基于模糊C均值聚类的学生表现评估

发布时间：2024-05-28 21:11

　　教育机构需要为学生提供高质量的教育,因此从教育数据中获取有用信息是非常关键的。然而,由于教育数据来源和结构的不同,准确评价学生的学习成绩是很难的。此外,由于学生的学习能力不同,采取的教学方法也是不一样的。因此为了解决以上问题,找到教育数据中的相似性,文中研究提出一种基于模糊C-均值的聚类算法,将学生成绩进行聚类,利用二维与三维可视化,展示其结果。实验结果表明,教育者可以通过该方法更好的掌握学生成绩,从而为教学提供决策依据。

【文章页数】：6 页

【部分图文】：

图1学生评估流程

为了更好地理解基于FCM的学生成绩评价过程,图1给出了用FCM评价学生成绩的流程图。如图1所示,学生数据集需要通过数据选择、数据预处理和数据转换进行预处理(例如,去除学生姓名和课程名称等不必要的特征)。当数据准备好后,采用FCM聚类算法得到聚类,每个聚类代表一个性能水平(包括坏、....

图2数字媒体班聚类结果

图2-7给出了数字媒体、网络工程、计算机科学与技术、软件工程1班、软件工程2班所有大学生的聚类结果。二维聚类结果为每幅图的图2(a),三维聚类结果为每幅图的图2(b)。此外,数字媒体、网络工程、计算机科学与技术、软件工程1班、软件工程2班和所有大学生的班级聚集中心,如表2所示。每....

图3网络工程班聚类结果

图2数字媒体班聚类结果图4计算机科学与技术班聚类结果

图4计算机科学与技术班聚类结果

图3网络工程班聚类结果从图2可以看出,数字媒体班级的学生“优秀”表现的数据主要集中在三维聚类图中的簇3,虽然有些数据在二维聚类中的结果中比簇1(大学物理)的差。这是因为聚类是基于综合表现,综合考虑所有三门课程的成绩。因此,一个课程成绩低于另一个学生并不意味着TA的整体表现也较低....

本文编号：3983736