【摘要】：隨著信息技術(shù)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(lái)越多的引入到各行各業(yè)的日常生產(chǎn)和管理當(dāng)中。21世紀(jì)以來(lái),各大高校加快了信息化建設(shè)的步伐,建立自己的信息中心,利用信息管理系統(tǒng)來(lái)存儲(chǔ)和管理教學(xué)教務(wù)信息。經(jīng)過(guò)十多年的積累,在高校信息中心的數(shù)據(jù)庫(kù)中存儲(chǔ)了大量的學(xué)生數(shù)據(jù),以往這些數(shù)據(jù)的價(jià)值得不到重視,常常被忽略。而在當(dāng)前全球大數(shù)據(jù)的背景下,這些數(shù)據(jù)也開(kāi)始進(jìn)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(xué)生提高學(xué)習(xí)效果,改善高校教學(xué)管理水平,也成為了當(dāng)前數(shù)據(jù)挖掘應(yīng)用領(lǐng)域的一個(gè)重要研究課題。學(xué)習(xí)成績(jī)是評(píng)價(jià)一個(gè)學(xué)生學(xué)習(xí)情況的最重要也最基礎(chǔ)的指標(biāo),對(duì)學(xué)習(xí)成績(jī)的分析有利于老師掌握學(xué)生的學(xué)習(xí)情況,有針對(duì)性地進(jìn)行教學(xué)輔導(dǎo)。而學(xué)生的行為數(shù)據(jù)則是學(xué)生在校園中的學(xué)習(xí)方式與生活習(xí)慣的反映。本文就利用數(shù)據(jù)挖掘相關(guān)技術(shù),根據(jù)高校學(xué)生行為數(shù)據(jù),對(duì)高校學(xué)生的生活習(xí)慣進(jìn)行充分的挖掘和分析,研究學(xué)生行為數(shù)據(jù)中和學(xué)生成績(jī)有著較強(qiáng)關(guān)聯(lián)性的潛在的行為模式,再通過(guò)數(shù)據(jù)挖掘技術(shù)建立成績(jī)的預(yù)測(cè)模型,在達(dá)到利用學(xué)生的日常行為預(yù)測(cè)學(xué)生成績(jī)的目的的同時(shí)建立學(xué)生輔導(dǎo)機(jī)制,從而提高學(xué)生學(xué)業(yè)成績(jī)。成績(jī)分析和預(yù)測(cè)是教育數(shù)據(jù)挖掘的一個(gè)研究方向,現(xiàn)有的研究工作大多是基于對(duì)課程或歷史成績(jī)的分析來(lái)對(duì)成績(jī)進(jìn)行預(yù)測(cè),少量基于行為的分析也是側(cè)重于單一行為和成績(jī)的關(guān)聯(lián)規(guī)則挖掘。本文在前人的研究基礎(chǔ)上,不依賴(lài)于學(xué)生的個(gè)人信息和過(guò)往成績(jī),而是對(duì)學(xué)生在校園活動(dòng)中產(chǎn)生的多種行為數(shù)據(jù),包括消費(fèi)數(shù)據(jù)、門(mén)禁數(shù)據(jù)和借閱數(shù)據(jù)進(jìn)行深入的分析,找出學(xué)生行為數(shù)據(jù)背后的行為模式以及跟學(xué)生成績(jī)相關(guān)的影響因素。選擇兩個(gè)年級(jí)的學(xué)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(duì)學(xué)生成績(jī)的預(yù)測(cè)模型,同時(shí)對(duì)不同模型預(yù)測(cè)成績(jī)的效果進(jìn)行對(duì)比,確定最佳的成績(jī)預(yù)測(cè)模型。最后將成績(jī)預(yù)測(cè)應(yīng)用到具體的學(xué)生管理系統(tǒng)當(dāng)中。本文從一個(gè)新的角度利用數(shù)據(jù)挖掘?qū)W(xué)生成績(jī)進(jìn)行預(yù)測(cè),為數(shù)據(jù)挖掘在教育領(lǐng)域的應(yīng)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(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：G647;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓明;數(shù)據(jù)挖掘及其對(duì)統(tǒng)計(jì)學(xué)的挑戰(zhàn)[J];統(tǒng)計(jì)研究;2001年08期

2 香麗蕓;淺談數(shù)據(jù)挖掘及其應(yīng)用[J];昌吉師專(zhuān)學(xué)報(bào);2001年02期

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

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

5 朱世武 ,崔嵬 ,張堯庭 ,謝邦昌;數(shù)據(jù)挖掘運(yùn)用的理論與技術(shù)[J];統(tǒng)計(jì)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(xué)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(lǐng)域[J];蘇州市職業(yè)大學(xué)學(xué)報(bào);2004年01期

