基于关联规则的教学行为分析与研究
发布时间：2020-12-04 13:45
随着互联网的不断普及,教师开始使用互联网进行教学和授课,因此产生的数据也随之增多。我们从而可以使用关联规则对教师产生的教学数据进行分析,并作出相应的教学上的调整。关联规则分析与传统分析模式相比,有着反应更快,评价手段更多,发现的规律更准确的特性。传统的教学分析已经无法满足现有的需求。因此,使用关联规则对教学行为进行分析研究很有必要。本文的主要研究成果如下:1.针对目前网站产生的大量教学数据,分析了教师教学的特点和进行分析的各个维度,确定对于教师教学而言适合的分析报告和内容,确定了数据挖掘的分析任务和对象,使用关联规则算法进行计算,最终设计一个适合于关联规则的教学行为分析系统。2.对传统关联规则算法进行了学习,并分析了算法的定义和概念,并了解了算法的优缺点。针对传统算法的主要缺陷进行了改进,并结合9月1号网引入了学年学期参数,运用实验结果验证了改进的可行性,提升了算法的运行效率,并将改进后的算法应用于分析系统中。3.结合9月1号网(中国教育知识服务云)平台,实现了基于关联规则的教学行为分析系统,包括关联规则分析和结果可视化,能够实现管理人员自定义分析内容,分析教学行为和将关联规则转化为文...
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
数据挖掘系统的组成
北京工业大学工程硕士专业学位论文因为数据挖掘可以从大量数据中寻找有用的信息，被人们认为是解决目前数据爆炸的重要手段之一。数据挖掘通常而言是一个不断循环、不断执行的过程。其过程包括确立对象、数据准备、挖掘、结果处理以及同化知识这五个主要部分，各步骤如图 2-3 所示。
进行关联规则分析的系统，主要包括两大部分：Apriori 算法的设计与实现，本章主要讲述 Apriori 算法及其改进。riori 算法分析riori 算法的运行流程是：在第一次扫描原始数据库 D 时，通过扫描，统计各项，得出候选 1-项集。将候选 1-项集中的各项算法之前设置好的最小支持度做对比。选取项集中支持度比设的项，生成频繁 1-项集。在这个基础上，通过 1-频繁集的自集。自连接的条件是，两个有序的 k-1 项集的前 k-2 项完全相不相同，则这两个项集可以连接，生成 k 项集。之后计算候选，通过候选 2-项集得到频繁 2-项集。之后，不断重复这个过更高阶的频繁集为止。这时，最后一个所求出的非空的频繁项的频繁项集[48]。执行步骤如图 3-1 所示：
【参考文献】：
期刊论文
[1]基于远程教学视点下的大数据挖掘模式问题研究[J]. 张琳,李小平,张少刚,陈建珍,孙志伟,孙清亮. 中国电化教育. 2018(04)
[2]基于Web数据挖掘的远程教育资源推送系统[J]. 梁陈丽. 软件导刊(教育技术). 2018(02)
[3]面向智慧课堂的数据挖掘与学习分析框架及应用[J]. 孙曙辉,刘邦奇,李鑫. 中国电化教育. 2018(02)
[4]国外教育大数据研究的可视化分析[J]. 梅鹏飞,何晓萍. 中国教育信息化. 2018(03)
[5]面向在线智慧学习的教育数据挖掘技术研究[J]. 刘淇,陈恩红,朱天宇,黄振亚,吴润泽,苏喻,胡国平. 模式识别与人工智能. 2018(01)
[6]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)
[7]关联规则算法在互联网教育领域的研究及应用[J]. 邓吉君. 信息与电脑(理论版). 2016(03)
[8]基于线性链表的Apriori算法的改进[J]. 胡双,邱金水,贺建峰,马磊,易三莉. 信息技术. 2013(08)
[9]关联规则在远程教育教学评价中的应用[J]. 肖志明. 中国远程教育. 2012(09)
[10]运用数据挖掘与知识发现提高决策分析能力[J]. 李小庆. 农业发展与金融. 2011(03)
硕士论文
[1]大数据在学习过程控制中的应用研究[D]. 周骏.南京邮电大学 2017
[2]在线课程推荐算法与知识点关联挖掘方法的研究[D]. 胡冰涛.华东师范大学 2017
[3]基于Weka平台的网络教学数据分析研究与实践[D]. 殷鹏.山东师范大学 2017
[4]一种多维多层的关联规则挖掘算法在教育数据上的应用[D]. 张莹莹.吉林大学 2017
[5]数据挖掘在教学评估系统中的应用研究[D]. 伍熙熙.北京化工大学 2015
