基于高校论坛数据的成绩预测和学生心理状况分析
发布时间：2021-02-03 15:16
工具的进步是体现人类社会发展水平的重要标志之一,从石器到青铜,从蒸汽到电能都标志着人类对自然的改造能力的巨大跃迁。高校是国家高素质人才的摇篮,如何有效提高人才培养质量一直是高校教育教学改革的重点。教育部在2016年下发的教高[2016]2号文件中将“推进信息技术与教育教学深度融合”列为了改革指导方向。在信息技术高速发展的今天,高校能够轻松获取海量的学生行为数据,基于海量数据进行学生行为分析,我们能够获知学生的失联时长,了解学生的学校社交关系,甚至在期中就对学生的期末成绩有一个定性的预测。随着对教育大数据领域的不断深入研究,许多有价值的科研成果被应用到教育改革的探索中。在这个大背景下,本文对电子科技大学官方学生论坛的数据进行了深度挖掘,力求从中找到学生的论坛活动与学生成绩、学生心理状况之间的关联性,从学生论坛数据的角度解释高校学生在学业表现以及心理变化的深层次原因,利用数据挖掘技术将这些联系定量地呈现出来,发掘其中对高校教育改革有价值的内容。本文的研究内容分为两个部分:1)学生心理建模通过对电子科技大学学生论坛2700多万条数据的收集和整理,本文从学生情感倾向分析、学生兴趣分析和学生社交...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：99 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究的背景与意义
1.2 国内外研究现状
1.3 本文的研究贡献
1.4 论文的组织结构
第二章 论坛数据分析相关概念与技术
2.1 学生论坛介绍
2.1.1 学校论坛历史及现状
2.1.2 论坛数据的特点
2.2 论坛数据挖掘使用到的算法
2.2.1 回归分析
2.2.2 分类分析
2.3 论坛文本处理
2.3.1 文本分词
2.3.2 文本编码
2.3.3 文本降维技术
2.3.4 中文情感分析
2.3.5 文本分类算法
2.4 成绩预测相关技术
2.4.1 成绩预测到学习排序的转换
2.4.2 学习排序常用方法
2.5 本章小结
第三章 基于论坛数据的心理建模
3.1 心理建模综述
3.1.1 学生心理问卷调查数据
3.1.2 基于论坛数据的心理建模算法流程
3.2 基于情感的学生心理分析
3.2.1 基于情感的心理分析算法流程
3.2.2 基于词典的情感倾向分析
3.2.3 论坛情感特征提取
3.2.4 情感倾向与心理状况的相关性验证
3.3 基于兴趣的学生心理分析
3.3.1 兴趣用于心理分析的算法流程
3.3.2 按板块划分帖子主题
3.3.3 对论坛未知主题帖子进行分类
3.3.4 学生兴趣特征提取
3.3.5 兴趣与心理状况的相关性验证
3.4 基于社交的学生心理分析
3.4.1 社交特征用于心理分析的算法流程
3.4.2 从回复引用中提取社交特征
3.4.3 从论坛互动中提取社交特征
3.4.4 社交与心理状况的相关性验证
3.5 学生情感、兴趣和社交模型的融合
3.6 融合后的心理模型检验
3.7 本章小结
第四章 基于学习排序的成绩预测
4.0 成绩预测综述
4.0.1 基于学习排序的成绩预测的算法流程
4.1 成绩相关介绍
4.1.1 成绩的定义
4.1.2 成绩预测模型
4.1.3 排名评价标准
4.2 学生论坛活动特征提取
4.2.1 发帖特征
4.2.2 回帖特征
4.3 成绩预测实验结果
4.3.1 仅使用一卡通特征的效果
4.3.2 加入论坛行为特征后的效果
4.3.3 论坛活动特征对成绩预测的作用
4.4 本章小结
第五章 全文总结与展望
5.1 全文总结
5.2 待深入的研究方向
致谢
参考文献
【参考文献】：
期刊论文
[1]MOOC的发展历程与主要特征分析[J]. 陈肖庚,王顶明. 现代教育技术. 2013(11)
[2]文本分类中的特征降维方法研究[J]. 张玉芳,万斌候,熊忠阳. 计算机应用研究. 2012(07)
[3]基于层次结构的多策略中文微博情感分析和特征抽取[J]. 谢丽星,周明,孙茂松. 中文信息学报. 2012(01)
[4]文本情感分析[J]. 赵妍妍,秦兵,刘挺. 软件学报. 2010(08)
