【摘要】：本文對大學生學習行為分析進行了大量的研究,基于大學生上網數據,提出網站對專業(yè)學習貢獻度的概念,并給出計算方法,在此基礎上構建大學生學習行為分析模型,并實現(xiàn)學業(yè)預警系統(tǒng),在高校學分制全面實行的背景下,該系統(tǒng)能夠及時提醒大學生保持良好的學習狀態(tài),幫助大學生順利畢業(yè)。主要研究內容如下:(1)提出網站對專業(yè)學習貢獻度的概念,并給出計算方法。首先,本文結合培養(yǎng)方案中的課程體系初步建立專業(yè)詞庫,并利用語言模型算法對專業(yè)詞庫進行擴展;其次,利用多種技術獲取并處理大學生的上網內容,將這些內容用特征詞表示;最后,提出基于關鍵詞匹配的網站貢獻度算法(WCDA-KM),用于計算網站貢獻度,大學生上網內容與所學專業(yè)相關度越高,則網站貢獻度越高,從而獲取大學生的上網動機,了解大學生的學習狀態(tài)。(2)研究上網數據中影響大學生成績的關鍵屬性,并針對關鍵屬性確定動態(tài)預警規(guī)則。本文利用改進后的樸素貝葉斯算法(NB)對大學生上網數據和成績數據進行分析。由于上網數據中屬性之間并不獨立,無法滿足NB算法的類條件獨立性假設,本文對NB算法進行改進,通過引入特征加權思想,利用改進的花授粉算法(IFPA)搜索全局最優(yōu)屬性權值,提出基于改進的花授粉算法的樸素貝葉斯分類器算法(NBC-IFPA)。利用NBC-IFPA算法對上網數據和成績數據進行分析,得到的權值用于確定影響大學生成績的關鍵屬性,并針對關鍵屬性確定動態(tài)預警規(guī)則,用于系統(tǒng)實現(xiàn)。(3)實現(xiàn)學業(yè)預警系統(tǒng)。以網站貢獻度為基礎,實現(xiàn)學業(yè)預警系統(tǒng),包括動態(tài)預警和靜態(tài)預警。動態(tài)預警依據動態(tài)預警規(guī)則,對大學生的學習狀態(tài)進行動態(tài)跟蹤,對符合預警規(guī)則的大學生進行預警;靜態(tài)預警通過對教務數據的深入分析,結合學業(yè)管理制度,確定學業(yè)預警規(guī)則,對偏離正常學習狀態(tài)的學生及時給予警示與幫助。
【學位授予單位】：蘇州大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：G434;TP391.1
【圖文】：

圖 3-2 軟件工程專業(yè)詞庫截圖為了適應時代的發(fā)展，培養(yǎng)計劃和課程體系結構會不斷地更新，新的專業(yè)名詞也會不斷出現(xiàn)，對于這些新名詞需要及時添加到專業(yè)詞庫中，從而不斷完善專業(yè)詞庫。3.2.2 基于語言模型算法的專業(yè)詞庫擴展由于培養(yǎng)計劃里的課程名無法涵蓋該專業(yè)的全部內容，所以需要對初步建立的專業(yè)詞庫進行擴展。文獻[60]在基于局部分析的詞擴展方法基礎上，設計和實現(xiàn)了一種基于語言模型的擴展詞提取算法，該算法準確率較高，且操作簡單。所以本文使用語言模型算法來對專業(yè)詞庫進行擴展。該算法的基本思想為：首先，選取若干相關文檔，計算出每篇文檔的一元語言模型，即計算出每篇文檔所包含的各個詞項對應的概率；然后，將各個文檔的詞項合并，將相同詞項的概率求和作為該詞項在整個文檔集的概率；最后，選取概率最大的前若干詞項作為擴展詞。具體處理流程如下：

上網內容獲取與處理據采集大學生的上網數據為研究對象，數據來源于常熟理工學院。從本校大學生的上網日志數據。提取的數據格式為 ONLINE_SER_IP，源端口號 SRC_PORT，目的 IP 地址 DST_IP，T，協(xié)議版本 IP_VERSION，操作類型 HTTP_TYPE…)，總共數據中不包含大學生學號信息，本文利用校園信息門戶網站，并與上網日志中 IP 地址一一對應，將上網數據與上網學上網日志數據中抽取出關鍵字段，創(chuàng)建表 STU_SURF(學號 IP，訪問網址HTTP_URL，上網時長SECONDS，上線時間RELUX，網站類型 APP)。以學號為 092217101 的學生為例，查使用如圖 3-3 中的 SQL 語句。

圖 3-4 部分查詢結果截圖在獲得大學生的上網數據后，利用表 STU_SURF 中“HTTP_URL”字段便學生的訪問網址，利用爬蟲技術爬取網頁文本內容，本文使用 Scrapy 爬蟲框.2 爬蟲本文使用 Scrapy 爬蟲框架爬取大學生訪問內容。Scrapy 是利用 Python 語言絡爬蟲框架，作為爬蟲框架，它使得爬蟲的設計和工作變得快速簡單，同時的擴展性和魯棒性[61]。所以 Scrapy 在爬蟲設計中使用廣泛，也符合本文所蟲特性，因此本文使用 Scrapy 來完成網頁爬取工作。下圖3-5概括了Scrapy的整體架構，一共由8個部分組成，主要包括了以下組

【參考文獻】

相關期刊論文 前10條

1 蔣卓軒;張巖;李曉明;;基于MOOC數據的學習行為分析與預測[J];計算機研究與發(fā)展;2015年03期

2 趙永超;姚曉霞;;高校機構知識庫建設現(xiàn)狀與未來[J];中國教育網絡;2014年07期

3 舒忠梅;屈瓊斐;;基于教育數據挖掘的大學生學習成果分析[J];東北大學學報(社會科學版);2014年03期

4 連陽陽;任淑霞;;一種基于離散粒子群優(yōu)化的貝葉斯分類算法[J];科技信息;2014年04期

5 陳益均;殷莉;;基于數據挖掘的學生成績影響模型的研究[J];現(xiàn)代教育技術;2013年01期

6 孟小峰;慈祥;;大數據管理:概念、技術與挑戰(zhàn)[J];計算機研究與發(fā)展;2013年01期

7 周圍;;論積極取向道德教育視域中的品德形成機制[J];教育學術月刊;2012年09期

8 張步良;;基于分類概率加權的樸素貝葉斯分類方法[J];重慶理工大學學報(自然科學);2012年07期

9 王家勝;牟肖光;;讀者借閱多維關聯(lián)規(guī)則挖掘模型的建立與分析[J];計算機應用;2011年11期

10 奉國和;鄭偉;;國內中文自動分詞技術研究綜述[J];圖書情報工作;2011年02期

相關博士學位論文 前1條

1 蔣良孝;樸素貝葉斯分類器及其改進算法研究[D];中國地質大學;2009年

相關碩士學位論文 前6條

1 安子建;基于Scrapy框架的網絡爬蟲實現(xiàn)與數據抓取分析[D];吉林大學;2017年

2 楊志忠;基于Hadoop的網絡用戶行為分析[D];蘭州理工大學;2016年

3 劉敏;面向SPOC數據的學習行為分析[D];華中師范大學;2015年

4 周念;面向用戶定制的文本過濾技術研究及其應用[D];北京郵電大學;2014年

5 張佳;數據挖掘技術在校園一卡通系統(tǒng)中的應用研究[D];蘇州大學;2013年

6 張保華;數據挖掘技術的研究及在圖書借閱系統(tǒng)中的應用[D];南京理工大學;2008年

本文編號：2779542