發(fā)布時(shí)間：2020-09-10 19:27

　　 隨著高等教育改革的深入和現(xiàn)實(shí)社會(huì)就業(yè)形勢(shì)嚴(yán)峻性的凸顯,畢業(yè)生對(duì)自己的能力沒有一個(gè)合理的認(rèn)識(shí)和估計(jì),因此在畢業(yè)去向的選擇上遲疑不決。事實(shí)上大多數(shù)高校的就業(yè)中心都會(huì)為學(xué)生的畢業(yè)去向做出指導(dǎo),但是目前沒有一個(gè)合適的參考標(biāo)準(zhǔn),且主要是考慮就業(yè)形勢(shì)和高等教育改革方面,沒有實(shí)現(xiàn)個(gè)性化指導(dǎo);雖然可以從綜合成績(jī)、外語水平、實(shí)踐活動(dòng)方面評(píng)估一個(gè)學(xué)生的能力,但是如果有一個(gè)可以直觀查看學(xué)生不同能力水平的能力指標(biāo),對(duì)于學(xué)生畢業(yè)去向的選擇將具有更好的參考價(jià)值。本文研究主要面向計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)的學(xué)生,根據(jù)學(xué)生綜合成績(jī)、基本信息、畢業(yè)信息等數(shù)據(jù),按照要求生成相關(guān)能力指標(biāo),并根據(jù)能力指標(biāo)及某些在校行為信息使用數(shù)據(jù)挖掘技術(shù)對(duì)學(xué)生的畢業(yè)去向做分析和預(yù)測(cè),主要從三個(gè)方面進(jìn)行了實(shí)驗(yàn):(1)使用k-means聚類算法,將計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)的學(xué)生進(jìn)行合理的聚類劃分,分析學(xué)生的整體畢業(yè)去向趨勢(shì),對(duì)比每個(gè)聚類學(xué)生各項(xiàng)能力指標(biāo)差異以及研究不同聚類的學(xué)生與畢業(yè)去向的關(guān)系。(2)使用Apriori關(guān)聯(lián)規(guī)則挖掘算法,挖掘出學(xué)生能力指標(biāo)與畢業(yè)去向之間的關(guān)系規(guī)則,以及學(xué)生行為信息和能力指標(biāo)與畢業(yè)去向之間的關(guān)系規(guī)則,分析影響學(xué)生畢業(yè)去向的最強(qiáng)影響因素。(3)使用Random Forest、SVM、LR、GBDT、Neural Network五種機(jī)器學(xué)習(xí)算法,建立學(xué)生畢業(yè)去向預(yù)測(cè)模型,通過模型評(píng)估指標(biāo)對(duì)結(jié)果進(jìn)行比較評(píng)估,選擇最合適的預(yù)測(cè)算法預(yù)測(cè)學(xué)生的畢業(yè)去向。并將各類特征因素進(jìn)行重要性對(duì)比分析。從上述研究實(shí)驗(yàn)中,通過聚類結(jié)果分析,挖掘出了不同聚類學(xué)生對(duì)于畢業(yè)去向的不同選擇,以及不同能力指標(biāo)水平的學(xué)生傾向的不同畢業(yè)去向;通過關(guān)聯(lián)規(guī)則挖掘算法,分析出了能力指標(biāo)和在校行為信息與畢業(yè)去向的關(guān)聯(lián)性;通過建立畢業(yè)去向預(yù)測(cè)模型,使用模型評(píng)估指標(biāo)結(jié)果比較得出,根據(jù)能力值預(yù)測(cè)的最好模型是邏輯回歸(LR),根據(jù)能力指標(biāo)和相關(guān)信息預(yù)測(cè)最好模型是支持向量機(jī)(SVM),另外對(duì)各類特征因素作為單項(xiàng)特征進(jìn)行預(yù)測(cè),結(jié)果發(fā)現(xiàn)能力指標(biāo)對(duì)畢業(yè)去向的影響更大,性別對(duì)畢業(yè)去向的影響最小。
【學(xué)位單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：G647.38;TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 朱連江;馬炳先;趙學(xué)泉;;基于輪廓系數(shù)的聚類有效性分析[J];計(jì)算機(jī)應(yīng)用;2010年S2期

2 譚慶;;基于k-means聚類算法的試卷成績(jī)分析研究[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

3 唐笑林;;數(shù)據(jù)挖掘技術(shù)的研究和應(yīng)用[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

4 劉杰;黃亞樓;;基于BP神經(jīng)網(wǎng)絡(luò)的非線性網(wǎng)絡(luò)流量預(yù)測(cè)[J];計(jì)算機(jī)應(yīng)用;2007年07期

5 柳炳祥,章義來,方俊,朱一平,孫志芹;基于數(shù)據(jù)挖掘的教學(xué)評(píng)價(jià)方法[J];計(jì)算機(jī)與現(xiàn)代化;2005年04期

6 菅志剛,金旭;數(shù)據(jù)挖掘中數(shù)據(jù)預(yù)處理的研究與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;2004年07期

相關(guān)碩士學(xué)位論文 前2條

1 鄭友杰;基于網(wǎng)絡(luò)日志的高校學(xué)生成績(jī)預(yù)測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D];重慶大學(xué);2016年

2 李長(zhǎng)勤;新課程背景下分層教學(xué)研究[D];華中師范大學(xué);2008年

本文編號(hào)：2816223