高校学生成绩的挖掘分析与研究

发布时间：2017-11-02 14:28

  本文关键词：高校学生成绩的挖掘分析与研究

  更多相关文章： 特征描述 因子分析 相关系数 多元线性回归 C5.0决策树

【摘要】：本文主要利用数据挖掘的算法对高校学生的学习成绩进行了挖掘分析。主要包括对高校学生成绩的特征描述与综合评价和对高校学生成绩影响因素的挖掘分析两个方面。首先,对高校学生成绩的总体分布特征进行了研究并综合评价了高校学生的成绩。学生成绩的特征描述是通过描述统计的方法对学生成绩的总体分布特征进行了初步的了解。学生成绩的综合评价是利用主成分提取公因子的因子分析的方法,对高校学生的成绩进行了综合评价,并找出了“综合能力因子”、“分析能力因子”是影响高校学生学习的主要因子。其次,对高校学生成绩的影响因素进行了挖掘分析。本文主要从各学期成绩的影响、各课程成绩的影响以及学生平时的学习行为习惯这三个维度进行了实例论证。首先采用相关系数法,探索各学期成绩的关系,并得出学生第二学期和第四学期的课程学习造成了高校学生学习成绩的分化。接着,以大学第一学年各门课程的成绩为自变量,建立多元回归模型,得出计算机基础课算法语言与程序设计、计算机应用基础高等代数与解析几何这门、数学分析这几门是影响学生学习成绩的关键科目。然而,造成学生成绩差异的不仅有学科、成绩方面的因素,更多的是学生内部的因素。学生的学习行为习惯对学生的对学生的学习成绩,起着决定性的作用,针对这一情况本文设计了《高校学生学习行为调查表》。根据调查所得数据,建立C5.0决策树模型,找到发现“学生课堂学习效果”、“学生平时的作业完成情况”是影响高校学生学习的关键因素,并对建立的决策树模型进行了模型评价。
【关键词】：特征描述 因子分析 相关系数 多元线性回归 C5.0决策树
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP311.13;G642.4
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 引言8-13
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-10
• 1.3 研究内容10-11
• 1.4 论文结构11-13
• 第二章 高校学生成绩的特征描述与综合评价13-24
• 2.1 高校学生成绩总体特征分析13-15
• 2.1.1 数据采集和数据预处理13
• 2.1.2 学生成绩的总体分布特征13-15
• 2.2 高校学生成绩的综合评价15-24
• 2.2.1 因子分析一般模型15-16
• 2.2.2 因子分析模型建立16-20
• 2.2.3 结果分析20-24
• 第三章 高校学生成绩影响因素挖掘分析24-41
• 3.1 高校学生各学期成绩的影响研究24-26
• 3.1.1 相关系数24-25
• 3.1.2 各学期成绩相关性分析25-26
• 3.2 高校学生各课程间的影响研究26-31
• 3.2.1 多元线性回归模型概念27-28
• 3.2.2 多元线性回归模型建立28-30
• 3.2.3 结果分析30-31
• 3.3 高校学生学习行为对成绩影响的挖掘分析31-41
• 3.3.1 C5.0 决策树算法介绍31-33
• 3.3.2 C5.0 决策树模型建立33-37
• 3.3.3 C5.0 决策树生成结果分析37-40
• 3.3.4 C5.0 决策树模型评价40-41
• 第四章 结论与展望41-43
• 4.1 结论41-42
• 4.2 展望42-43
• 致谢43-44
• 参考文献44-46
• 攻读硕士学位期间取得学术成果46

【参考文献】

中国期刊全文数据库 前1条

1 丁智斌;袁方;董贺伟;;数据挖掘在高校学生学习成绩分析中的应用[J];计算机工程与设计;2006年04期

，

本文编号：1131946