【摘要】：隨著信息技術的高速發(fā)展,信息管理系統(tǒng)取代了傳統(tǒng)的文本記錄方式,被越來越多的引入到各行各業(yè)的日常生產(chǎn)和管理當中。21世紀以來,各大高校加快了信息化建設的步伐,建立自己的信息中心,利用信息管理系統(tǒng)來存儲和管理教學教務信息。經(jīng)過十多年的積累,在高校信息中心的數(shù)據(jù)庫中存儲了大量的學生數(shù)據(jù),以往這些數(shù)據(jù)的價值得不到重視,常常被忽略。而在當前全球大數(shù)據(jù)的背景下,這些數(shù)據(jù)也開始進入研究者的視野,如何從這些數(shù)據(jù)中挖掘有用信息以幫助學生提高學習效果,改善高校教學管理水平,也成為了當前數(shù)據(jù)挖掘應用領域的一個重要研究課題。學習成績是評價一個學生學習情況的最重要也最基礎的指標,對學習成績的分析有利于老師掌握學生的學習情況,有針對性地進行教學輔導。而學生的行為數(shù)據(jù)則是學生在校園中的學習方式與生活習慣的反映。本文就利用數(shù)據(jù)挖掘相關技術,根據(jù)高校學生行為數(shù)據(jù),對高校學生的生活習慣進行充分的挖掘和分析,研究學生行為數(shù)據(jù)中和學生成績有著較強關聯(lián)性的潛在的行為模式,再通過數(shù)據(jù)挖掘技術建立成績的預測模型,在達到利用學生的日常行為預測學生成績的目的的同時建立學生輔導機制,從而提高學生學業(yè)成績。成績分析和預測是教育數(shù)據(jù)挖掘的一個研究方向,現(xiàn)有的研究工作大多是基于對課程或歷史成績的分析來對成績進行預測,少量基于行為的分析也是側重于單一行為和成績的關聯(lián)規(guī)則挖掘。本文在前人的研究基礎上,不依賴于學生的個人信息和過往成績,而是對學生在校園活動中產(chǎn)生的多種行為數(shù)據(jù),包括消費數(shù)據(jù)、門禁數(shù)據(jù)和借閱數(shù)據(jù)進行深入的分析,找出學生行為數(shù)據(jù)背后的行為模式以及跟學生成績相關的影響因素。選擇兩個年級的學生行為數(shù)據(jù),從中提取行為特征,用數(shù)據(jù)挖掘算法建立對學生成績的預測模型,同時對不同模型預測成績的效果進行對比,確定最佳的成績預測模型。最后將成績預測應用到具體的學生管理系統(tǒng)當中。本文從一個新的角度利用數(shù)據(jù)挖掘對學生成績進行預測,為數(shù)據(jù)挖掘在教育領域的應用做了一些探索性工作。
[Abstract]:With the rapid development of information technology, information management system has replaced the traditional way of text recording, and has been introduced into the daily production and management of various industries more and more. Since the 21st century, universities and colleges have accelerated the pace of information construction. Set up own information center, use information management system to store and manage teaching administration information. After more than ten years of accumulation, a large number of student data have been stored in the database of university information center. The value of these data has not been paid attention to in the past and is often ignored. Under the background of big data in the world at present, these data also begin to enter the research field of vision, how to mine the useful information from these data to help the student to improve the study effect, to improve the teaching management level of the university, It has also become an important research topic in the application field of data mining. Learning achievement is the most important and basic index to evaluate a student's learning situation. Student behavior data is a reflection of students' learning style and habits on campus. Based on the data mining technology and the data of college students' behavior, this paper fully excavates and analyzes the living habits of college students, and studies the potential behavior patterns which have strong correlation with students' achievement in student behavior data. Then through the data mining technology to establish the prediction model of the results, to achieve the purpose of using the students' daily behavior to predict the students' scores, and to establish the student guidance mechanism to improve the students' academic performance. Performance analysis and prediction is a research direction of educational data mining. Most of the existing research work is based on the analysis of curriculum or historical results to predict the results. A small amount of behavior-based analysis is also focused on single behavior and achievement mining association rules. On the basis of previous studies, this paper does not rely on students' personal information and past achievements. Instead, it makes an in-depth analysis of the various behavioral data generated by students in campus activities, including consumer data, access control data and borrowing data. Find out the behavior pattern behind the student behavior data and the influencing factors related to the student achievement. The behavior data of the two grades are selected to extract the behavior characteristics, and the prediction model of the students' achievement is established by using the data mining algorithm. At the same time, the results of the different models are compared to determine the best performance prediction model. Finally, the performance prediction is applied to the specific student management system. In this paper, we use data mining to predict students' achievement from a new point of view, and do some exploratory work for the application of data mining in the field of education.
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：G647;TP311.13

