基于大学生行为分析的学业预警方法研究
发布时间：2021-04-28 13:36
在大数据时代背景下,教育数据挖掘运用教育心理学、计算机科学和统计学等多个学科的理论和技术来发现和解决教育研究、教学实践中的各种问题。本文在对H校六届毕业生共31597人的一卡通使用数据进行统计分析的基础上,着眼于探究影响大学生毕业成绩的要素。首先,假定大学生毕业成绩与大学生个人属性和行为属性密不可分,为了找到Top-k个行为轨迹,提出基于压缩时间片序列的频繁序列模式挖掘算法,并在2012级共27939974条一卡通使用记录上验证了算法的有效性和鲁棒性;然后,使用此结果及大学生前两学年的成绩成功应用SVM算法,预测其毕业成绩,验证学业预警功能,为高校学生的科学智能化管理提供新的方法和思路。本文的主要工作如下:1、大学生在校期间一卡通及各学期成绩的数据预处理。基于H校20092014级大学生的一卡通使用记录、选课记录、大学生的基本信息和成绩信息等数据,着眼于探究影响大学生成绩的要素,通过统计分析大学生在校期间的各种数据,假定大学生的成绩与其在校期间的行为轨迹密不可分,进而根据这些行为发生的顺序对数据集成,恢复大学生在校园内的行为轨迹。根据挖掘目标选取实验数据并完成数据...
【文章来源】：河北师范大学河北省
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究工作的背景和意义
1.2 教育数据挖掘的研究历史和现状
1.2.1 教育数据挖掘研究现状
1.2.2 教育数据挖掘中的基于学生行为分析的研究现状
1.3 本文研究的主要内容
1.4 论文的结构安排
2 大学生在校数据分析及数据预处理
2.1 数据结构分析
2.2 数据分析
2.2.1 分析H校在校大学生的基本情况
2.2.2 分析H校在校大学生的成绩信息与基本信息的关联
2.3 数据清理及集成
2.3.1 缺失值和噪声处理
2.3.2 数据集成
2.4 数据变换与规范化
2.5 本章小结
3 大学生在校行为中规律的行为模式发现
3.1 规律的行为模式定义
3.2 图书馆的进馆次数和时长数据分析
3.2.1 图书馆总时长分析
3.2.2 进图书馆次数分析
3.3 一卡通和自习、图书馆借书数据分析
3.4 本章小结
4 大学生在校行为轨迹的频繁序列模式挖掘
4.1 大学生在校行为分析
4.2 大学生在校行为轨迹的刻画
4.3 频繁序列模式挖掘
4.3.1 算法的主要思想
4.3.2 算法描述
4.3.3 算法实例
4.3.4 实验结果及对比
4.4 本章小结
5 基于成绩预测的学业预警
5.1 学业预警的定义
5.2 成绩预测模型在大学生在校行为数据中的应用
5.2.1 基于大学生静态属性的成绩预测模型
5.2.2 基于大学生规律属性的成绩预测模型
5.2.3 基于大学生动态属性的成绩预测模型
5.2.4 基于大学生组合属性的成绩预测模型
5.3 成绩等级划分
5.4 学业预警的应用
5.5 结果分析
5.6 本章小结
6 总结与展望
6.1 工作总结
6.2 后续工作展望
参考文献
致谢
【参考文献】：
期刊论文
[1]独立学院学生行为规律、群体特征与维护稳定体系的构建[J]. 林颖. 齐齐哈尔大学学报(哲学社会科学版). 2017(12)
[2]教学评价数据的离群点检测算法研究[J]. 李慧,王国强,郭瑞强,高静伟,暴延敏. 软件. 2017(04)
[3]基于轨迹数据的武汉大学学生行为规律分析[J]. 杜胜兰,李枫,黄长青,刘子政,李默颖,栗法,王英. 测绘地理信息. 2017(01)
[4]基于矩阵的Apriori算法改进[J]. 宋文慧,高建瓴. 计算机技术与发展. 2016(06)
