基于数据挖掘的IT职业教育研究
发布时间：2021-11-20 00:11
随着互联网技术的不断发展,信息技术已经涉及到各行各业。伴随着信息技术的兴起,在很多领域中,IT人才短缺的问题也日益严重。IT人才的短缺是影响信息技术迅速普及应用的重要因素。由于IT人才的短缺以及市场的需要,IT职业教育培训机构在市场上涌现出来。本文以北京百知教育科技有限公司的Java培训业务板块的18个班共1342名学习者为研究对象,在归纳和分析的基础上,采用数据挖掘的方法,比较K最近邻（KNN,K-Nearest Neighbor）算法、支持向量机（SVM）算法以及在K最近邻算法与支持向量机算法结合成SVM-KNN新算法的优缺点,构建分类预测模型,通过构建的预测模型,实现了对培训机构毕业状态的预测。根据分析预测后的结果,在学习者属性特征中找出影响学习的关键因素,这可以对IT职业教育学习者以及教育工作者提供改进学习效果的良好建议:尽早帮助学生发现学习中的相关问题,提高学习成绩;并提高毕业生的整体质量。本文收集的数据集属性包括:专业、学历层次、在校期间三个阶段--Core java阶段、WEB阶段、Framework阶段的学习成绩共5个方面的特征,对此进行了深入分析与探讨,得到了相应结论...
【文章来源】：广西师范大学广西壮族自治区
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
近五年“数据挖掘”发表论文情况
图 1-2 检索“计算机职业教育”论文发表情况国内对教育数据挖掘研究方面，陶颖[10]将数据挖掘技术与学生就业问题相关联规则中的 Apriori 算法作为主要研究算法，并对算法进行改进应用于中校中，对不同学校、不同专业、不同学年学生的就业情况进行了分析，找
图 2-1 数据挖掘是知识发现的一个过程据挖掘是伴随着海量数据库系统的建立以及万维网的广泛应用所发展起来数据挖掘属于交叉性学科，主要涵盖了数据库技术、机器学习、统计学、视化分析、模式识别等多门学科。
【参考文献】：
期刊论文
[1]混淆矩阵算法在质检工作中的应用[J]. 姜阳,房龙. 经纬天地. 2019(01)
[2]试析现代农业中物联网应用的现状与展望[J]. 杜颖. 计算机产品与流通. 2019(01)
[3]多关系关联规则挖掘在考勤数据分析中的应用[J]. 姜丽莉,黄承宁. 电脑知识与技术. 2018(36)
[4]不平衡数据分类研究综述[J]. 赵楠,张小芳,张利军. 计算机科学. 2018(S1)
[5]结合高斯混合模型的关联分类离散化算法研究[J]. 吴辰文,郭叔瑾,李晨阳. 小型微型计算机系统. 2018(04)
[6]基于SVMKNN的老人跌倒检测算法[J]. 张舒雅,吴科艳,黄炎子,刘守印. 计算机与现代化. 2017(12)
[7]反恐情报分析中的数据预处理研究[J]. 李勇男,梅建明,秦广军. 情报科学. 2017(11)
[8]基于数据挖掘的MOOC学习行为与学习效果研究[J]. 张大胤,陈若航,常朵. 太原城市职业技术学院学报. 2017(10)
[9]教育数据挖掘及其教学应用实证分析[J]. 胡水星. 现代远距离教育. 2017(04)
[10]基于聚类改进的KNN文本分类算法[J]. 周庆平,谭长庚,王宏君,湛淼湘. 计算机应用研究. 2016(11)
博士论文
[1]文本情感分析中关键问题的研究[D]. 李岩.北京邮电大学 2014
[2]新生代高学历员工组织支持感与职业成功的作用机制研究[D]. 易世志.西南财经大学 2013
[3]微博热点事件的公众情感分析研究[D]. 崔安颀.清华大学 2013
[4]面向智能电网的公共信息模型及其若干关键应用研究[D]. 曹晋彰.浙江大学 2013
[5]领域本体构造中数据源选取及构造方法的研究[D]. 邢军.大连理工大学 2008
硕士论文
[1]基于决策粗糙集和SVM算法的网络入侵检测应用研究[D]. 陈罗春.南昌大学 2018
[2]基于互联网环境下学习行为的数据挖掘研究[D]. 张大胤.广西师范大学 2018
[3]基于代价敏感的改进AdaBoost算法在不平衡数据中的应用[D]. 孙炜.暨南大学 2018
[4]基于数据挖掘技术的课程相关性分析及其应用研究[D]. 吴文玲.四川师范大学 2018
