特点,将聚类算法与协同过滤算法相结合,提高算法效率。对于大数据教学资源提出改进的并行环境下的协同过滤算法。5、对于在线教育中自动组卷问题,研究和分析传统组卷系统采用的核心算法,提出基于遗传算法的自动组卷系统。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：G434;TP311.13

【相似文献】

中国期刊全文数据库 前9条

1 韩立军;;基于政府机关考选组卷系统的设计与实现[J];潍坊学院学报;2008年06期

2 聂应高;;《文献检索》组卷系统的设计与开发[J];咸宁学院学报;2010年02期

3 赵耀红;;数据结构组卷系统的设计与实现[J];长春大学学报;2010年12期

4 张小梅;刘庆大;;基于office的组卷系统的设计与实现[J];湖北广播电视大学学报;2011年01期

5 李唐辉,何永春;PHP+SQL Server 2000下开发出题组卷系统——在线考试系统之一[J];阿坝师范高等专科学校学报;2004年02期

6 赵艳;;RUP过程裁剪在组卷系统中的应用[J];洛阳师范学院学报;2008年05期

7 柯东林;;基于书版格式的题库管理及组卷系统的制作[J];鄂州大学学报;2007年05期

8 周洋;;论蓝鸽系统在英语教育中组卷系统的实际运用[J];考试周刊;2013年23期

9 ;[J];;年期

中国硕士学位论文全文数据库 前10条

1 李世正;智能在线组卷系统的设计与实现[D];广东技术师范学院;2015年

2 吴敏;面向教育大数据的关键算法研究与实现[D];电子科技大学;2016年

3 赵永虹;试题组卷系统的设计与实现[D];电子科技大学;2006年

4 金志伟;组卷系统设计与实现[D];西安电子科技大学;2014年

5 王琼瑶;智能化组卷系统的研究和实现[D];南京理工大学;2010年

6 胡健;组卷系统的研究与应用[D];贵州大学;2008年

7 陆齐芳;智能化组卷系统的设计与实现[D];电子科技大学;2011年

8 李璐璐;基于UML的计算机组卷系统的分析与设计[D];长春理工大学;2010年

9 陈晓;基于VFP组卷系统的研究与应用[D];中国海洋大学;2010年

10 陈文青;C语言试题库组卷系统的研究与实现[D];电子科技大学;2010年

，

本文编号：1292591