[5]基于认知诊断的个性化试题推荐方法[J]. 朱天宇,黄振亚,陈恩红,刘淇,吴润泽,吴乐,苏喻,陈志刚,胡国平. 计算机学报. 2017(01)
[6]大数据环境下学业预警系统设计与分析[J]. 金义富,吴涛,张子石,王伟东. 中国电化教育. 2016(02)
[7]教育数据挖掘研究进展综述[J]. 周庆,牟超,杨丹. 软件学报. 2015(11)
[8]MOOC:特征与学习机制[J]. 王永固,张庆. 教育研究. 2014(09)
[9]关联规则挖掘在高校教学评价中的应用[J]. 任高举,白亚男. 计算机与数字工程. 2014(08)
[10]大学生学业预警评价指标体系的构建与应用研究[J]. 袁安府,张娜,沈海霞. 黑龙江高教研究. 2014(03)
博士论文
[1]基于行为分析的用户能力挖掘[D]. 管楚.中国科学技术大学 2017
[2]基于社交大数据的用户信用画像方法研究[D]. 郭光明.中国科学技术大学 2017
[3]面向在线用户消费行为理解的数据挖掘方法研究[D]. 吴乐.中国科学技术大学 2015
[4]时间序列数据分类、检索方法及应用研究[D]. 郑毅.中国科学技术大学 2015
[5]移动用户轨迹与行为模式挖掘方法研究[D]. Shafqat Ali Shad.中国科学技术大学 2013
[6]基于用户行为挖掘的数据流管理技术研究[D]. 李军.北京邮电大学 2012
硕士论文
[1]基于手机轨迹数据的校园学生活动规律挖掘[D]. 叶泽桂.深圳大学 2017
[2]大学教学评价数据的挖掘方法研究[D]. 李慧.河北师范大学 2017
[3]基于时间序列的频繁模式挖掘研究与应用[D]. 郑邦祺.电子科技大学 2016
[4]基于数据挖掘技术的学生成绩分析系统的设计与实现[D]. 马丹.吉林大学 2015
[5]时序数据序列模式挖掘[D]. 董鑫.南京航空航天大学 2015
[6]时间序列数据挖掘算法研究及其应用[D]. 郑宝芬.浙江大学 2015
[7]基于命题逻辑的频繁序列模式挖掘算法的研究[D]. 冯建.浙江工业大学 2014
[8]基于时序行为挖掘和隐私保护的协同过滤推荐算法研究[D]. 孙光福.中国科学技术大学 2014
[9]基于Web的用户行为分析和挖掘的关键技术研究[D]. 周云龙.电子科技大学 2013
[10]基于用户行为分析的数据挖掘系统研究与设计[D]. 李晓辉.北京邮电大学 2011
本文编号：3165570
【文章来源】：河北师范大学河北省
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究工作的背景和意义
1.2 教育数据挖掘的研究历史和现状
1.2.1 教育数据挖掘研究现状
1.2.2 教育数据挖掘中的基于学生行为分析的研究现状
1.3 本文研究的主要内容
1.4 论文的结构安排
2 大学生在校数据分析及数据预处理
2.1 数据结构分析
2.2 数据分析
2.2.1 分析H校在校大学生的基本情况
2.2.2 分析H校在校大学生的成绩信息与基本信息的关联
2.3 数据清理及集成
2.3.1 缺失值和噪声处理
2.3.2 数据集成
2.4 数据变换与规范化
2.5 本章小结
3 大学生在校行为中规律的行为模式发现
3.1 规律的行为模式定义
3.2 图书馆的进馆次数和时长数据分析
3.2.1 图书馆总时长分析
3.2.2 进图书馆次数分析
3.3 一卡通和自习、图书馆借书数据分析
3.4 本章小结
4 大学生在校行为轨迹的频繁序列模式挖掘
4.1 大学生在校行为分析
4.2 大学生在校行为轨迹的刻画
4.3 频繁序列模式挖掘
4.3.1 算法的主要思想
4.3.2 算法描述
4.3.3 算法实例
4.3.4 实验结果及对比
4.4 本章小结
