基于大数据的学生行为画像研究与分析

发布时间：2023-04-04 03:14

　　随着高校信息管理系统中学生行为数据的日益繁增,激发新思路分析与挖掘学生的各类行为数据成为当前教育领域的主流,同时,可以通过构建学生行为画像找到学生的行为数据与真实生活之间的联系。学生行为画像是指利用语义化的学生行为数据标签集合识别学生的行为特征,描述学生的行为习惯。本文提出基于大数据的学生行为画像研究与分析。该研究主要是以学生的各类行为数据为主,以空间聚类算法模型和基于关联规则的分类算法模型为辅,挖掘隐藏在学生行为背后的数据价值。从而引导和预测学生的行为轨迹,改进了高校传统的教与学的模式,在满足学生行为画像需求的同时,打破了学生数据已形成的先入之见。本文的主要内容如下:(1)处理学生行为数据。目前,针对高校学生行为数据的存储与量级鳞次栉比的问题,利用学生行为数据预处理和行为类型划分策略,集成相对完整的学生静态属性数据、成绩数据、消费金额数据、消费频次数据和借阅册数数据,消除学生各类行为数据的量级差异,规范化学生的各类行为数据。(2)分析学生各类行为数据。以规范化和集成化后具有相同量级的学生各类行为数据为基础。首先结合改进的肘部法则与K-means聚类算法分别对学生的各类行为数据进行聚类...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 用户画像研究现状
    1.3 相关方法研究现状
    1.4 课题研究内容
    1.5 论文组织结构
第2章 理论基础与相关技术
    2.1 引言
    2.2 数据挖掘概述
    2.3 行为画像概述
    2.4 数据预处理过程
        2.4.1 数据清洗
        2.4.2 数据集成
        2.4.3 数据转换
        2.4.4 数据规约
    2.5 数据挖掘过程
        2.5.1 数据挖掘步骤
        2.5.2 相关性分析研究
        2.5.3 CRISP-DM数据挖掘过程模型
        2.5.4 Fayyad数据挖掘过程模型
        2.5.5 结果的解释与评估
    2.6 本章小结
第3章 学生数据处理
    3.1 引言
    3.2 学生数据预处理
        3.2.1 数据采集
        3.2.2 数据清洗
        3.2.3 特征选择
        3.2.4 数据转换
    3.3 学生行为数据划分策略
        3.3.1 聚类算法
        3.3.2 肘部法则
        3.3.3 轮廓系数
        3.3.4 类别符号
    3.4 本章小结
第4章 学生行为画像分析
    4.1 引言
    4.2 学生行为数据分析
        4.2.1 实验方案
        4.2.2 实验分析
        4.2.3 实验对比
    4.3 学生行为画像研究
        4.3.1 行为画像过程
        4.3.2 行为标签集合
    4.4 基于频繁模式的分类算法
    4.5 本章小结
第5章 学生行为画像模型融合
    5.1 引言
    5.2 模型融合开发环境
    5.3 学生行为画像模型融合
        5.3.1 实验方案
        5.3.2 实验结果与分析
        5.3.3 学生行为画像
    5.4 数据挖掘结果可视化
    5.5 本章小结
总结与展望
参考文献
致谢
附录 A 攻读学位期间发表的学术论文和获奖情况



本文编号：3781677