作者通過(guò)廣州市某中職學(xué)校一學(xué)期的實(shí)習(xí)和對(duì)該校領(lǐng)導(dǎo)的訪(fǎng)談了解到,隨著學(xué)校智慧校園的不斷建設(shè),產(chǎn)生的數(shù)據(jù)越來(lái)越多,如何有效地使用這些數(shù)據(jù),挖掘潛藏的信息,成為一個(gè)重要問(wèn)題,且該�，F(xiàn)階段對(duì)于課程成績(jī)關(guān)聯(lián)性的挖掘分析和對(duì)學(xué)生未來(lái)學(xué)習(xí)成績(jī)的預(yù)測(cè)還未有所進(jìn)展。因此,本文以大數(shù)據(jù)技術(shù)為手段,通過(guò)相關(guān)算法,研究分析中職學(xué)校學(xué)生的成績(jī)數(shù)據(jù),從數(shù)據(jù)中挖掘潛在的信息,再結(jié)合調(diào)查問(wèn)卷進(jìn)行輔助分析,從而得出相關(guān)結(jié)論。本文之所以基于大數(shù)據(jù)技術(shù),一是使用大數(shù)據(jù)技術(shù)比單機(jī)電腦運(yùn)算速度快很多、穩(wěn)定性也高;二是除了方便存儲(chǔ)現(xiàn)階段研究需要的數(shù)據(jù),也為日后數(shù)據(jù)的指數(shù)級(jí)增長(zhǎng)做準(zhǔn)備;三是緊跟國(guó)家的政策方針,譬如18年的政府報(bào)告,就要求運(yùn)用大數(shù)據(jù)技術(shù)輔助教育事業(yè);四是大數(shù)據(jù)技術(shù)已經(jīng)在教育領(lǐng)域如火如荼的展開(kāi),在教育領(lǐng)域中使用大數(shù)據(jù)技術(shù)成為一個(gè)趨勢(shì)。本文首先介紹大數(shù)據(jù)相關(guān)技術(shù)和教育領(lǐng)域的相關(guān)理論,接著搭建大數(shù)據(jù)分布式集群及其生態(tài)圈的組件,用集成開(kāi)發(fā)環(huán)境eclipse結(jié)合Java語(yǔ)言,bootstrap、jQuery、echart等框架,開(kāi)發(fā)后臺(tái)控制系統(tǒng)及前端頁(yè)面。對(duì)該校2016級(jí)學(xué)生16至18學(xué)年的所有課程成績(jī)進(jìn)行預(yù)處理,變成可以研究...

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景和意義
        1.1.1 選題背景
        1.1.2 選題意義
    1.2 文獻(xiàn)綜述
        1.2.1 大數(shù)據(jù)技術(shù)研究現(xiàn)狀
        1.2.2 大數(shù)據(jù)技術(shù)在教育領(lǐng)域的研究現(xiàn)狀
    1.3 研究思路和研究方法
        1.3.1 研究思路
        1.3.2 研究方法
    1.4 論文結(jié)構(gòu)
2 相關(guān)技術(shù)和理論
    2.1 信息技術(shù)
        2.1.1 Hadoop集群概述
        2.1.2 Hadoop生態(tài)系統(tǒng)組成
        2.1.3 HDFS分布式文件系統(tǒng)
        2.1.4 Map Reduce
        2.1.5 數(shù)據(jù)挖掘概述
        2.1.6 數(shù)據(jù)挖掘方法
    2.2 教育學(xué)理論
        2.2.1 阿斯汀“學(xué)生參與理論”
        2.2.2 佩斯“努力質(zhì)量”理論
        2.2.3 建構(gòu)主義學(xué)習(xí)理論
        2.2.4 成敗歸因理論
3 大數(shù)據(jù)集群的搭建和程序的開(kāi)發(fā)
    3.1 系統(tǒng)總體設(shè)計(jì)
        3.1.1 集群的總體設(shè)計(jì)
        3.1.2 平臺(tái)的總體架構(gòu)
    3.2 Hadoop集群的搭建
    3.3 數(shù)據(jù)分析平臺(tái)的程序開(kāi)發(fā)
        3.3.1 功能需求
        3.3.2 軟件關(guān)鍵技術(shù)
        3.3.3 平臺(tái)架構(gòu)設(shè)計(jì)
        3.3.4 后端開(kāi)發(fā)
        3.3.5 前端開(kāi)發(fā)
4 中職學(xué)生成績(jī)數(shù)據(jù)處理方法研究
    4.1 中職學(xué)生成績(jī)分析流程
    4.2 數(shù)據(jù)預(yù)處理
        4.2.1 數(shù)據(jù)的采集
        4.2.2 數(shù)據(jù)缺失值處理
        4.2.3 數(shù)據(jù)異常值處理
        4.2.4 數(shù)據(jù)標(biāo)準(zhǔn)化的處理
    4.3 數(shù)據(jù)的導(dǎo)入導(dǎo)出與數(shù)據(jù)存儲(chǔ)
5 中職學(xué)生成績(jī)數(shù)據(jù)的聚類(lèi)實(shí)驗(yàn)和結(jié)果分析
    5.1 問(wèn)題的引入
    5.2 k-means聚類(lèi)算法應(yīng)用于中職學(xué)生成績(jī)的分析
        5.2.1 聚類(lèi)算法的基本概念
        5.2.2 算法的基本思想
        5.2.3 算法的實(shí)現(xiàn)過(guò)程
    5.3 實(shí)驗(yàn)及結(jié)果分析
        5.3.1 算法在Hadoop集群上實(shí)現(xiàn)的原理
        5.3.2 實(shí)驗(yàn)及結(jié)果分析
        5.3.3 建議與小結(jié)
6 中職學(xué)生成績(jī)數(shù)據(jù)的多元線(xiàn)性回歸實(shí)驗(yàn)和結(jié)果分析
    6.1 問(wèn)題的引入
    6.2 多元線(xiàn)性回歸算法應(yīng)用于中職學(xué)生成績(jī)的分析
        6.2.1 多元線(xiàn)性回歸算法的基本概念
        6.2.2 多元線(xiàn)性回歸的數(shù)學(xué)模型
    6.3 實(shí)驗(yàn)及結(jié)果分析
        6.3.1 課程間的關(guān)聯(lián)系數(shù)分析
        6.3.2 成績(jī)預(yù)測(cè)分析
        6.3.3 建議與小結(jié)
7 總結(jié)與展望
    7.1 本文研究工作總結(jié)
    7.2 研究創(chuàng)新點(diǎn)
    7.3 展望
參考文獻(xiàn)
附錄
    附錄A
    附錄B
    附錄C
致謝
攻讀碩士期間研究成果
學(xué)位論文數(shù)據(jù)集表



本文編號(hào)：3853858