發(fā)布時間：2022-11-03 20:11

　　“智慧校園”是校園發(fā)展的必然趨勢,從分散的信息化數(shù)據(jù)中挖掘出有效信息,促進校園活動的發(fā)展,是十分重要的。學(xué)生成績是衡量學(xué)生個人能力和教師教學(xué)水平的最重要因素,提前預(yù)測學(xué)生課程成績能夠?qū)W(xué)生和教師起到提前預(yù)警、及時糾正的作用,學(xué)生成績預(yù)測也是教育數(shù)據(jù)挖掘中最重要的一個方向。但是現(xiàn)有的學(xué)生成績預(yù)測研究中,大部分研究的數(shù)據(jù)量普遍較少,研究方向不適用我國教育情況,同時傳統(tǒng)教育數(shù)據(jù)挖掘研究里對學(xué)生成績的預(yù)測很少考慮到課程之間隱含的關(guān)聯(lián)。針對以上問題,本文通過學(xué)生的相關(guān)數(shù)據(jù)信息,研究預(yù)測學(xué)生的后續(xù)成績。研究的數(shù)據(jù)來源于浙江大學(xué)城市學(xué)院14級-17級學(xué)生個人統(tǒng)計數(shù)據(jù)和學(xué)生成績單,基于這些數(shù)據(jù),本文經(jīng)過國內(nèi)外現(xiàn)狀研究和實驗,提出了兩個預(yù)測學(xué)生成績的回歸模型和一個融合模型。首先提出了基于學(xué)生畫像特征庫的CART回歸樹的學(xué)生成績預(yù)測模型,使用學(xué)生的成績數(shù)據(jù)和個人信息數(shù)據(jù)進行學(xué)生成績的預(yù)測。在建模過程中,結(jié)合數(shù)據(jù)集中的學(xué)生人口統(tǒng)計數(shù)據(jù),運用特征工程來對學(xué)生的特征進行分析,找出有用信息建立“學(xué)生畫像”特征庫,使用CART回歸樹模型建立基于學(xué)生畫像的成績預(yù)測模型。根據(jù)已有數(shù)據(jù)進行的實驗證明了構(gòu)建的學(xué)生畫像特征庫... 

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容與創(chuàng)新點
    1.4 論文組織結(jié)構(gòu)
第2章 課題相關(guān)關(guān)鍵理論與技術(shù)概述
    2.1 教育數(shù)據(jù)挖掘
        2.1.1 數(shù)據(jù)挖掘概念
        2.1.2 教育數(shù)據(jù)挖掘概述
        2.1.3 EDM的研究方向
        2.1.4 學(xué)生成績預(yù)測的研究方法
    2.2 回歸常用算法概述
    2.3 協(xié)同過濾
        2.3.1 協(xié)同過濾的概念
        2.3.2 協(xié)同過濾分類
    2.4 模型融合
        2.4.1 模型融合的概念
        2.4.2 模型融合的方法
    2.5 回歸性能評價指標(biāo)
    2.6 本章小結(jié)
第3章 基于學(xué)生畫像的CART回歸樹成績預(yù)測模型
    3.1 CART回歸樹模型的基本理論
        3.1.1 回歸樹
        3.1.2 CART回歸算法基本原理
    3.2 學(xué)生畫像特征庫構(gòu)建
        3.2.1 數(shù)據(jù)集成
        3.2.2 數(shù)據(jù)預(yù)處理
        3.2.3 特征提取
        3.2.4 特征庫篩選與描述
    3.3 實驗
        3.3.1 數(shù)據(jù)集描述
        3.3.2 模型評估與分析
    3.4 本章小結(jié)
第4章 基于課程相似度的混合多權(quán)值Slope-one算法
    4.1 Slope-one算法的基本思想
        4.1.1 基于項目的協(xié)同過濾基本原理
        4.1.2 基本Slope-one算法原理
        4.1.3 加權(quán)Slope-one算法原理
    4.2 課程相似度計算
        4.2.1 課程名分詞
        4.2.2 TF-IDF關(guān)鍵詞權(quán)重計算
        4.2.3 基于余弦的課程相似度計算
        4.2.4 課程相似度計算流程
    4.3 混合改進的多權(quán)值Slope-one算法
        4.3.1 改進的多權(quán)值Slope-one算法
        4.3.2 引入基于項目的協(xié)同過濾
        4.3.3 改進的混合多權(quán)值Slope-one算法
    4.4 實驗
        4.4.1 實驗數(shù)據(jù)描述
        4.4.2 實驗步驟
        4.4.3 實驗評估和分析
    4.5 本章小結(jié)
第5章 基于學(xué)生畫像和課程相似度的融合模型
    5.1 融合模型的設(shè)計
    5.2 模型融合方法
    5.3 實驗
        5.3.1 實驗數(shù)據(jù)
        5.3.2 權(quán)重確定
        5.3.3 實驗結(jié)果評估與分析
    5.4 本章小結(jié)
第6章 總結(jié)和展望
參考文獻
攻讀碩士學(xué)位期間主要的研究成果
致謝



本文編號：3700551