【相似文獻】

相關期刊論文 前10條

1 韓明;數(shù)據(jù)挖掘及其對統(tǒng)計學的挑戰(zhàn)[J];統(tǒng)計研究;2001年08期

2 香麗蕓;淺談數(shù)據(jù)挖掘及其應用[J];昌吉師專學報;2001年02期

3 韓海萌;信息時代的指南針——數(shù)據(jù)挖掘[J];江蘇統(tǒng)計;2002年05期

4 林陽;數(shù)據(jù)挖掘在教育信息化中的潛在價值[J];現(xiàn)代教育技術;2002年01期

5 朱世武 ,崔嵬 ,張堯庭 ,謝邦昌;數(shù)據(jù)挖掘運用的理論與技術[J];統(tǒng)計研究;2003年08期

6 王曉涓,祁慧敏;數(shù)據(jù)挖掘漫談[J];天中學刊;2003年02期

7 韓江;數(shù)據(jù)挖掘——極具發(fā)展?jié)摿Φ男骂I域[J];蘇州市職業(yè)大學學報;2004年01期

8 李菁菁,邵培基,黃亦瀟;數(shù)據(jù)挖掘在中國的現(xiàn)狀和發(fā)展研究[J];管理工程學報;2004年03期

9 ;中國科學院數(shù)據(jù)挖掘與知識管理學術研討會在京舉行[J];管理評論;2004年07期

10 魏瑜,陸靜;數(shù)據(jù)挖掘與統(tǒng)計學的關系淺析[J];沿海企業(yè)與科技;2005年09期

相關會議論文 前10條

1 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2000年

2 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應用[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術年會（CSAE 2009）論文集[C];2009年

3 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢[A];信息化、工業(yè)化融合與服務創(chuàng)新——第十三屆計算機模擬與信息技術學術會議論文集[C];2011年

4 關清平;沉培輝;;概率網(wǎng)絡在數(shù)據(jù)挖掘上的應用[A];科技、工程與經(jīng)濟社會協(xié)調發(fā)展——中國科協(xié)第五屆青年學術年會論文集[C];2004年

5 丁瑾;;基于Web數(shù)據(jù)挖掘的綜述[A];山西省科學技術情報學會學術年會論文集[C];2004年

6 聶茹;田森平;;Web數(shù)據(jù)挖掘及其在電子商務中的應用[A];中南六�。▍^(qū)）自動化學會第24屆學術年會會議論文集[C];2006年

7 李菊;王軍;;數(shù)據(jù)挖掘在客戶關系管理的應用[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

8 肖陽;李啟賢;;數(shù)據(jù)挖掘在中國鋼鐵行業(yè)中的應用[A];中國計量協(xié)會冶金分會2012年會暨能源計量與節(jié)能降耗經(jīng)驗交流會論文集[C];2012年

9 楊磊;王貴成;汪勇;張占勝;;SQL Server 2005在數(shù)據(jù)挖掘中的應用[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

10 謝中;邱玉輝;;面向商務網(wǎng)站有效性的數(shù)據(jù)挖掘方法[A];第十八屆全國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2001年

