基于校园大数据的学生行为特征分析与预测方法

发布时间：2020-12-14 01:26

　　如何有效挖掘学生行为数据是提升学生信息化管理水平的重要内容。针对目前学生信息化管理平台不完善、挖掘精度低的问题,结合决策树、神经网络以及朴素贝叶斯算法建立组合模型,建立基于Spark的学生行为分析与预测平台;同时,以学生消费规律、生活习惯以及学习情况等校园行为作为大数据来源,进行预测分析和实例验证。结果表明:该模型预测结果与实际情况相吻合,平均预测误差不超过5%,验证了所用方法的有效性,可根据学生行为特性分析其行为规律,指导学生行为向全面健康方向发展。 

【文章来源】：重庆理工大学学报(自然科学). 2019年07期 北大核心

【文章页数】：6 页

【文章目录】：
1 数据挖掘理论
    1.1 数据挖掘流程
    1.2 数据挖掘算法
    1.3 基于多算法组合的数据挖掘模型
2 基于校园大数据的学生行为特征分析与预测平台
    2.1 平台架构与流程
    2.2 学生行为数据处理
    2.3 行为结果分析
3 基于校园大数据的学生行为特征预测实例
4 结论


【参考文献】：
期刊论文
[1]大数据在高校学生学习行为模式挖掘中的应用[J]. 王晓雪,张家祯,郭贺,王灏.  智能计算机与应用. 2017(06)
[2]基于大数据的学生校园行为分析预警管理平台建构研究[J]. 邓逢光,张子石.  中国电化教育. 2017(11)
[3]数字化校园中用户网络行为大数据的分析与监控[J]. 任华,张玲,叶煜.  计算机与数字工程. 2017(09)
[4]高校学生上网行为分析与数据挖掘研究[J]. 胡祖辉,施佺.  中国远程教育. 2017(02)
[5]基于数据挖掘的学生选课及学习行为分析算法研究[J]. 姜永超.  现代电子技术. 2016(13)
[6]基于校园一卡通数据的学生消费及学习行为分析[J]. 姜楠,许维胜.  微型电脑应用. 2015(02)
[7]基于C4.5决策树的大学生笔记本电脑购买行为的数据挖掘[J]. 毛乾任,王朝斌.  重庆理工大学学报(自然科学). 2015(02)

硕士论文
[1]基于大数据的学生行为趋势挖掘系统设计与实现[D]. 何鑫.电子科技大学 2018
[2]基于校园大数据的学生行为分析与预测方法研究[D]. 梁柱.西安理工大学 2017
[3]大数据环境下校园网行为挖掘关键问题的研究与应用[D]. 李虎.郑州轻工业学院 2017



本文编号：2915543