基于大學生行為分析的學業(yè)預警方法研究
發(fā)布時間：2021-04-28 13:36
在大數(shù)據時代背景下,教育數(shù)據挖掘運用教育心理學、計算機科學和統(tǒng)計學等多個學科的理論和技術來發(fā)現(xiàn)和解決教育研究、教學實踐中的各種問題。本文在對H校六屆畢業(yè)生共31597人的一卡通使用數(shù)據進行統(tǒng)計分析的基礎上,著眼于探究影響大學生畢業(yè)成績的要素。首先,假定大學生畢業(yè)成績與大學生個人屬性和行為屬性密不可分,為了找到Top-k個行為軌跡,提出基于壓縮時間片序列的頻繁序列模式挖掘算法,并在2012級共27939974條一卡通使用記錄上驗證了算法的有效性和魯棒性;然后,使用此結果及大學生前兩學年的成績成功應用SVM算法,預測其畢業(yè)成績,驗證學業(yè)預警功能,為高校學生的科學智能化管理提供新的方法和思路。本文的主要工作如下:1、大學生在校期間一卡通及各學期成績的數(shù)據預處理�；贖校20092014級大學生的一卡通使用記錄、選課記錄、大學生的基本信息和成績信息等數(shù)據,著眼于探究影響大學生成績的要素,通過統(tǒng)計分析大學生在校期間的各種數(shù)據,假定大學生的成績與其在校期間的行為軌跡密不可分,進而根據這些行為發(fā)生的順序對數(shù)據集成,恢復大學生在校園內的行為軌跡。根據挖掘目標選取實驗數(shù)據并完成數(shù)據...
【文章來源】：河北師范大學河北省
【文章頁數(shù)】：76 頁
【學位級別】：碩士
【文章目錄】：
摘要
Abstract
1 緒論
1.1 研究工作的背景和意義
1.2 教育數(shù)據挖掘的研究歷史和現(xiàn)狀
1.2.1 教育數(shù)據挖掘研究現(xiàn)狀
1.2.2 教育數(shù)據挖掘中的基于學生行為分析的研究現(xiàn)狀
1.3 本文研究的主要內容
1.4 論文的結構安排
2 大學生在校數(shù)據分析及數(shù)據預處理
2.1 數(shù)據結構分析
2.2 數(shù)據分析
2.2.1 分析H校在校大學生的基本情況
2.2.2 分析H校在校大學生的成績信息與基本信息的關聯(lián)
2.3 數(shù)據清理及集成
2.3.1 缺失值和噪聲處理
2.3.2 數(shù)據集成
2.4 數(shù)據變換與規(guī)范化
2.5 本章小結
3 大學生在校行為中規(guī)律的行為模式發(fā)現(xiàn)
3.1 規(guī)律的行為模式定義
3.2 圖書館的進館次數(shù)和時長數(shù)據分析
3.2.1 圖書館總時長分析
3.2.2 進圖書館次數(shù)分析
3.3 一卡通和自習、圖書館借書數(shù)據分析
3.4 本章小結
4 大學生在校行為軌跡的頻繁序列模式挖掘
4.1 大學生在校行為分析
4.2 大學生在校行為軌跡的刻畫
4.3 頻繁序列模式挖掘
4.3.1 算法的主要思想
4.3.2 算法描述
4.3.3 算法實例
4.3.4 實驗結果及對比
4.4 本章小結
5 基于成績預測的學業(yè)預警
5.1 學業(yè)預警的定義
5.2 成績預測模型在大學生在校行為數(shù)據中的應用
5.2.1 基于大學生靜態(tài)屬性的成績預測模型
5.2.2 基于大學生規(guī)律屬性的成績預測模型
5.2.3 基于大學生動態(tài)屬性的成績預測模型
5.2.4 基于大學生組合屬性的成績預測模型
5.3 成績等級劃分
5.4 學業(yè)預警的應用
5.5 結果分析
5.6 本章小結
6 總結與展望
6.1 工作總結
6.2 后續(xù)工作展望
參考文獻
致謝
【參考文獻】：
期刊論文
[1]獨立學院學生行為規(guī)律、群體特征與維護穩(wěn)定體系的構建[J]. 林穎. 齊齊哈爾大學學報(哲學社會科學版). 2017(12)
[2]教學評價數(shù)據的離群點檢測算法研究[J]. 李慧,王國強,郭瑞強,高靜偉,暴延敏. 軟件. 2017(04)
[3]基于軌跡數(shù)據的武漢大學學生行為規(guī)律分析[J]. 杜勝蘭,李楓,黃長青,劉子政,李默穎,栗法,王英. 測繪地理信息. 2017(01)
[4]基于矩陣的Apriori算法改進[J]. 宋文慧,高建瓴. 計算機技術與發(fā)展. 2016(06)