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

9 ;中國(guó)科學(xué)院數(shù)據(jù)挖掘與知識(shí)管理學(xué)術(shù)研討會(huì)在京舉行[J];管理評(píng)論;2004年07期

10 魏瑜,陸靜;數(shù)據(jù)挖掘與統(tǒng)計(jì)學(xué)的關(guān)系淺析[J];沿海企業(yè)與科技;2005年09期

相關(guān)會(huì)議論文 前10條

1 史東輝;蔡慶生;張春陽(yáng);;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2000年

2 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應(yīng)用[A];紀(jì)念中國(guó)農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（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(shì)[A];信息化、工業(yè)化融合與服務(wù)創(chuàng)新——第十三屆計(jì)算機(jī)模擬與信息技術(shù)學(xué)術(shù)會(huì)議論文集[C];2011年

4 關(guān)清平;沉培輝;;概率網(wǎng)絡(luò)在數(shù)據(jù)挖掘上的應(yīng)用[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——中國(guó)科協(xié)第五屆青年學(xué)術(shù)年會(huì)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(xué)技術(shù)情報(bào)學(xué)會(huì)學(xué)術(shù)年會(huì)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(wù)中的應(yīng)用[A];中南六省（區(qū)）自動(dòng)化學(xué)會(huì)第24屆學(xué)術(shù)年會(huì)會(huì)議論文集[C];2006年

7 李菊;王軍;;數(shù)據(jù)挖掘在客戶關(guān)系管理的應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

8 肖陽(yáng);李啟賢;;數(shù)據(jù)挖掘在中國(guó)鋼鐵行業(yè)中的應(yīng)用[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2012年會(huì)暨能源計(jì)量與節(jié)能降耗經(jīng)驗(yàn)交流會(huì)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(yīng)用[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

10 謝中;邱玉輝;;面向商務(wù)網(wǎng)站有效性的數(shù)據(jù)挖掘方法[A];第十八屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2001年

相關(guān)重要報(bào)紙文章 前10條

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

2 周蓉蓉;數(shù)據(jù)挖掘需要點(diǎn)想像力[N];計(jì)算機(jī)世界;2004年

3 □中國(guó)電信股份有限公司北京研究院 張舒博 □北京郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)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(luò)世界》記者 王瑩;數(shù)據(jù)挖掘保險(xiǎn)業(yè)的新藍(lán)海[N];網(wǎng)絡(luò)世界;2012年

5 劉俊麗;基于地理化的網(wǎng)絡(luò)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(bào)記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點(diǎn)[N];中國(guó)電子報(bào);2002年

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

8 本報(bào)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(guó)旅游報(bào);2002年

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

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

相關(guān)博士學(xué)位論文 前10條

1 于自強(qiáng);海量流數(shù)據(jù)挖掘相關(guān)問(wèn)題研究[D];山東大學(xué);2015年

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

3 彭計(jì)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(xué);2015年

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

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

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

7 何偉全;云南高校學(xué)生意外傷害因素關(guān)聯(lián)規(guī)則挖掘及風(fēng)險(xiǎn)管控體系研究[D];昆明理工大學(xué);2015年

8 段功豪;基于多結(jié)構(gòu)數(shù)據(jù)挖掘的滑坡災(zāi)害預(yù)測(cè)模型研究[D];中國(guó)地質(zhì)大學(xué);2016年

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

10 藍(lán)永豪（LAM Wing Ho）;基于數(shù)據(jù)挖掘技術(shù)分析當(dāng)代中醫(yī)名家痤瘡驗(yàn)方經(jīng)驗(yàn)研究[D];南京中醫(yī)藥大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 劉媈;基于學(xué)生行為的成績(jī)預(yù)測(cè)模型的研究與應(yīng)用[D];電子科技大學(xué);2017年

2 林仁紅;基于數(shù)據(jù)挖掘的機(jī)遇識(shí)別與評(píng)價(jià)研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2007年

3 張彥俊;游戲運(yùn)營(yíng)中的數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);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(lèi)中的應(yīng)用研究[D];昆明理工大學(xué);2015年

5 王杰鋒;物聯(lián)網(wǎng)能耗數(shù)據(jù)智能分析及其應(yīng)用平臺(tái)設(shè)計(jì)[D];江南大學(xué);2015年

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

7 戴陽(yáng)陽(yáng);基于數(shù)據(jù)挖掘的金融時(shí)間序列預(yù)測(cè)研究與應(yīng)用[D];江南大學(xué);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(shù)師范學(xué)院;2015年

9 陳丹;移動(dòng)互聯(lián)網(wǎng)信令挖掘?qū)崿F(xiàn)智慧營(yíng)銷(xiāo)的設(shè)計(jì)與實(shí)現(xiàn)應(yīng)用研究[D];華南理工大學(xué);2015年

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

，

本文編號(hào)：2416547