浅析数据挖掘技术在自学考试成绩分析中的应用

发布时间：2021-11-26 08:39

　　随着大数据时代的到来,高等教育自学考试历经30余年发展,积累的海量考生成绩数据尤显珍贵。然而,面对庞大的考生成绩大数据,大部分高校仅仅停留在较为简单的原始数据的备份、数据查询和数据报表统计阶段,没有体现出数据与自学考试各专业、学科和课程之间的内在联系。在自学考试日常考务管理、开考计划安排和决策工作中,缺乏数据的支持,仅凭借以往经验来采取较为传统的管理方法。高等教育自学考试要向更高层次发展,就需要运用数据挖掘技术从自学考试大数据中找出各数据间的关联性,并将有用数据信息转化为知识表示,合理地利用这些有价的、隐藏的数据信息,为自学考试各专业开考计划的设置、教学管理及领导决策等提供支持服务。可以促使自学考试实现高效、规范、科学的管理,有利于推动自学考试改革的创新和可持续发展。 

【文章来源】：吉林广播电视大学学报. 2019,(11)

【文章页数】：3 页

【文章目录】：
一、引言
二、数据挖掘技术的发展现状
    1、数据挖掘技术国外发展现状
    2、数据挖掘技术国内发展现状
三、自学考试成绩管理中存在的问题
四、数据挖掘技术在自学考试成绩分析中应用的必要性
五、基于数据挖掘技术的自学考试成绩分析应用的路径选择
    1、数据挖掘技术在提高自学考试通过率方面的应用
    2、数据挖掘技术在满足学生个性化学习需求方面的应用
    3、数据挖掘技术在优化自学考试课程结构方面的应用
    4、数据挖掘技术在实现自学考试精确化、科学化管理方面的应用
六、结束语


【参考文献】：
期刊论文
[1]关联规则挖掘在开放教育教学管理中的应用[J]. 褚志涛.  南京广播电视大学学报. 2019(01)
[2]应用智慧化技术推动金融服务创新[J]. 隋菱歌.  长春金融高等专科学校学报. 2016(01)
[3]谈数据挖掘在高校成绩分析中的应用[J]. 刘海燕.  才智. 2014(22)
[4]基于关联规则的数据挖掘技术在教学评价及学生成绩关系之间的应用研究[J]. 陈涛,王万荣.  安徽科技学院学报. 2013(06)
[5]基于密度的聚类算法DBSCAN的研究与实现[J]. 曾泽林,段明秀.  科技信息. 2012(30)

硕士论文
[1]数据挖掘中的关联规则技术研究[D]. 赵岩.西安电子科技大学 2008



本文编号：3519787