發(fā)布時間：2017-07-08 08:18

  本文關鍵詞：數(shù)據(jù)挖掘在教學評價中的應用研究

  更多相關文章： 數(shù)據(jù)挖掘 教學評價 聚類分析 決策樹 SPPSS軟件

【摘要】： 數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程,被信息產(chǎn)業(yè)界認為是數(shù)據(jù)庫系統(tǒng)最重要的前沿之一,是信息產(chǎn)業(yè)界最有前途的交叉學科。在各高校實際的教學評價中,存在著很多問題,面對歷年來積累的大量教學數(shù)據(jù),而傳統(tǒng)的教學評價手段顯的無能為力,而數(shù)據(jù)挖掘這一技術就解決了這一難題。聚類方法是數(shù)據(jù)挖掘中一個重要的研究內(nèi)容。本文對數(shù)據(jù)挖掘技術尤其是聚類挖掘技術進行了系統(tǒng)、深入地分析和研究,并將其投入到教學評價中。主要包括以下一些內(nèi)容: 首先對數(shù)據(jù)挖掘技術進行了簡要的回顧,在提出數(shù)據(jù)挖掘基本概念的基礎上,對數(shù)據(jù)挖掘可發(fā)現(xiàn)的模式進行了詳細地分類、歸納和總結(jié)。對數(shù)據(jù)挖掘的體系框架及運行過程也作了詳細的探討。對數(shù)據(jù)挖掘技術的國內(nèi)外研究現(xiàn)狀和當前的研究熱點進行了歸納和總結(jié)。為本文的全面展開奠定了基礎。 然后重點討論了聚類算法。k平均分區(qū)算法和層次凝聚算法是數(shù)據(jù)挖掘研究的重點之一。這兩種算法的應用極為廣泛。然而隨著應用的深入,這兩種算法也暴露了一些不足之處。例如:層次凝聚算法由于在每次分區(qū)合并時,需要計算單鏈接距離(或全鏈接距離),耗費了大量的時間,其時間復雜度為0(n2)。并且一旦一個合并完成,它不能被撤消,然而對k平均分區(qū)算法來講,它有一個最大的優(yōu)點是不必在指定分區(qū)數(shù)。但是k平均分區(qū)算法的缺點是必須事先設定分區(qū)數(shù)k。這一點對用戶來講,是相當不合理的。在k平均分區(qū)算法中,初始分區(qū)的選擇不當?shù)脑?將會收斂成為一個局部最小的準則,找不到最優(yōu)解。針對上述情況,本文提出了一種新的改進算法(NP算法)。本文提出了一種新的改進算法(NP算法)。 將數(shù)據(jù)挖掘技術應用到實踐中,對濰坊學院的成人教育數(shù)據(jù)進行挖掘,基于MS Analysis Services挖掘工具,通過決策樹分析、聚集分析等方法研究而得出的有關學生的特征,如:年齡小于或等于30歲的女生學習成績的綜合表現(xiàn)多偏向于中,年齡大于30歲的男生學習成績表現(xiàn)偏向優(yōu)秀的可能性較大等特征將會提供給學術顧問,以便濰坊學院的教務處發(fā)現(xiàn)成人教育存在的問題與規(guī)律,針對學生的不同特征進行綜合分析后對學生的選課提出指導意見(數(shù)據(jù)以濰坊學院成人教育教育管理專業(yè)的為例)。 采用數(shù)據(jù)挖掘軟件SPSS對濰坊學院近幾年教育技術學專業(yè)的相關數(shù)據(jù)進行統(tǒng)計分析,挖掘數(shù)據(jù)背后隱藏的信息與知識,揭示若干教育現(xiàn)象,如:在畢業(yè)論文方面:男女生之間存在顯著性差異,再如在等級考試方面:男女生之間存在顯著性差異,女生的成績明顯高于男生。并為濰坊學院的教育決策支持提供若干參考建議。
【關鍵詞】：數(shù)據(jù)挖掘 教學評價 聚類分析 決策樹 SPPSS軟件
【學位授予單位】：山東師范大學
【學位級別】：碩士
【學位授予年份】：2007
【分類號】：TP311.13
【目錄】：

