基于大数据的高校学生学业成绩预警分析

发布时间：2021-08-19 23:31

　　近年来,随着互联网技术的飞速发展,大数据逐渐成为各行各业关注的热点。如何利用教育大数据进一步增强教学效果、提高人才培养的质量成为教育领域研究的重要问题。本文从学生行为大数据入手,就高校学生学业成绩进行了预警分析,为高校管理者进行决策参考。首先,依托某高校的联机事务处理系统获取了该校2017年全年的学生行为数据,将原始的非结构化、半结构化数据进行清洗形成可以用于分析的结构化数据,并对相应的变量进行了缺失值、异常值处理以及数据标准化;其次,针对数据集变量多的特点,利用了主成分分析和主基底分析两种降维方法,形成两个新的变量集,将样本按照9:1的比例分成训练集和测试集,并基于新的变量集分别对训练集进行了多元回归分析,通过评估和比较,选择了主基底分析所生成变量集作为自变量建立模型,并利用成绩预测模型得出该高校将有448名学生下学期学业成绩严重落后,并向高校管理者建议对这448名学生做出学业预警,同时通过研究预测模型的变量系数以及变量之间的相关关系发现,周末外出比例高、自习次数多、家庭贫困度正常、喜欢浏览学业与求职方面网页的学生学业表现较好,建议学校多向这些方面引导学生。本文克服了传统研究中只利用... 

【文章来源】：天津商业大学天津市

【文章页数】：100 页

【学位级别】：硕士

【部分图文】：

技术路线图

变量分类Fig2-1Variableclassification

图 3-1主成分碎石图Fig3-1 Principal component scree plot由图 3-1 可知，从第 86 个因子开始曲线趋于平缓，因此可以将该碎石图的拐点定位第 85 个因子，所以本文提取前 85 个因子作为主成分分析的结果。将由主成分

【参考文献】：
期刊论文
[1]统计数据缺失值产生的主要原因及解决方法研究[J]. 柳丹.  经营管理者. 2017(12)
[2]大数据在高校教育信息化中的应用探究[J]. 赵玉洁.  中国教育信息化. 2015(19)
[3]大数据在高校中的应用[J]. 姜蕴莉,李静.  科技经济市场. 2014(11)
[4]高校成绩分析存在问题及应对策略研究[J]. 周海林.  黑龙江教育学院学报. 2010(10)
[5]欠发达地区高校非英语专业大学生学习者个体因素对学习动机及学业成绩的影响[J]. 杜正学.  陇东学院学报. 2009(05)
[6]数据挖掘技术在高校教学评估中的应用[J]. 吕爽,陈高云.  广东广播电视大学学报. 2006(03)
[7]关联规则挖掘的常用算法及其比较分析[J]. 涂承胜.  重庆三峡学院学报. 2006(03)
[8]数据挖掘在高校学生学习成绩分析中的应用[J]. 丁智斌,袁方,董贺伟.  计算机工程与设计. 2006(04)
[9]对关联规则挖掘Apriori算法的进一步改进[J]. 朱祥玉,侯德文,陈希.  信息技术与信息化. 2005(06)

硕士论文
[1]家庭社会经济地位（SES）对学业成绩的影响[D]. 谢红荣.石河子大学 2017
[2]基于数据挖掘的HSK成绩分析[D]. 吴耿聪.华侨大学 2017
[3]新疆少数民族大学生入学成绩对学业成就的影响研究[D]. 张雪.石河子大学 2016
[4]数据挖掘在高校图书馆管理系统中的应用[D]. 曲彩鑫.哈尔滨工程大学 2016
[5]Apriori改进算法在教学评价中的应用[D]. 郑丽生.华侨大学 2015
[6]高校学生成绩的挖掘分析与研究[D]. 李晓琳.成都理工大学 2015
[7]多元统计分析的综合评价作用研究[D]. 朱晓坡.贵州民族大学 2013
[8]大学生动态求职招聘与信息分析系统的分析与设计[D]. 王宇昕.北京邮电大学 2012
[9]典型相关分析在数据挖掘中的应用[D]. 李秀阁.长春工业大学 2011
[10]关联规则算法的研究[D]. 文拯.中南大学 2009



本文编号：3352346