相關重要報紙文章 前10條

1 本報記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日報;2002年

2 周蓉蓉;數(shù)據(jù)挖掘需要點想像力[N];計算機世界;2004年

3 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學計算機科學與技術學院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

4 《網(wǎng)絡世界》記者 王瑩;數(shù)據(jù)挖掘保險業(yè)的新藍海[N];網(wǎng)絡世界;2012年

5 劉俊麗;基于地理化的網(wǎng)絡數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

6 本報記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點[N];中國電子報;2002年

7 本報記者 鳳小華 朱仁康;“數(shù)字挖掘軟件”引領中國信息化新浪潮[N];中國電子報;2003年

8 本報記者　史延廷;“成功企業(yè)數(shù)據(jù)挖掘暨數(shù)量化管理論壇”在京舉辦[N];中國旅游報;2002年

9 朱小寧;數(shù)據(jù)挖掘：信息化戰(zhàn)爭的基礎工程[N];解放軍報;2005年

10 本報記者 王小平;從“大集中”走向數(shù)據(jù)挖掘[N];金融時報;2002年

相關博士學位論文 前10條

1 于自強;海量流數(shù)據(jù)挖掘相關問題研究[D];山東大學;2015年

2 張馨;全基因組SNP芯片應用于CNV和L0H分析的軟件比對與數(shù)據(jù)挖掘[D];復旦大學;2011年

3 彭計紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學;2015年

4 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術研究[D];復旦大學;2013年

5 鄔文帥;基于多目標決策的數(shù)據(jù)挖掘方法評估與應用[D];電子科技大學;2015年

6 謝邦彥;整合數(shù)據(jù)挖掘與TRIZ理論的質量管理方法研究[D];首都經(jīng)濟貿(mào)易大學;2010年

7 何偉全;云南高校學生意外傷害因素關聯(lián)規(guī)則挖掘及風險管控體系研究[D];昆明理工大學;2015年

8 段功豪;基于多結構數(shù)據(jù)挖掘的滑坡災害預測模型研究[D];中國地質大學;2016年

9 白曉明;基于數(shù)據(jù)挖掘的復合材料宏—細觀力學模型研究[D];哈爾濱工業(yè)大學;2016年

10 藍永豪（LAM Wing Ho）;基于數(shù)據(jù)挖掘技術分析當代中醫(yī)名家痤瘡驗方經(jīng)驗研究[D];南京中醫(yī)藥大學;2016年

相關碩士學位論文 前10條

1 劉媈;基于學生行為的成績預測模型的研究與應用[D];電子科技大學;2017年

2 林仁紅;基于數(shù)據(jù)挖掘的機遇識別與評價研究[D];首都經(jīng)濟貿(mào)易大學;2007年

3 張彥俊;游戲運營中的數(shù)據(jù)挖掘[D];復旦大學;2011年

4 焦亞召;基于多核函數(shù)FCM算法在數(shù)據(jù)挖掘聚類中的應用研究[D];昆明理工大學;2015年

5 王杰鋒;物聯(lián)網(wǎng)能耗數(shù)據(jù)智能分析及其應用平臺設計[D];江南大學;2015年

6 劉學建;數(shù)據(jù)挖掘在電子商務推薦系統(tǒng)中的應用研究[D];昆明理工大學;2015年

7 戴陽陽;基于數(shù)據(jù)挖掘的金融時間序列預測研究與應用[D];江南大學;2015年

8 石思優(yōu);基于主題模型的醫(yī)療數(shù)據(jù)挖掘研究[D];廣東技術師范學院;2015年

9 陳丹;移動互聯(lián)網(wǎng)信令挖掘實現(xiàn)智慧營銷的設計與實現(xiàn)應用研究[D];華南理工大學;2015年

10 陳思;基于數(shù)據(jù)挖掘的大學生客戶識別模型的研究[D];昆明理工大學;2015年

，

本文編號：2416547