• 中文摘要5-7
• ABSTRACT7-9
• 第一章緒論9-16
• 1.1 課題研究背景及意義9-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.3 論文的研究工作成果14-16
• 第二章 數(shù)據(jù)挖掘技術綜述16-24
• 2.1 數(shù)據(jù)挖掘技術的產(chǎn)生背景16-17
• 2.2 數(shù)據(jù)挖掘技術17-19
• 2.3 數(shù)據(jù)挖掘系統(tǒng)的體系框架及運行過程19-22
• 2.4 數(shù)據(jù)挖掘與其他數(shù)據(jù)庫工具的區(qū)別和聯(lián)系22-23
• 2.5 數(shù)據(jù)挖掘的熱點問題23-24
• 第三章聚類方法的研究24-38
• 3.1 聚類分析定義24-25
• 3.2 樣本類型和相似度測量25-29
• 3.3 聚類過程29-30
• 3.4 聚類算法的分類30-34
• 3.5 數(shù)據(jù)聚類算法的改進34-38
• 第四章基于MS ANALYSIS SERVICES 的學生特征的分析與應用38-56
• 4.1 MS SQL SERVER ANALYSIS SERVICES 概述38-40
• 4.2 學生特征的分析與應用40-56
• 第五章 基于數(shù)理統(tǒng)計的數(shù)據(jù)挖掘技術教學評價過程的應用56-75
• 5.1 教育數(shù)據(jù)的整理、變換和集成56-58
• 5.2 教育數(shù)據(jù)挖掘與分析58-73
• 5.3 運用數(shù)據(jù)挖掘的結(jié)果支持教學評價73-75
• 第六章結(jié)束語75-77
• 6.1 全文總結(jié)75-76
• 6.2 課題展望76
• 6.3 心得體會76-77
• 參考文獻77-80
• 致謝80-81
• 攻讀學位期間發(fā)表的學術論文目錄81

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 方新麗;;基于數(shù)據(jù)挖掘的教學評價系統(tǒng)[J];電腦知識與技術;2010年26期

2 方新麗;;淺議數(shù)據(jù)挖掘技術及其應用[J];電腦知識與技術;2010年29期

3 高艷平;丁智;;C4.5算法在高校學生心理教育方面的應用研究[J];江西科學;2011年06期

4 宋雅婷;孟莉秋;孫道層;宮霞英;;數(shù)據(jù)挖掘技術在教學中的應用[J];中國教育技術裝備;2013年03期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 呂中楠;李晉宏;蔡晟;;鋁電解槽分班組指標統(tǒng)計分析系統(tǒng)研究與開發(fā)[A];中國計量協(xié)會冶金分會2008年會論文集[C];2008年

2 呂中楠;李晉宏;蔡晟;;鋁電解槽分班組指標統(tǒng)計分析系統(tǒng)研究與開發(fā)[A];2008全國第十三屆自動化應用技術學術交流會論文集[C];2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李婷;基于數(shù)據(jù)挖掘的網(wǎng)絡有效學習機制研究[D];陜西師范大學;2011年

2 劉曉彥;基于支持向量機的獨立學院教學評價系統(tǒng)研究[D];吉林農(nóng)業(yè)大學;2011年

3 陶曉華;聚類分析在企業(yè)固定資產(chǎn)管理中的應用[D];山東師范大學;2008年

4 蘇志強;基于Web挖掘的教育信息處理在網(wǎng)絡課程中的應用研究[D];上海師范大學;2010年

5 胡麗青;模糊聚類在鋁電解槽槽況分析中的研究與應用[D];北方工業(yè)大學;2010年

6 馬瀟;網(wǎng)絡學習行為評價模式研究[D];西安理工大學;2010年

7 陳青山;決策樹算法在高校教學質(zhì)量評價系統(tǒng)中的應用研究[D];西南交通大學;2010年

8 岳娜莉;學生評教數(shù)據(jù)的知識挖掘研究[D];天津師范大學;2012年

9 楊萍;決策樹和關聯(lián)規(guī)則在教學評價系統(tǒng)中的應用[D];北京工業(yè)大學;2013年

10 高桂平;信息技術環(huán)境下課堂話語分析系統(tǒng)的設計與研究[D];華中師范大學;2013年

，

本文編號：533720