基于统计数据的教育评估和决策研究
发布时间：2021-10-30 04:41
在大数据技术的驱动下,教育数据研究对教育发展规律探索的作用愈加重要。通过挖掘、分析教育数据,从更深层揭示教育发展轨迹。深度挖掘教育数据中的隐藏信息,可以暴露教育过程中存在的问题,最终为教育管理部门提供教育决策支持。本文主要从教育决策角度出发,对基础教育评估问题和资源均衡分配问题建立大数据模型,研究内容主要如下:1、以教育机构的教师人数、校舍建筑面积、辅助用房面积、体育馆面积、图书册数、计算机台数及教学仪器设备资产等七项基础教育资源数据作为输入数据源,分析此七项数据和教育教学质量水平存在的关联关系,基于Lib-SVM建立评估模型,对基础教育机构的教育教学质量水平进行等级评估,为水平选优评估和教育方案决策提供基础服务。2、通过对基础教育统计数据的整理分析,研究基于时间序列的教育教学数据变化趋势,基于LS-SVM算法建立教育教学数据预测模型,对基础教育教学数据的变化趋势进行了预测分析,得到较为精准的教育教学数据变化曲线,为教育教学发展提供数据支持和科学依据,为教育管理部门教育决策方案制定提供支持和服务。3、统计分析各区域基础教育资源配置情况,针对教育资源区域配置不均衡问题,参照教育教学资源区...
【文章来源】：西安理工大学陕西省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
基于Lib-SVM算法评估模型流程图
图 3-2 部分训练数据归一化结果Figure 3-2Apart of train data normalized results然后使用 FormatDataLibsvm 将归一化后的数据转化为 Lib-SVM 数据格式，格式化输入数据结果如下图：图 3-3 部分训练数据格式化结果Figure 3-3 Apart of train data formatted results
图 3-2 部分训练数据归一化结果Figure 3-2Apart of train data normalized results然后使用 FormatDataLibsvm 将归一化后的数据转化为 Lib-SVM 数据格式，格式化输入数据结果如下图：
本文编号：3466069
【文章来源】：西安理工大学陕西省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
基于Lib-SVM算法评估模型流程图
图 3-2 部分训练数据归一化结果Figure 3-2Apart of train data normalized results然后使用 FormatDataLibsvm 将归一化后的数据转化为 Lib-SVM 数据格式，格式化输入数据结果如下图：图 3-3 部分训练数据格式化结果Figure 3-3 Apart of train data formatted results
图 3-2 部分训练数据归一化结果Figure 3-2Apart of train data normalized results然后使用 FormatDataLibsvm 将归一化后的数据转化为 Lib-SVM 数据格式，格式化输入数据结果如下图：
本文编号：3466069
本文链接：https://www.wllwen.com/jiaoyulunwen/chuzhongjiaoyu/3466069.html
