基于机器学习的学生学业预警模型研究

发布时间：2021-03-15 23:03

　　教育是国家发展的重要工作之一,是国家和社会培养高素质人才的必要途径。而学生的学业水平是衡量高校教育教学质量、教师教学效果以及学生学习能力的重要指标。学生学业水平的提升,不仅需要提高任课教师的执教水平,还需要结合具体需要,应用先进的技术和方法,从多个方向出发,加快提升学生的学习质量和学业水平以及学校教学质量的步伐。本文针对从技术和方法方面帮助学生提升学业水平,提出了学生学业预警模型。该预警模型通过分析统计某大学学生成绩等数据,分别实现学生课程挂科预测和学生毕业情况预测,从而实现异常学生学业预警。在进行学生课程挂科预测研究时,基本思想是利用Bagging-C4.5决策树算法训练课程挂科预测模型,并使用遗传算法对模型进行优化。在进行学生毕业情况预测研究时,基本思想是基于采集的学生数据,使用加权朴素贝叶斯和C4.5决策树两种算法共同建立学生毕业预测模型。在进行学生课程挂科预测研究时,首先利用关联规则挖掘出对待预测课程影响较大的课程,将其与提取的其它特征共同构建实验数据集;然后采用Bagging-C4.5训练样本获得分类模型,由于Bagging-C4.5算法训练模型时会产生相同或相似的C4.5基... 

【文章来源】：沈阳理工大学辽宁省

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

课程挂科预测结果正确率对比图

课程挂科预测结果召回率对比图

课程挂科预测结果精度对比图

【参考文献】：
期刊论文
[1]多元线性回归在分析学生成绩排名预测中的应用[J]. 张晓非,王玉雯,聂佳琦,马晓雨,吕静毅.  福建电脑. 2018(05)
[2]基于校园一卡通数据的成绩排名预测方法研究[J]. 邢窈窈,唐丽,郭磊.  中国教育信息化. 2018(09)
[3]基于混合遗传神经网络的运动员专项成绩预测系统设计[J]. 马德,李少聪,张军峰.  现代电子技术. 2018(08)
[4]基于模糊决策树的成绩评估模型[J]. 刘姣,王兵,蒋玉宇,陈宓宓.  计算机与数字工程. 2018(01)
[5]数据挖掘在高校学生学业预警中的应用[J]. 宫锋.  电子技术与软件工程. 2017(04)
[6]一元线性回归在成绩预测中的应用[J]. 李苹,刘昆,徐坚,徐昆良,张顺吉.  电脑知识与技术. 2016(24)
[7]基于数据截断变换的主成分分析回归预测方法[J]. 苏嘉,关毅.  智能计算机与应用. 2016(03)
[8]基于遗传神经网络成绩预测的研究与实现[J]. 陈勇.  现代电子技术. 2016(05)
[9]基于改进的TrAdaboost算法的学生成绩排名预测[J]. 谢星宇,张颖璐.  计算机与现代化. 2016(02)
[10]学习质量动态跟踪系统的设计与实现[J]. 马君亮,陈二静,曹婷,林春娜,叶宇晗.  现代电子技术. 2015(18)

硕士论文
[1]基于C4.5决策树的学生成绩预测教学系统的研究与实现[D]. 胡金涛.西南交通大学 2017
[2]基于决策树的高校成绩管理与分析系统的设计与实现[D]. 陈国林.河北科技大学 2016
[3]基于AdaBoost的学生学业水平预测的研究与应用[D]. 赵轩赫.东北大学 2017
[4]基于关联规则算法的数据挖掘在高校成绩中的研究与应用[D]. 姚文迪.西南交通大学 2015
[5]基于KPCA的大学生学业预警模型及其应用[D]. 郑俊玲.华北理工大学 2015
[6]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
[7]聚类分析和关联规则技术在成绩分析中的研究及应用[D]. 柳玉巧.华中师范大学 2014
[8]基于数据挖掘的高校成绩分析系统的设计与实现[D]. 侯继文.延边大学 2015
[9]基于特征重要度和决策树技术的考试成绩分析研究[D]. 何光凝.河北大学 2013
[10]基于蚁群算法的聚类分析在学生成绩评价中的应用研究[D]. 付希.西南交通大学 2013



本文编号：3084968