基于校园大数据的朋友网络挖掘与高阶行为特征分析

发布时间：2022-08-29 18:17

　　随着教育信息化和互联网的普及发展,高校数字化校园的建设也如火如茶。因为智能设备为学生提供了便利的校园生活环境,同时记录了大量的学生行为数据,所以我们可以通过无线网络WiFi和智能手机APP,以及校园数字管理系统CDMS和无线射频识别系统RFID轻松获取和分析学生丰富多彩的校园生活活动轨迹和行为数据。挖掘这些有价值的信息,可以为教育管理者提供更加科学有效的数据支持。同时,如何通过数据挖掘有效地利用学生的行为数据并对其行为特征进行分析,对于提高教育教学质量和教学效益具有一定的理论和现实意义。本论文基于学生智能校园卡、无线WiFi、校园数字化管理系统来收集学生个人的行为活动数据,包括学生的购物、就餐、消费和图书借阅、图书馆门禁、宿舍门禁、洗浴、上网与学生成绩等信息。虽然这些数据纷乱且嘈杂,但是其中隐含着不直观但又非常有价值的信息。本文将利用这些数据,首先构建学生的朋友关系网络,分析其组成和结构,通过网络分析出学生学业成绩表现在朋友网络的体现方式,找到朋友网络对于学生成绩的积极的因素,帮助我们更好的了解学生的在校生活和个性化发展。然后从有序性、勤奋性和记忆性三个高阶行为特征分析学生行为活动,通... 

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 教育大数据推动教育产业发展
        1.1.2 数据挖掘技术助力教育管理
        1.1.3 社会网络分析为学习分析提供新的角度
    1.2 研究内容和方法
    1.3 论文结构
第二章 国内外研究现状与理论基础
    2.1 教育大数据与数据挖掘技术
        2.1.1 教育大数据和学生行为数据挖掘的研究现状
        2.1.2 数据挖掘理论基础
    2.2 社会网络分析
        2.2.1 社会网络分析的研究现状
        2.2.2 社会网络分析的理论基础
第三章 数据收集与处理
    3.1 数据采集
    3.2 数据预处理
        3.2.1 数据清洗
        3.2.2 数据融合
第四章 朋友网络分析
    4.1 构建社交网络
    4.2 网络分析
        4.2.1 成员结构
        4.2.2 网络结构
        4.2.3 同配系数
第五章 高阶行为特征分析
    5.1 有序性特征
        5.1.1 真实熵
        5.1.2 有序性特征对学习的影响
    5.2 勤奋性特征
        5.2.1 分布规律
        5.2.2 勤奋度特征对学习的影响
    5.3 记忆性特征
        5.3.1 分布规律
        5.3.2 记忆性特征对学习的影响
第六章 总结与展望
    6.1 结论与总结
    6.2 研究展望
参考文献
攻读硕士期间发表的论文
致谢


【参考文献】：
期刊论文
[1]基于校园行为大数据分析的学生画像系统构建探析[J]. 施明毅,杨光莹,杜敏,张家乐,韩秋,陈梓贤.  中国多媒体与网络教学学报(上旬刊). 2020(04)
[2]大数据在教育中的应用综述与未来发展的几点思考[J]. 吴绪玲.  内江科技. 2019(11)
[3]基于校园大数据的学生行为特征分析与预测方法[J]. 李铁波.  重庆理工大学学报(自然科学). 2019(07)
[4]教育大数据在高校贫困生预测中的应用研究[J]. 朱剑林,朱容波,康怡琳,韦唯.  教育教学论坛. 2018(21)
[5]基于智慧课堂的教育大数据分析与应用研究[J]. 刘邦奇,李鑫.  远程教育杂志. 2018(03)
[6]基于一卡通数据的校园大数据分析平台的构建与应用[J]. 夏杨,王芳.  华中师范大学学报(自然科学版). 2017(S1)
[7]电子科技大学 一体化大数据提供师生精准画像[J]. 吕红胤,于晨阳,苏涵,连德富,颜凯.  中国教育网络. 2017(Z1)
[8]基于Spark的智慧校园数据挖掘研究[J]. 李慧芳,白珊,马强,贾鑫.  智能计算机与应用. 2016(06)
[9]发展教育大数据:内涵、价值和挑战[J]. 杨现民,唐斯斯,李冀红.  现代远程教育研究. 2016(01)
[10]数据挖掘技术在信息化校园的应用[J]. 翟峰.  才智. 2015(20)

硕士论文
[1]基于关联规则的成绩分析及课程设置研究[D]. 孙月昊.河北科技大学 2013



本文编号：3678780