[5]基于認知診斷的個性化試題推薦方法[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. 計算機學報. 2017(01)
[6]大數(shù)據環(huán)境下學業(yè)預警系統(tǒng)設計與分析[J]. 金義富,吳濤,張子石,王偉東. 中國電化教育. 2016(02)
[7]教育數(shù)據挖掘研究進展綜述[J]. 周慶,牟超,楊丹. 軟件學報. 2015(11)
[8]MOOC:特征與學習機制[J]. 王永固,張慶. 教育研究. 2014(09)
[9]關聯(lián)規(guī)則挖掘在高校教學評價中的應用[J]. 任高舉,白亞男. 計算機與數(shù)字工程. 2014(08)
[10]大學生學業(yè)預警評價指標體系的構建與應用研究[J]. 袁安府,張娜,沈海霞. 黑龍江高教研究. 2014(03)
博士論文
[1]基于行為分析的用戶能力挖掘[D]. 管楚.中國科學技術大學 2017
[2]基于社交大數(shù)據的用戶信用畫像方法研究[D]. 郭光明.中國科學技術大學 2017
[3]面向在線用戶消費行為理解的數(shù)據挖掘方法研究[D]. 吳樂.中國科學技術大學 2015
[4]時間序列數(shù)據分類、檢索方法及應用研究[D]. 鄭毅.中國科學技術大學 2015
[5]移動用戶軌跡與行為模式挖掘方法研究[D]. Shafqat Ali Shad.中國科學技術大學 2013
[6]基于用戶行為挖掘的數(shù)據流管理技術研究[D]. 李軍.北京郵電大學 2012
碩士論文
[1]基于手機軌跡數(shù)據的校園學生活動規(guī)律挖掘[D]. 葉澤桂.深圳大學 2017
[2]大學教學評價數(shù)據的挖掘方法研究[D]. 李慧.河北師范大學 2017
[3]基于時間序列的頻繁模式挖掘研究與應用[D]. 鄭邦祺.電子科技大學 2016
[4]基于數(shù)據挖掘技術的學生成績分析系統(tǒng)的設計與實現(xiàn)[D]. 馬丹.吉林大學 2015
[5]時序數(shù)據序列模式挖掘[D]. 董鑫.南京航空航天大學 2015
[6]時間序列數(shù)據挖掘算法研究及其應用[D]. 鄭寶芬.浙江大學 2015
[7]基于命題邏輯的頻繁序列模式挖掘算法的研究[D]. 馮建.浙江工業(yè)大學 2014
[8]基于時序行為挖掘和隱私保護的協(xié)同過濾推薦算法研究[D]. 孫光福.中國科學技術大學 2014
[9]基于Web的用戶行為分析和挖掘的關鍵技術研究[D]. 周云龍.電子科技大學 2013
[10]基于用戶行為分析的數(shù)據挖掘系統(tǒng)研究與設計[D]. 李曉輝.北京郵電大學 2011
本文編號：3165570
【文章來源】：河北師范大學河北省
【文章頁數(shù)】：76 頁
【學位級別】：碩士
【文章目錄】：
摘要
Abstract
1 緒論
1.1 研究工作的背景和意義
1.2 教育數(shù)據挖掘的研究歷史和現(xiàn)狀
1.2.1 教育數(shù)據挖掘研究現(xiàn)狀
1.2.2 教育數(shù)據挖掘中的基于學生行為分析的研究現(xiàn)狀
1.3 本文研究的主要內容
1.4 論文的結構安排
2 大學生在校數(shù)據分析及數(shù)據預處理
2.1 數(shù)據結構分析
2.2 數(shù)據分析
2.2.1 分析H校在校大學生的基本情況
2.2.2 分析H校在校大學生的成績信息與基本信息的關聯(lián)
2.3 數(shù)據清理及集成
2.3.1 缺失值和噪聲處理
2.3.2 數(shù)據集成
2.4 數(shù)據變換與規(guī)范化
2.5 本章小結
3 大學生在校行為中規(guī)律的行為模式發(fā)現(xiàn)
3.1 規(guī)律的行為模式定義
3.2 圖書館的進館次數(shù)和時長數(shù)據分析
3.2.1 圖書館總時長分析
3.2.2 進圖書館次數(shù)分析
3.3 一卡通和自習、圖書館借書數(shù)據分析
3.4 本章小結
4 大學生在校行為軌跡的頻繁序列模式挖掘
4.1 大學生在校行為分析
4.2 大學生在校行為軌跡的刻畫
4.3 頻繁序列模式挖掘
4.3.1 算法的主要思想
