基于数据挖掘技术的考试体系分析统计

发布时间：2022-01-19 07:14

　　考试是教育事业不可或缺的一环,考试分析也是教育测试研究领域的一大课题。考试分析可分为报考分析,成绩分析和试卷质量分析三大部分,这三部分有着各自的分析理论和方法。数理统计方法通过各项统计模型及其指标来进行考试分析。经典测量理论（CTT理论）建立信度、效度、项目分析、常模、标准化等一系列概念和原理对考试情况进行有针对性的衡量。项目反应理论（IRT理论）运用概率模型（如Rasch模型）构建非线性函数来描述考生对试卷的反应,以此衡量考生的能力和试卷质量。数据挖掘技术能够对考试数据内的信息进行深度的的挖掘。其中C4.5决策树算法、Aprior算法和K-means算法都是数据挖掘领域的经典算法。C4.5决策树算法可以产生考试数据中的决策树规则,Apriori算法可以挖掘考试成绩与考试各因素之间的关联规则。K-means算法是一种常用的聚类分析算法,通过在数据间的接近或相似程度的度量中引入距离的概念以方便量化研究。本文尝试在考试分析体系中运用这三种数据挖掘算法进行实证分析,并与教育统计学、教育测量学进行相应对比,发现了传统考试分析系统在报名、成绩和试卷质量各环节存在的问题,以及数据挖掘技术与传统考试... 

【文章来源】：安庆师范大学安徽省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

‐2偏态量数图

‐3峰态量数图

‐1考务管理系统及报名信息图例

【参考文献】：
期刊论文
[1]Clementine数据挖掘工具在计算机等级考试成绩中的应用[J]. 程代娣.  齐鲁工业大学学报. 2017(06)
[2]基于数据挖掘的大学生课堂学习行为数据研究[J]. 刘艳,耿强,苗莉.  电子商务. 2017(11)
[3]大数据背景下学习评估方法分析[J]. 王传根,吴昊,刘路路.  教育教学论坛. 2017(42)
[4]教育大数据环境下基于关联规则的答卷分析模型研究[J]. 赵纪涛,王婷.  现代计算机(专业版). 2017(29)
[5]数据挖掘在计算机课程成绩分析中的应用[J]. 和铁行,王伟.  浙江医学教育. 2017(05)
[6]基于决策树技术的大学英语等级考试成绩分析[J]. 郑丽丹.  九江学院学报(自然科学版). 2017(03)
[7]基于数据挖掘技术的考试作弊风险预警研究——以广州科技职业技术学院为例[J]. 刘丽娜.  吉林省教育学院学报. 2017(09)
[8]基于决策树的学生成绩分类研究[J]. 阴爱英,杨晓花.  赤峰学院学报(自然科学版). 2017(16)
[9]基于决策树技术在高考成绩的分析研究[J]. 倪婧文,沈良忠.  电脑知识与技术. 2017(22)
[10]基于决策树的大学英语等级考试成绩研究[J]. 毛雪吟,沈良忠.  电脑知识与技术. 2017(22)

硕士论文
[1]基于数据挖掘的初中试卷分析方法研究[D]. 王唯嘉.四川师范大学 2017
[2]基于多元统计与复杂网络方法的考试数据分析研究[D]. 卢诗洁.北京邮电大学 2017
[3]基于经典测量理论的试卷评价系统的设计[D]. 丁海霞.贵州师范大学 2014



本文编号：3596441