基于軌跡數(shù)據(jù)挖掘的大學(xué)生學(xué)業(yè)成就問題研究
發(fā)布時間:2021-09-06 05:41
學(xué)業(yè)成就是大學(xué)生學(xué)習(xí)活動的最終結(jié)果,是大學(xué)生素質(zhì)的集中體現(xiàn)。研究大學(xué)生學(xué)業(yè)成就問題是我國發(fā)展“知識經(jīng)濟”和“人才戰(zhàn)略”的必然要求。獎學(xué)金作為學(xué)業(yè)成就的一大衡量指標(biāo),是高校調(diào)動學(xué)生積極性的重要激勵制度。目前,高校獎學(xué)金評選的主要方式仍較高地依賴于人工的審核與處理,獎學(xué)金審核者的個人情感因素可能產(chǎn)生較強的干擾,如何增強審核過程的自動化,是學(xué)生學(xué)業(yè)成就提高目的的必然要求。學(xué)業(yè)預(yù)警是提高學(xué)生學(xué)習(xí)質(zhì)量的另一大制度,但當(dāng)前高校學(xué)業(yè)預(yù)警制度仍存在內(nèi)容單一、依賴于人工處理等問題,如何增強學(xué)業(yè)預(yù)警制度的自動化處理也是提高學(xué)生學(xué)習(xí)積極性和學(xué)習(xí)質(zhì)量的重點。教育數(shù)據(jù)挖掘的發(fā)展為在獎學(xué)金評定和學(xué)業(yè)預(yù)警上的自動化處理提供了基礎(chǔ)。研究學(xué)業(yè)成就的方式因研究問題和研究興趣而異,以采用多元回歸、結(jié)構(gòu)方程模型和多層次分析等方法的實證研究為主,而隨著近年來教育信息化和網(wǎng)絡(luò)遠(yuǎn)程教育等的發(fā)展,數(shù)據(jù)挖掘的方法也越來越多地被運用于教育領(lǐng)域,教育數(shù)據(jù)挖掘這一術(shù)語已經(jīng)成為一種面向教育數(shù)據(jù)的探索范式;诖,本文運用Wosk-means算法和軌跡數(shù)據(jù)挖掘方法,以大學(xué)生群體為研究對象,提出TOCSS方法探討大學(xué)生學(xué)業(yè)成就問題。首先根據(jù)客觀權(quán)...
【文章來源】:南京大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:61 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2-1不同教學(xué)環(huán)境??
Q表示第i個族,p是q的內(nèi)部成員,是Q的質(zhì)心(q中所有樣??本的均值),SSE是所有樣本的聚類誤差,代表了聚類效果的好壞。??肘部法結(jié)果如圖5-1所示,k在小于5時,隨著k值的增大,總體誤差平方和降低??明顯,在k大于5后,其降幅明顯縮小,k值大于8時,降低幅度很小,幾乎不可見。??因此,初步確認(rèn)k值范圍在5?8之間。??氣??24000???\??\??\??22000?■?\??§?\??I?\??I?2004)0?-?\??18000?■??16000????????2?4?6?8?10??Number?of?clusters??圖5-1肘部法結(jié)果??這與另一聚類評價指標(biāo)一一均一性所得出的結(jié)果(圖5-2)相符合,k值在小于5時,??均一性不斷提升,隨后趨緩,在大于8時,又出現(xiàn)明顯的提示。??i?0.03?-?/??S?/??0-02?-?j??001?L,?.?,???1?1?.?.?r-??2?3?4?5?6?7?8?9?10??Number?of?cJusters??圖5-2聚類平均指標(biāo):均一性??30??
Q表示第i個族,p是q的內(nèi)部成員,是Q的質(zhì)心(q中所有樣??本的均值),SSE是所有樣本的聚類誤差,代表了聚類效果的好壞。??肘部法結(jié)果如圖5-1所示,k在小于5時,隨著k值的增大,總體誤差平方和降低??明顯,在k大于5后,其降幅明顯縮小,k值大于8時,降低幅度很小,幾乎不可見。??因此,初步確認(rèn)k值范圍在5?8之間。??氣??24000???\??\??\??22000?■?\??§?\??I?\??I?2004)0?-?\??18000?■??16000????????2?4?6?8?10??Number?of?clusters??圖5-1肘部法結(jié)果??這與另一聚類評價指標(biāo)一一均一性所得出的結(jié)果(圖5-2)相符合,k值在小于5時,??均一性不斷提升,隨后趨緩,在大于8時,又出現(xiàn)明顯的提示。??i?0.03?-?/??S?/??0-02?-?j??001?L,?.?,???1?1?.?.?r-??2?3?4?5?6?7?8?9?10??Number?of?cJusters??圖5-2聚類平均指標(biāo):均一性??30??