[6]基于关联规则和用户喜好程度的综合电子商务推荐系统的研究[D]. 张同启.北京邮电大学 2015
[7]数据挖掘技术在营养配餐系统中的应用研究[D]. 张云渡.北京工业大学 2014
[8]电子商务网站销售数据分析与挖掘[D]. 路高飞.南京大学 2014
[9]一种改进的Apriori算法在手机评教系统中的研究[D]. 丁磊.华中师范大学 2014
[10]数据挖掘技术在教育行业CRM中的应用研究[D]. 徐国庆.山东师范大学 2013
本文编号：2897710
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
数据挖掘系统的组成
北京工业大学工程硕士专业学位论文因为数据挖掘可以从大量数据中寻找有用的信息，被人们认为是解决目前数据爆炸的重要手段之一。数据挖掘通常而言是一个不断循环、不断执行的过程。其过程包括确立对象、数据准备、挖掘、结果处理以及同化知识这五个主要部分，各步骤如图 2-3 所示。
进行关联规则分析的系统，主要包括两大部分：Apriori 算法的设计与实现，本章主要讲述 Apriori 算法及其改进。riori 算法分析riori 算法的运行流程是：在第一次扫描原始数据库 D 时，通过扫描，统计各项，得出候选 1-项集。将候选 1-项集中的各项算法之前设置好的最小支持度做对比。选取项集中支持度比设的项，生成频繁 1-项集。在这个基础上，通过 1-频繁集的自集。自连接的条件是，两个有序的 k-1 项集的前 k-2 项完全相不相同，则这两个项集可以连接，生成 k 项集。之后计算候选，通过候选 2-项集得到频繁 2-项集。之后，不断重复这个过更高阶的频繁集为止。这时，最后一个所求出的非空的频繁项的频繁项集[48]。执行步骤如图 3-1 所示：
【参考文献】：
期刊论文
[1]基于远程教学视点下的大数据挖掘模式问题研究[J]. 张琳,李小平,张少刚,陈建珍,孙志伟,孙清亮. 中国电化教育. 2018(04)
[2]基于Web数据挖掘的远程教育资源推送系统[J]. 梁陈丽. 软件导刊(教育技术). 2018(02)
[3]面向智慧课堂的数据挖掘与学习分析框架及应用[J]. 孙曙辉,刘邦奇,李鑫. 中国电化教育. 2018(02)
[4]国外教育大数据研究的可视化分析[J]. 梅鹏飞,何晓萍. 中国教育信息化. 2018(03)
[5]面向在线智慧学习的教育数据挖掘技术研究[J]. 刘淇,陈恩红,朱天宇,黄振亚,吴润泽,苏喻,胡国平. 模式识别与人工智能. 2018(01)
[6]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)
[7]关联规则算法在互联网教育领域的研究及应用[J]. 邓吉君. 信息与电脑(理论版). 2016(03)
[8]基于线性链表的Apriori算法的改进[J]. 胡双,邱金水,贺建峰,马磊,易三莉. 信息技术. 2013(08)
[9]关联规则在远程教育教学评价中的应用[J]. 肖志明. 中国远程教育. 2012(09)
[10]运用数据挖掘与知识发现提高决策分析能力[J]. 李小庆. 农业发展与金融. 2011(03)
硕士论文
[1]大数据在学习过程控制中的应用研究[D]. 周骏.南京邮电大学 2017
[2]在线课程推荐算法与知识点关联挖掘方法的研究[D]. 胡冰涛.华东师范大学 2017
[3]基于Weka平台的网络教学数据分析研究与实践[D]. 殷鹏.山东师范大学 2017
[4]一种多维多层的关联规则挖掘算法在教育数据上的应用[D]. 张莹莹.吉林大学 2017
[5]数据挖掘在教学评估系统中的应用研究[D]. 伍熙熙.北京化工大学 2015
[6]基于关联规则和用户喜好程度的综合电子商务推荐系统的研究[D]. 张同启.北京邮电大学 2015
[7]数据挖掘技术在营养配餐系统中的应用研究[D]. 张云渡.北京工业大学 2014
[8]电子商务网站销售数据分析与挖掘[D]. 路高飞.南京大学 2014
[9]一种改进的Apriori算法在手机评教系统中的研究[D]. 丁磊.华中师范大学 2014
[10]数据挖掘技术在教育行业CRM中的应用研究[D]. 徐国庆.山东师范大学 2013
本文编号：2897710
本文链接：https://www.wllwen.com/jiaoyulunwen/jykj/2897710.html