5 基于成绩预测的学业预警
5.1 学业预警的定义
5.2 成绩预测模型在大学生在校行为数据中的应用
5.2.1 基于大学生静态属性的成绩预测模型
5.2.2 基于大学生规律属性的成绩预测模型
5.2.3 基于大学生动态属性的成绩预测模型
5.2.4 基于大学生组合属性的成绩预测模型
5.3 成绩等级划分
5.4 学业预警的应用
5.5 结果分析
5.6 本章小结
6 总结与展望
6.1 工作总结
6.2 后续工作展望
参考文献
致谢
【参考文献】：
期刊论文
[1]独立学院学生行为规律、群体特征与维护稳定体系的构建[J]. 林颖. 齐齐哈尔大学学报(哲学社会科学版). 2017(12)
[2]教学评价数据的离群点检测算法研究[J]. 李慧,王国强,郭瑞强,高静伟,暴延敏. 软件. 2017(04)
[3]基于轨迹数据的武汉大学学生行为规律分析[J]. 杜胜兰,李枫,黄长青,刘子政,李默颖,栗法,王英. 测绘地理信息. 2017(01)
[4]基于矩阵的Apriori算法改进[J]. 宋文慧,高建瓴. 计算机技术与发展. 2016(06)
[5]基于认知诊断的个性化试题推荐方法[J]. 朱天宇,黄振亚,陈恩红,刘淇,吴润泽,吴乐,苏喻,陈志刚,胡国平. 计算机学报. 2017(01)
[6]大数据环境下学业预警系统设计与分析[J]. 金义富,吴涛,张子石,王伟东. 中国电化教育. 2016(02)
[7]教育数据挖掘研究进展综述[J]. 周庆,牟超,杨丹. 软件学报. 2015(11)
[8]MOOC:特征与学习机制[J]. 王永固,张庆. 教育研究. 2014(09)
[9]关联规则挖掘在高校教学评价中的应用[J]. 任高举,白亚男. 计算机与数字工程. 2014(08)
[10]大学生学业预警评价指标体系的构建与应用研究[J]. 袁安府,张娜,沈海霞. 黑龙江高教研究. 2014(03)
博士论文
[1]基于行为分析的用户能力挖掘[D]. 管楚.中国科学技术大学 2017
[2]基于社交大数据的用户信用画像方法研究[D]. 郭光明.中国科学技术大学 2017
[3]面向在线用户消费行为理解的数据挖掘方法研究[D]. 吴乐.中国科学技术大学 2015
[4]时间序列数据分类、检索方法及应用研究[D]. 郑毅.中国科学技术大学 2015
[5]移动用户轨迹与行为模式挖掘方法研究[D]. Shafqat Ali Shad.中国科学技术大学 2013
[6]基于用户行为挖掘的数据流管理技术研究[D]. 李军.北京邮电大学 2012
硕士论文
[1]基于手机轨迹数据的校园学生活动规律挖掘[D]. 叶泽桂.深圳大学 2017
[2]大学教学评价数据的挖掘方法研究[D]. 李慧.河北师范大学 2017
[3]基于时间序列的频繁模式挖掘研究与应用[D]. 郑邦祺.电子科技大学 2016
[4]基于数据挖掘技术的学生成绩分析系统的设计与实现[D]. 马丹.吉林大学 2015
[5]时序数据序列模式挖掘[D]. 董鑫.南京航空航天大学 2015
[6]时间序列数据挖掘算法研究及其应用[D]. 郑宝芬.浙江大学 2015
[7]基于命题逻辑的频繁序列模式挖掘算法的研究[D]. 冯建.浙江工业大学 2014
[8]基于时序行为挖掘和隐私保护的协同过滤推荐算法研究[D]. 孙光福.中国科学技术大学 2014
[9]基于Web的用户行为分析和挖掘的关键技术研究[D]. 周云龙.电子科技大学 2013
[10]基于用户行为分析的数据挖掘系统研究与设计[D]. 李晓辉.北京邮电大学 2011
本文编号：3165570
本文链接：https://www.wllwen.com/jiaoyulunwen/jiaoyuxinli/3165570.html
