当前位置:主页 > 教育论文 > 高等教育论文 >

基于学生行为的成绩预测模型的研究与应用

发布时间:2019-01-27 18:09
【摘要】:随着信息技术的高速发展,信息管理系统取代了传统的文本记录方式,被越来越多的引入到各行各业的日常生产和管理当中。21世纪以来,各大高校加快了信息化建设的步伐,建立自己的信息中心,利用信息管理系统来存储和管理教学教务信息。经过十多年的积累,在高校信息中心的数据库中存储了大量的学生数据,以往这些数据的价值得不到重视,常常被忽略。而在当前全球大数据的背景下,这些数据也开始进入研究者的视野,如何从这些数据中挖掘有用信息以帮助学生提高学习效果,改善高校教学管理水平,也成为了当前数据挖掘应用领域的一个重要研究课题。学习成绩是评价一个学生学习情况的最重要也最基础的指标,对学习成绩的分析有利于老师掌握学生的学习情况,有针对性地进行教学辅导。而学生的行为数据则是学生在校园中的学习方式与生活习惯的反映。本文就利用数据挖掘相关技术,根据高校学生行为数据,对高校学生的生活习惯进行充分的挖掘和分析,研究学生行为数据中和学生成绩有着较强关联性的潜在的行为模式,再通过数据挖掘技术建立成绩的预测模型,在达到利用学生的日常行为预测学生成绩的目的的同时建立学生辅导机制,从而提高学生学业成绩。成绩分析和预测是教育数据挖掘的一个研究方向,现有的研究工作大多是基于对课程或历史成绩的分析来对成绩进行预测,少量基于行为的分析也是侧重于单一行为和成绩的关联规则挖掘。本文在前人的研究基础上,不依赖于学生的个人信息和过往成绩,而是对学生在校园活动中产生的多种行为数据,包括消费数据、门禁数据和借阅数据进行深入的分析,找出学生行为数据背后的行为模式以及跟学生成绩相关的影响因素。选择两个年级的学生行为数据,从中提取行为特征,用数据挖掘算法建立对学生成绩的预测模型,同时对不同模型预测成绩的效果进行对比,确定最佳的成绩预测模型。最后将成绩预测应用到具体的学生管理系统当中。本文从一个新的角度利用数据挖掘对学生成绩进行预测,为数据挖掘在教育领域的应用做了一些探索性工作。
[Abstract]:With the rapid development of information technology, information management system has replaced the traditional way of text recording, and has been introduced into the daily production and management of various industries more and more. Since the 21st century, universities and colleges have accelerated the pace of information construction. Set up own information center, use information management system to store and manage teaching administration information. After more than ten years of accumulation, a large number of student data have been stored in the database of university information center. The value of these data has not been paid attention to in the past and is often ignored. Under the background of big data in the world at present, these data also begin to enter the research field of vision, how to mine the useful information from these data to help the student to improve the study effect, to improve the teaching management level of the university, It has also become an important research topic in the application field of data mining. Learning achievement is the most important and basic index to evaluate a student's learning situation. Student behavior data is a reflection of students' learning style and habits on campus. Based on the data mining technology and the data of college students' behavior, this paper fully excavates and analyzes the living habits of college students, and studies the potential behavior patterns which have strong correlation with students' achievement in student behavior data. Then through the data mining technology to establish the prediction model of the results, to achieve the purpose of using the students' daily behavior to predict the students' scores, and to establish the student guidance mechanism to improve the students' academic performance. Performance analysis and prediction is a research direction of educational data mining. Most of the existing research work is based on the analysis of curriculum or historical results to predict the results. A small amount of behavior-based analysis is also focused on single behavior and achievement mining association rules. On the basis of previous studies, this paper does not rely on students' personal information and past achievements. Instead, it makes an in-depth analysis of the various behavioral data generated by students in campus activities, including consumer data, access control data and borrowing data. Find out the behavior pattern behind the student behavior data and the influencing factors related to the student achievement. The behavior data of the two grades are selected to extract the behavior characteristics, and the prediction model of the students' achievement is established by using the data mining algorithm. At the same time, the results of the different models are compared to determine the best performance prediction model. Finally, the performance prediction is applied to the specific student management system. In this paper, we use data mining to predict students' achievement from a new point of view, and do some exploratory work for the application of data mining in the field of education.
【学位授予单位】:电子科技大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:G647;TP311.13

【相似文献】

相关期刊论文 前10条

1 韩明;数据挖掘及其对统计学的挑战[J];统计研究;2001年08期

2 香丽芸;浅谈数据挖掘及其应用[J];昌吉师专学报;2001年02期

3 韩海萌;信息时代的指南针——数据挖掘[J];江苏统计;2002年05期

4 林阳;数据挖掘在教育信息化中的潜在价值[J];现代教育技术;2002年01期

5 朱世武 ,崔嵬 ,张尧庭 ,谢邦昌;数据挖掘运用的理论与技术[J];统计研究;2003年08期

6 王晓涓,祁慧敏;数据挖掘漫谈[J];天中学刊;2003年02期

7 韩江;数据挖掘——极具发展潜力的新领域[J];苏州市职业大学学报;2004年01期

8 李菁菁,邵培基,黄亦潇;数据挖掘在中国的现状和发展研究[J];管理工程学报;2004年03期

9 ;中国科学院数据挖掘与知识管理学术研讨会在京举行[J];管理评论;2004年07期

10 魏瑜,陆静;数据挖掘与统计学的关系浅析[J];沿海企业与科技;2005年09期

相关会议论文 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集(研究报告篇)[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省(区)自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集(技术报告篇)[C];2001年

相关重要报纸文章 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘:金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者 史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘:信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

相关博士学位论文 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

8 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

9 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

10 蓝永豪(LAM Wing Ho);基于数据挖掘技术分析当代中医名家痤疮验方经验研究[D];南京中医药大学;2016年

相关硕士学位论文 前10条

1 刘媈;基于学生行为的成绩预测模型的研究与应用[D];电子科技大学;2017年

2 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

3 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

4 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年

5 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

6 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

7 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

8 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

9 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

10 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年



本文编号:2416547

资料下载
论文发表

本文链接:https://www.wllwen.com/jiaoyulunwen/gaodengjiaoyulunwen/2416547.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b6d3c***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com