基于多源数据综合分析的成绩预测研究与实践

发布时间：2020-12-17 15:35

　　在教育领域利用数据挖掘技术对学生在校园中的数据进行分析,从而与学生的学习成绩做出关联性研究已成为各高校中一个具有重要意义的课题。通过数据挖掘技术对学生成绩进行合理的预测,可以帮助学校针对不同的学生出制定个性化的教学方案,可以帮助学生规范不良的行为习惯并提高考试成绩。论文的研究与实践工作为:(1)从学校有关部门和互联网等多个数据源采集学生的基础数据和行为数据这两方面的数据。(2)将采集到的数据通过初步分析后,通过数据的清洗、选择、集成等步骤对数据进行较为全面的预处理工作。(3)从不同的维度对数据进行深入的分析工作,并在每一维数据的分析中针对性的向学校提出改进建议,且在分析中提出以上一个学期学生学习成绩和行为规律为参考,利用两学期学生学习生活的变化对本学期学生的成绩做出预测的新思路,并最终提取出用于建立预测模型的学生属性特征。(4)以朴素贝叶斯和K近邻分类算法分别对学生数据构建了成绩预测模型,并进行了模型评估和两种预测模型的详细对比。论文通过数据挖掘技术以学生数据为基础,建立学生成绩预测模型,这使得学校可以根据预测结果更加清晰地了解学生,并提前对学生的行为规律加以约束,以帮助其提高学习成绩... 

【文章来源】：内蒙古大学内蒙古自治区 211工程院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

KNN算法决策示意图

图 3.1 第一学期不同年级学生平均成绩对比条形图arison of the Average Grades of Different Grades in

图 3.2 第二学期不同年级学生平均成绩对比条形图rison of the Average Grades of Different Grades in th

【参考文献】：
期刊论文
[1]教育数据挖掘的研究进展与趋势[J]. 雷晓锋,杨明.  北京航空航天大学学报(社会科学版). 2018(04)
[2]基于Python爬虫技术的网页数据抓取与分析研究[J]. 熊畅.  数字技术与应用. 2017(09)
[3]数据挖掘在大数据时代下的应用[J]. 史梦楚.  中国新通信. 2017(08)
[4]基于大数据的数据挖掘技术与应用[J]. 张爱国.  现代工业经济和信息化. 2017(03)
[5]大数据的数据清洗方法研究[J]. 谭晖,廖振松,周小翠,贺凡.  信息通信. 2017(01)
[6]教育大数据研究综述[J]. 杜婧敏,方海光,李维杨,仝赛赛.  中国教育信息化. 2016(19)
[7]教育大数据的核心技术、应用现状与发展趋势[J]. 孙洪涛,郑勤华.  远程教育杂志. 2016(05)
[8]数据挖掘在国内教育领域应用的研究综述[J]. 牛瑞敏.  中山大学研究生学刊(人文社会科学版). 2016(02)
[9]朴素贝叶斯算法的改进与应用[J]. 赵文涛,孟令军,赵好好,王春春.  测控技术. 2016(02)
[10]数据挖掘在学生专业成绩预测上的应用[J]. 崔仁桀.  软件. 2016(01)

硕士论文
[1]基于学生行为的成绩预测模型的研究与应用[D]. 刘譞.电子科技大学 2017
[2]大数据对高等教育发展的推动研究[D]. 贾同.西南大学 2015
[3]利用校园一卡通数据优化高校贫困生认定系统[D]. 陈建兵.电子科技大学 2012
[4]基于一卡通数据的消费行为与成绩的关联性研究分析[D]. 徐剑.南昌大学 2010



本文编号：2922280