4.3.2 算法描述
4.3.3 算法實例
4.3.4 實驗結果及對比
4.4 本章小結
5 基于成績預測的學業(yè)預警
5.1 學業(yè)預警的定義
5.2 成績預測模型在大學生在校行為數(shù)據中的應用
5.2.1 基于大學生靜態(tài)屬性的成績預測模型
5.2.2 基于大學生規(guī)律屬性的成績預測模型
5.2.3 基于大學生動態(tài)屬性的成績預測模型
5.2.4 基于大學生組合屬性的成績預測模型
5.3 成績等級劃分
5.4 學業(yè)預警的應用
5.5 結果分析
5.6 本章小結
6 總結與展望
6.1 工作總結
6.2 后續(xù)工作展望
參考文獻
致謝
【參考文獻】：
期刊論文
[1]獨立學院學生行為規(guī)律、群體特征與維護穩(wěn)定體系的構建[J]. 林穎. 齊齊哈爾大學學報(哲學社會科學版). 2017(12)
[2]教學評價數(shù)據的離群點檢測算法研究[J]. 李慧,王國強,郭瑞強,高靜偉,暴延敏. 軟件. 2017(04)
[3]基于軌跡數(shù)據的武漢大學學生行為規(guī)律分析[J]. 杜勝蘭,李楓,黃長青,劉子政,李默穎,栗法,王英. 測繪地理信息. 2017(01)
[4]基于矩陣的Apriori算法改進[J]. 宋文慧,高建瓴. 計算機技術與發(fā)展. 2016(06)
[5]基于認知診斷的個性化試題推薦方法[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. 計算機學報. 2017(01)
[6]大數(shù)據環(huán)境下學業(yè)預警系統(tǒng)設計與分析[J]. 金義富,吳濤,張子石,王偉東. 中國電化教育. 2016(02)
[7]教育數(shù)據挖掘研究進展綜述[J]. 周慶,牟超,楊丹. 軟件學報. 2015(11)
[8]MOOC:特征與學習機制[J]. 王永固,張慶. 教育研究. 2014(09)
[9]關聯(lián)規(guī)則挖掘在高校教學評價中的應用[J]. 任高舉,白亞男. 計算機與數(shù)字工程. 2014(08)
[10]大學生學業(yè)預警評價指標體系的構建與應用研究[J]. 袁安府,張娜,沈海霞. 黑龍江高教研究. 2014(03)
博士論文
[1]基于行為分析的用戶能力挖掘[D]. 管楚.中國科學技術大學 2017
[2]基于社交大數(shù)據的用戶信用畫像方法研究[D]. 郭光明.中國科學技術大學 2017
[3]面向在線用戶消費行為理解的數(shù)據挖掘方法研究[D]. 吳樂.中國科學技術大學 2015
[4]時間序列數(shù)據分類、檢索方法及應用研究[D]. 鄭毅.中國科學技術大學 2015
[5]移動用戶軌跡與行為模式挖掘方法研究[D]. Shafqat Ali Shad.中國科學技術大學 2013
[6]基于用戶行為挖掘的數(shù)據流管理技術研究[D]. 李軍.北京郵電大學 2012
碩士論文
[1]基于手機軌跡數(shù)據的校園學生活動規(guī)律挖掘[D]. 葉澤桂.深圳大學 2017
[2]大學教學評價數(shù)據的挖掘方法研究[D]. 李慧.河北師范大學 2017
[3]基于時間序列的頻繁模式挖掘研究與應用[D]. 鄭邦祺.電子科技大學 2016
[4]基于數(shù)據挖掘技術的學生成績分析系統(tǒng)的設計與實現(xiàn)[D]. 馬丹.吉林大學 2015
[5]時序數(shù)據序列模式挖掘[D]. 董鑫.南京航空航天大學 2015
[6]時間序列數(shù)據挖掘算法研究及其應用[D]. 鄭寶芬.浙江大學 2015
[7]基于命題邏輯的頻繁序列模式挖掘算法的研究[D]. 馮建.浙江工業(yè)大學 2014
[8]基于時序行為挖掘和隱私保護的協(xié)同過濾推薦算法研究[D]. 孫光福.中國科學技術大學 2014
[9]基于Web的用戶行為分析和挖掘的關鍵技術研究[D]. 周云龍.電子科技大學 2013
[10]基于用戶行為分析的數(shù)據挖掘系統(tǒng)研究與設計[D]. 李曉輝.北京郵電大學 2011
本文編號：3165570
本文鏈接：http://sikaile.net/jiaoyulunwen/jiaoyuxinli/3165570.html