【參考文獻】:
期刊論文
[1]大學(xué)生學(xué)業(yè)成績的宿舍同伴效應(yīng)分析[J]. 梁耀明,何勤英. 教育與經(jīng)濟. 2017(04)
[2]軌跡大數(shù)據(jù):數(shù)據(jù)處理關(guān)鍵技術(shù)研究綜述[J]. 高強,張鳳荔,王瑞錦,周帆. 軟件學(xué)報. 2017(04)
[3]教育數(shù)據(jù)挖掘研究進展綜述[J]. 周慶,牟超,楊丹. 軟件學(xué)報. 2015(11)
[4]DBSCAN聚類算法的研究與改進[J]. 馮少榮,肖文俊. 中國礦業(yè)大學(xué)學(xué)報. 2008(01)
[5]知識經(jīng)濟與高等教育理論的探索[J]. 洪錦霞. 遼寧高等教育研究. 1999(06)
本文編號:3386859
【文章來源】:南京大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:61 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2-1不同教學(xué)環(huán)境??
Q表示第i個族,p是q的內(nèi)部成員,是Q的質(zhì)心(q中所有樣??本的均值),SSE是所有樣本的聚類誤差,代表了聚類效果的好壞。??肘部法結(jié)果如圖5-1所示,k在小于5時,隨著k值的增大,總體誤差平方和降低??明顯,在k大于5后,其降幅明顯縮小,k值大于8時,降低幅度很小,幾乎不可見。??因此,初步確認(rèn)k值范圍在5?8之間。??氣??24000???\??\??\??22000?■?\??§?\??I?\??I?2004)0?-?\??18000?■??16000????????2?4?6?8?10??Number?of?clusters??圖5-1肘部法結(jié)果??這與另一聚類評價指標(biāo)一一均一性所得出的結(jié)果(圖5-2)相符合,k值在小于5時,??均一性不斷提升,隨后趨緩,在大于8時,又出現(xiàn)明顯的提示。??i?0.03?-?/??S?/??0-02?-?j??001?L,?.?,???1?1?.?.?r-??2?3?4?5?6?7?8?9?10??Number?of?cJusters??圖5-2聚類平均指標(biāo):均一性??30??
Q表示第i個族,p是q的內(nèi)部成員,是Q的質(zhì)心(q中所有樣??本的均值),SSE是所有樣本的聚類誤差,代表了聚類效果的好壞。??肘部法結(jié)果如圖5-1所示,k在小于5時,隨著k值的增大,總體誤差平方和降低??明顯,在k大于5后,其降幅明顯縮小,k值大于8時,降低幅度很小,幾乎不可見。??因此,初步確認(rèn)k值范圍在5?8之間。??氣??24000???\??\??\??22000?■?\??§?\??I?\??I?2004)0?-?\??18000?■??16000????????2?4?6?8?10??Number?of?clusters??圖5-1肘部法結(jié)果??這與另一聚類評價指標(biāo)一一均一性所得出的結(jié)果(圖5-2)相符合,k值在小于5時,??均一性不斷提升,隨后趨緩,在大于8時,又出現(xiàn)明顯的提示。??i?0.03?-?/??S?/??0-02?-?j??001?L,?.?,???1?1?.?.?r-??2?3?4?5?6?7?8?9?10??Number?of?cJusters??圖5-2聚類平均指標(biāo):均一性??30??
【參考文獻】:
期刊論文
[1]大學(xué)生學(xué)業(yè)成績的宿舍同伴效應(yīng)分析[J]. 梁耀明,何勤英. 教育與經(jīng)濟. 2017(04)
[2]軌跡大數(shù)據(jù):數(shù)據(jù)處理關(guān)鍵技術(shù)研究綜述[J]. 高強,張鳳荔,王瑞錦,周帆. 軟件學(xué)報. 2017(04)
[3]教育數(shù)據(jù)挖掘研究進展綜述[J]. 周慶,牟超,楊丹. 軟件學(xué)報. 2015(11)
[4]DBSCAN聚類算法的研究與改進[J]. 馮少榮,肖文俊. 中國礦業(yè)大學(xué)學(xué)報. 2008(01)
[5]知識經(jīng)濟與高等教育理論的探索[J]. 洪錦霞. 遼寧高等教育研究. 1999(06)
本文編號:3386859
本文鏈接:http://sikaile.net/jiaoyulunwen/gaodengjiaoyulunwen/3386859.html
最近更新
教材專著