發(fā)布時(shí)間：2023-04-04 03:14

　　隨著高校信息管理系統(tǒng)中學(xué)生行為數(shù)據(jù)的日益繁增,激發(fā)新思路分析與挖掘?qū)W生的各類行為數(shù)據(jù)成為當(dāng)前教育領(lǐng)域的主流,同時(shí),可以通過構(gòu)建學(xué)生行為畫像找到學(xué)生的行為數(shù)據(jù)與真實(shí)生活之間的聯(lián)系。學(xué)生行為畫像是指利用語義化的學(xué)生行為數(shù)據(jù)標(biāo)簽集合識別學(xué)生的行為特征,描述學(xué)生的行為習(xí)慣。本文提出基于大數(shù)據(jù)的學(xué)生行為畫像研究與分析。該研究主要是以學(xué)生的各類行為數(shù)據(jù)為主,以空間聚類算法模型和基于關(guān)聯(lián)規(guī)則的分類算法模型為輔,挖掘隱藏在學(xué)生行為背后的數(shù)據(jù)價(jià)值。從而引導(dǎo)和預(yù)測學(xué)生的行為軌跡,改進(jìn)了高校傳統(tǒng)的教與學(xué)的模式,在滿足學(xué)生行為畫像需求的同時(shí),打破了學(xué)生數(shù)據(jù)已形成的先入之見。本文的主要內(nèi)容如下:(1)處理學(xué)生行為數(shù)據(jù)。目前,針對高校學(xué)生行為數(shù)據(jù)的存儲與量級鱗次櫛比的問題,利用學(xué)生行為數(shù)據(jù)預(yù)處理和行為類型劃分策略,集成相對完整的學(xué)生靜態(tài)屬性數(shù)據(jù)、成績數(shù)據(jù)、消費(fèi)金額數(shù)據(jù)、消費(fèi)頻次數(shù)據(jù)和借閱冊數(shù)數(shù)據(jù),消除學(xué)生各類行為數(shù)據(jù)的量級差異,規(guī)范化學(xué)生的各類行為數(shù)據(jù)。(2)分析學(xué)生各類行為數(shù)據(jù)。以規(guī)范化和集成化后具有相同量級的學(xué)生各類行為數(shù)據(jù)為基礎(chǔ)。首先結(jié)合改進(jìn)的肘部法則與K-means聚類算法分別對學(xué)生的各類行為數(shù)據(jù)進(jìn)行聚類...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 用戶畫像研究現(xiàn)狀
    1.3 相關(guān)方法研究現(xiàn)狀
    1.4 課題研究內(nèi)容
    1.5 論文組織結(jié)構(gòu)
第2章 理論基礎(chǔ)與相關(guān)技術(shù)
    2.1 引言
    2.2 數(shù)據(jù)挖掘概述
    2.3 行為畫像概述
    2.4 數(shù)據(jù)預(yù)處理過程
        2.4.1 數(shù)據(jù)清洗
        2.4.2 數(shù)據(jù)集成
        2.4.3 數(shù)據(jù)轉(zhuǎn)換
        2.4.4 數(shù)據(jù)規(guī)約
    2.5 數(shù)據(jù)挖掘過程
        2.5.1 數(shù)據(jù)挖掘步驟
        2.5.2 相關(guān)性分析研究
        2.5.3 CRISP-DM數(shù)據(jù)挖掘過程模型
        2.5.4 Fayyad數(shù)據(jù)挖掘過程模型
        2.5.5 結(jié)果的解釋與評估
    2.6 本章小結(jié)
第3章 學(xué)生數(shù)據(jù)處理
    3.1 引言
    3.2 學(xué)生數(shù)據(jù)預(yù)處理
        3.2.1 數(shù)據(jù)采集
        3.2.2 數(shù)據(jù)清洗
        3.2.3 特征選擇
        3.2.4 數(shù)據(jù)轉(zhuǎn)換
    3.3 學(xué)生行為數(shù)據(jù)劃分策略
        3.3.1 聚類算法
        3.3.2 肘部法則
        3.3.3 輪廓系數(shù)
        3.3.4 類別符號
    3.4 本章小結(jié)
第4章 學(xué)生行為畫像分析
    4.1 引言
    4.2 學(xué)生行為數(shù)據(jù)分析
        4.2.1 實(shí)驗(yàn)方案
        4.2.2 實(shí)驗(yàn)分析
        4.2.3 實(shí)驗(yàn)對比
    4.3 學(xué)生行為畫像研究
        4.3.1 行為畫像過程
        4.3.2 行為標(biāo)簽集合
    4.4 基于頻繁模式的分類算法
    4.5 本章小結(jié)
第5章 學(xué)生行為畫像模型融合
    5.1 引言
    5.2 模型融合開發(fā)環(huán)境
    5.3 學(xué)生行為畫像模型融合
        5.3.1 實(shí)驗(yàn)方案
        5.3.2 實(shí)驗(yàn)結(jié)果與分析
        5.3.3 學(xué)生行為畫像
    5.4 數(shù)據(jù)挖掘結(jié)果可視化
    5.5 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
附錄 A 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文和獲獎(jiǎng)情況



本文編號：3781677