[5]使用机器学习方法进行新闻的情感自动分类[J]. 徐军,丁宇新,王晓龙. 中文信息学报. 2007(06)
[6]几种常用文本分类算法性能比较与分析[J]. 卢苇,彭雅. 湖南大学学报(自然科学版). 2007(06)
[7]中文分词十年回顾[J]. 黄昌宁,赵海. 中文信息学报. 2007(03)
[8]高校BBS社群结构与信息传播的影响因素[J]. 宫辉,徐渝. 西安交通大学学报(社会科学版). 2007(01)
本文编号：3016726
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：99 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究的背景与意义
1.2 国内外研究现状
1.3 本文的研究贡献
1.4 论文的组织结构
第二章 论坛数据分析相关概念与技术
2.1 学生论坛介绍
2.1.1 学校论坛历史及现状
2.1.2 论坛数据的特点
2.2 论坛数据挖掘使用到的算法
2.2.1 回归分析
2.2.2 分类分析
2.3 论坛文本处理
2.3.1 文本分词
2.3.2 文本编码
2.3.3 文本降维技术
2.3.4 中文情感分析
2.3.5 文本分类算法
2.4 成绩预测相关技术
2.4.1 成绩预测到学习排序的转换
2.4.2 学习排序常用方法
2.5 本章小结
第三章 基于论坛数据的心理建模
3.1 心理建模综述
3.1.1 学生心理问卷调查数据
3.1.2 基于论坛数据的心理建模算法流程
3.2 基于情感的学生心理分析
3.2.1 基于情感的心理分析算法流程
3.2.2 基于词典的情感倾向分析
3.2.3 论坛情感特征提取
3.2.4 情感倾向与心理状况的相关性验证
3.3 基于兴趣的学生心理分析
3.3.1 兴趣用于心理分析的算法流程
3.3.2 按板块划分帖子主题
3.3.3 对论坛未知主题帖子进行分类
3.3.4 学生兴趣特征提取
3.3.5 兴趣与心理状况的相关性验证
3.4 基于社交的学生心理分析
3.4.1 社交特征用于心理分析的算法流程
3.4.2 从回复引用中提取社交特征
3.4.3 从论坛互动中提取社交特征
3.4.4 社交与心理状况的相关性验证
3.5 学生情感、兴趣和社交模型的融合
3.6 融合后的心理模型检验
3.7 本章小结
第四章 基于学习排序的成绩预测
4.0 成绩预测综述
4.0.1 基于学习排序的成绩预测的算法流程
4.1 成绩相关介绍
4.1.1 成绩的定义
4.1.2 成绩预测模型
4.1.3 排名评价标准
4.2 学生论坛活动特征提取
4.2.1 发帖特征
4.2.2 回帖特征
4.3 成绩预测实验结果
4.3.1 仅使用一卡通特征的效果
4.3.2 加入论坛行为特征后的效果
4.3.3 论坛活动特征对成绩预测的作用
4.4 本章小结
第五章 全文总结与展望
5.1 全文总结
5.2 待深入的研究方向
致谢
参考文献
【参考文献】：
期刊论文
[1]MOOC的发展历程与主要特征分析[J]. 陈肖庚,王顶明. 现代教育技术. 2013(11)
[2]文本分类中的特征降维方法研究[J]. 张玉芳,万斌候,熊忠阳. 计算机应用研究. 2012(07)
[3]基于层次结构的多策略中文微博情感分析和特征抽取[J]. 谢丽星,周明,孙茂松. 中文信息学报. 2012(01)
[4]文本情感分析[J]. 赵妍妍,秦兵,刘挺. 软件学报. 2010(08)
[5]使用机器学习方法进行新闻的情感自动分类[J]. 徐军,丁宇新,王晓龙. 中文信息学报. 2007(06)
[6]几种常用文本分类算法性能比较与分析[J]. 卢苇,彭雅. 湖南大学学报(自然科学版). 2007(06)
[7]中文分词十年回顾[J]. 黄昌宁,赵海. 中文信息学报. 2007(03)
[8]高校BBS社群结构与信息传播的影响因素[J]. 宫辉,徐渝. 西安交通大学学报(社会科学版). 2007(01)
本文编号：3016726
本文链接：https://www.wllwen.com/jiaoyulunwen/gaodengjiaoyulunwen/3016726.html