[5]基于数据挖掘的CET-4成绩分析与研究[D]. 王芙蓉.宁夏大学 2016
[6]基于统计学的人机交互视频数据挖掘系统研究[D]. 孙丹.山东大学 2014
[7]数据挖掘技术在CET-4成绩分析中的应用研究[D]. 刘红保.河北大学 2014
[8]基于面向云服务的Python并行计算的研究[D]. 陈从江.电子科技大学 2014
[9]模型选择中的交叉验证方法综述[D]. 范永东.山西大学 2013
[10]最近邻分类的若干改进算法研究[D]. 仲媛.南京理工大学 2012
本文编号：3506169
【文章来源】：广西师范大学广西壮族自治区
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
近五年“数据挖掘”发表论文情况
图 1-2 检索“计算机职业教育”论文发表情况国内对教育数据挖掘研究方面，陶颖[10]将数据挖掘技术与学生就业问题相关联规则中的 Apriori 算法作为主要研究算法，并对算法进行改进应用于中校中，对不同学校、不同专业、不同学年学生的就业情况进行了分析，找
图 2-1 数据挖掘是知识发现的一个过程据挖掘是伴随着海量数据库系统的建立以及万维网的广泛应用所发展起来数据挖掘属于交叉性学科，主要涵盖了数据库技术、机器学习、统计学、视化分析、模式识别等多门学科。
【参考文献】：
期刊论文
[1]混淆矩阵算法在质检工作中的应用[J]. 姜阳,房龙. 经纬天地. 2019(01)
[2]试析现代农业中物联网应用的现状与展望[J]. 杜颖. 计算机产品与流通. 2019(01)
[3]多关系关联规则挖掘在考勤数据分析中的应用[J]. 姜丽莉,黄承宁. 电脑知识与技术. 2018(36)
[4]不平衡数据分类研究综述[J]. 赵楠,张小芳,张利军. 计算机科学. 2018(S1)
[5]结合高斯混合模型的关联分类离散化算法研究[J]. 吴辰文,郭叔瑾,李晨阳. 小型微型计算机系统. 2018(04)
[6]基于SVMKNN的老人跌倒检测算法[J]. 张舒雅,吴科艳,黄炎子,刘守印. 计算机与现代化. 2017(12)
[7]反恐情报分析中的数据预处理研究[J]. 李勇男,梅建明,秦广军. 情报科学. 2017(11)
[8]基于数据挖掘的MOOC学习行为与学习效果研究[J]. 张大胤,陈若航,常朵. 太原城市职业技术学院学报. 2017(10)
[9]教育数据挖掘及其教学应用实证分析[J]. 胡水星. 现代远距离教育. 2017(04)
[10]基于聚类改进的KNN文本分类算法[J]. 周庆平,谭长庚,王宏君,湛淼湘. 计算机应用研究. 2016(11)
博士论文
[1]文本情感分析中关键问题的研究[D]. 李岩.北京邮电大学 2014
[2]新生代高学历员工组织支持感与职业成功的作用机制研究[D]. 易世志.西南财经大学 2013
[3]微博热点事件的公众情感分析研究[D]. 崔安颀.清华大学 2013
[4]面向智能电网的公共信息模型及其若干关键应用研究[D]. 曹晋彰.浙江大学 2013
[5]领域本体构造中数据源选取及构造方法的研究[D]. 邢军.大连理工大学 2008
硕士论文
[1]基于决策粗糙集和SVM算法的网络入侵检测应用研究[D]. 陈罗春.南昌大学 2018
[2]基于互联网环境下学习行为的数据挖掘研究[D]. 张大胤.广西师范大学 2018
[3]基于代价敏感的改进AdaBoost算法在不平衡数据中的应用[D]. 孙炜.暨南大学 2018
[4]基于数据挖掘技术的课程相关性分析及其应用研究[D]. 吴文玲.四川师范大学 2018
[5]基于数据挖掘的CET-4成绩分析与研究[D]. 王芙蓉.宁夏大学 2016
[6]基于统计学的人机交互视频数据挖掘系统研究[D]. 孙丹.山东大学 2014
[7]数据挖掘技术在CET-4成绩分析中的应用研究[D]. 刘红保.河北大学 2014
[8]基于面向云服务的Python并行计算的研究[D]. 陈从江.电子科技大学 2014
[9]模型选择中的交叉验证方法综述[D]. 范永东.山西大学 2013
[10]最近邻分类的若干改进算法研究[D]. 仲媛.南京理工大学 2012
本文编号：3506169
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/3506169.html
