基于考试成绩得分的知识点关联关系分析研究

发布时间：2024-04-19 23:43

　　现阶段关联规则挖掘算法大部分依靠学生课程的最终成绩挖掘课程间的关联,而很少挖掘课程内部知识点间的知识关联,以及不同课程中知识点间的关联关系。针对这一问题,从学生试卷中知识点的得分情况分析,挖掘知识点间的关联关系,同时结合知识点间固有的包含关系和前驱关系,使用neo4j图数据库进行可视化,根据可视化的结果,对学生进行指引和预警。在挖掘知识点间关联规则的过程中,针对学生成绩中知识点得分数据十分密集知识点间关联复杂的特点,导致挖掘时间开销过大,生成规则数量过多的问题,分析了关联规则算法中已有的宽度优先改进算法和DHP算法在时间和空间效率的不足,提出了基于hash函数的改进算法。同时在已有的评价指标的基础上,提出了一种新的匹配度评价指标,避免了生成规则数量过多的问题。然后,将改进算法和新匹配度评价指标在公开数据集上进行实验验证。结果表明,改进的算法能有效减少时间开销而评价指标能有效减少生成关联规则的数量。使用该改进算法对我校12-16年计算机专业学生考试成绩中知识点的得分情况进行数据挖掘,挖掘出知识点间的关联关系,同时结合已有的知识点间的前驱关系和包含关系,筛选出有效的关联规则,帮助学生更好地...

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图1-1教育学数据挖掘年度趋势（截取自知网）

得分情况更能精确地反映学生的学习情况，将大数据技术运用在学生课程“知识点”级的挖掘研究,并将其结果与学生学习状态，知识点难易程度，学生阶段性评价和终结性评价联系起来，能精准了解高校学生的学习情况，从而为高校老师在为高校学生的学习规划、资源推荐上提供帮助[5]。在实际中，“一切为....

图1-2教育学数据挖掘年度趋势（截取自WebofScience）

华中科技大学硕士学位论文具体表现为从2001的11篇，增长到2005年的131篇，在到2016的765篇，最后预估2019年会有1079篇文章，反映了数据挖掘在教育学研究在我国的持续发展。随着对研究对象的逐步深化，教育学大数据....

图1-3知识点图谱构建过程图

首先从教育学数据挖掘领域出发，介绍了该领域的研究背景，意义以及未来展趋势，针对研究对象细粒度不够的问题，提出了一种解决方法，构建专业课识点的图谱。重点介绍了知识点间的三种关系，前驱关系，聚合关系和关联下来，选取特定数据集构建知识点图谱中知识点的前驱关系和聚合关系。在构建专业课程知....

图2-1典型语义网络是

教育学数据挖掘领域很容易出现知识过载和信息就是在检索资源的时候，同一关键字下包含海量资源，从而导致些海量资源中筛选出检索者需要的资源以及资源的学习顺序，针对这些问题，提出了一种的解决方法，构建专业课程知识点谱中专业课程知识点间的前驱关系，包含关系以及相关关系，据支持和理论支撑.。....

本文编号：3958552