教育數(shù)據(jù)挖掘（Educational Data Mining,EDM）是一門涉及計(jì)算機(jī)科學(xué)、教育學(xué)、統(tǒng)計(jì)學(xué)的交叉學(xué)科。它致力于探索來自教育環(huán)境的獨(dú)特?cái)?shù)據(jù),其目的是更好地了解學(xué)生及其學(xué)習(xí)環(huán)境,從而提高教育成效。為了深入分析EDM的研究進(jìn)展,從Web of Science庫相關(guān)文獻(xiàn)、國內(nèi)外研究現(xiàn)狀對EDM進(jìn)行了系統(tǒng)性梳理,介紹了EDM的工作流程,把數(shù)據(jù)挖掘技術(shù)在教育領(lǐng)域的應(yīng)用歸納為4類,對處于快速發(fā)展階段的一些EDM典型案例進(jìn)行了統(tǒng)計(jì)分析并討論了其不足與發(fā)展趨勢。 

【文章來源】：計(jì)算機(jī)工程與應(yīng)用. 2019,55(14)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

EDM相關(guān)研究領(lǐng)域

治觥?二是興起階段（2013—2014），2013年大數(shù)據(jù)時(shí)代到來之后[13]，教育大數(shù)據(jù)作為大數(shù)據(jù)的子集也開始受到教磖計(jì)算機(jī)科學(xué)統(tǒng)計(jì)學(xué)教育學(xué)學(xué)習(xí)分析基于計(jì)算機(jī)的教育數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)教育數(shù)據(jù)挖掘圖1EDM相關(guān)研究領(lǐng)域1995—19992000—200420052006200720082009201020112012201320142015201620172018350300250200150100500年份篇數(shù)圖21995—2018發(fā)文量16

]。此外，像特征選擇[23]、數(shù)據(jù)平衡[24-25]等技術(shù)也經(jīng)常被用來解決教育大數(shù)據(jù)存在的數(shù)據(jù)不平衡以及高維度等問題。數(shù)據(jù)預(yù)處理是后續(xù)工作的基礎(chǔ)，直接關(guān)系到后續(xù)工作的質(zhì)量和效率。3.3數(shù)據(jù)挖掘數(shù)據(jù)挖掘技術(shù)中的分類與回歸、聚類、關(guān)聯(lián)規(guī)則、推薦系統(tǒng)等方法在教育領(lǐng)域已得到了廣泛的應(yīng)用[26]，但即便是相同的算法在教育領(lǐng)域內(nèi)也有不同的應(yīng)用場景，具體見表1。數(shù)據(jù)數(shù)據(jù)預(yù)處理數(shù)據(jù)挖掘解釋與評估數(shù)據(jù)準(zhǔn)備數(shù)據(jù)挖掘分析與評價(jià)數(shù)據(jù)源知識教育環(huán)境未處理數(shù)據(jù)已處理數(shù)據(jù)模型或模式圖3EDM流程圖方法分類與回歸聚類關(guān)聯(lián)規(guī)則推薦系統(tǒng)機(jī)制預(yù)測數(shù)據(jù)對象所屬類別（離散變量）或它的取值（連續(xù)變量）將一組數(shù)據(jù)對象集合分成由類似的對象組成的多個(gè)類的過程發(fā)現(xiàn)數(shù)據(jù)對象之間的關(guān)聯(lián)或相關(guān)性將可能受喜好的資源推薦給使用者常見算法決策樹[27]、貝葉斯[28]、支持向量機(jī)[29]、線性回歸[30]、邏輯回歸[28]等k-means[31]、fuz-zycmeans[32]等Apriori算法[33]、FP-樹頻集算法[34]等協(xié)同過濾、基于的內(nèi)容推薦、混合推薦等[35]EDM應(yīng)用學(xué)生成績預(yù)測、學(xué)習(xí)風(fēng)格預(yù)測、判斷學(xué)生是否輟學(xué)等關(guān)鍵詞聚類分析、學(xué)生分組等課程推薦、關(guān)聯(lián)分析等試題、學(xué)習(xí)方法等個(gè)性化學(xué)習(xí)資源推薦表1數(shù)據(jù)挖掘算法與EDM應(yīng)用李宇帆，等：教育數(shù)據(jù)挖掘研究進(jìn)展17

【參考文獻(xiàn)】：
期刊論文
[1]不平衡數(shù)據(jù)挖掘方法綜述[J]. 向鴻鑫,楊云.  計(jì)算機(jī)工程與應(yīng)用. 2019(04)
[2]“以用戶為中心”的教育數(shù)據(jù)挖掘應(yīng)用研究[J]. 于方,劉延申.  電化教育研究. 2018(11)
[3]考慮多粒度屬性約簡的關(guān)聯(lián)規(guī)則挖掘研究[J]. 楊珍,耿秀麗.  計(jì)算機(jī)工程與應(yīng)用. 2019(06)
[4]基于數(shù)據(jù)挖掘技術(shù)的在線學(xué)習(xí)行為研究綜述[J]. 柴艷妹,雷陳芳.  計(jì)算機(jī)應(yīng)用研究. 2018(05)
[5]基于MOOC數(shù)據(jù)的學(xué)習(xí)者輟課預(yù)測研究[J]. 王雪宇,鄒剛,李驍.  現(xiàn)代教育技術(shù). 2017(06)
[6]基于認(rèn)知診斷的個(gè)性化試題推薦方法[J]. 朱天宇,黃振亞,陳恩紅,劉淇,吳潤澤,吳樂,蘇喻,陳志剛,胡國平.  計(jì)算機(jī)學(xué)報(bào). 2017(01)
[7]教育數(shù)據(jù)挖掘研究進(jìn)展綜述[J]. 周慶,牟超,楊丹.  軟件學(xué)報(bào). 2015(11)
[8]教育大數(shù)據(jù)的應(yīng)用模式與政策建議[J]. 楊現(xiàn)民,王榴卉,唐斯斯.  電化教育研究. 2015(09)
[9]面向在線教育領(lǐng)域的大數(shù)據(jù)研究及應(yīng)用[J]. 陳池,王宇鵬,李超,張勇,邢春曉.  計(jì)算機(jī)研究與發(fā)展. 2014(S1)
[10]基于MOOC數(shù)據(jù)的學(xué)習(xí)行為分析與預(yù)測[J]. 蔣卓軒,張巖,李曉明.  計(jì)算機(jī)研究與發(fā)展. 2015(03)



本文編號：3034590