數(shù)據(jù)挖掘技術(shù)與人工智能算法的發(fā)展日新月異,為我們從海量的數(shù)據(jù)中挖掘有價值的信息并且加以利用奠定了堅實的理論和應(yīng)用基礎(chǔ),與此同時,對于探索隱藏于數(shù)據(jù)背后的信息的需求也與日俱增。無線網(wǎng)絡(luò)和智能手機的蓬勃發(fā)展,以及校園數(shù)字管理系統(tǒng)的普及,使得我們可以獲取并分析學(xué)生豐富多彩的校園生活中產(chǎn)生的軌跡和行為數(shù)據(jù),挖掘有價值的信息從而為更科學(xué)有效地管理學(xué)生提供數(shù)據(jù)驅(qū)動的指導(dǎo)方針。教育大數(shù)據(jù)（Educational Data Mining）近些年來已經(jīng)成為了許多高校研究的熱點內(nèi)容。本論文基于校園多源異構(gòu)數(shù)據(jù),結(jié)合Wi-Fi定位技術(shù)、軌跡數(shù)據(jù)挖掘技術(shù)、社交網(wǎng)絡(luò)分析技術(shù)、機器學(xué)習(xí)以及深度學(xué)習(xí)技術(shù),構(gòu)建學(xué)生個人行為畫像以及社交行為畫像,設(shè)計深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)合多方面因素對學(xué)生的學(xué)習(xí)成績進行預(yù)測,設(shè)計并實現(xiàn)學(xué)業(yè)預(yù)警與社交分析系統(tǒng)。首先對包含Wi-Fi探針定位、校園網(wǎng)使用數(shù)據(jù)、校園卡使用數(shù)據(jù)等的多源異構(gòu)數(shù)據(jù)進行預(yù)處理并基于時空信息進行融合從而構(gòu)建學(xué)生的校園軌跡,接著設(shè)計算法和規(guī)則構(gòu)建學(xué)生的個人用戶畫像,對畫像與學(xué)生學(xué)業(yè)成績的相關(guān)性進行展示和分析并基于用戶畫像對學(xué)生成績進行預(yù)測。然后基于學(xué)生校園軌跡設(shè)計學(xué)生向量嵌入算法... 

【文章來源】：北京郵電大學(xué)北京市211工程院校教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究內(nèi)容和方法
    1.3 論文結(jié)構(gòu)
第二章 相關(guān)研究現(xiàn)狀
    2.1 教育數(shù)據(jù)分析
    2.2 學(xué)生成績預(yù)測
    2.3 表示學(xué)習(xí)模型
    2.4 軌跡相似度計算
第三章 多源異構(gòu)數(shù)據(jù)預(yù)處理
    3.1 多源異構(gòu)數(shù)據(jù)收集
        3.1.1 校園多源異構(gòu)數(shù)據(jù)
        3.1.2 移動軌跡數(shù)據(jù)
        3.1.3 校園Wi-Fi日志數(shù)據(jù)
        3.1.4 校園網(wǎng)關(guān)數(shù)據(jù)
        3.1.5 校園一卡通數(shù)據(jù)
        3.1.6 其它數(shù)據(jù)
    3.2 數(shù)據(jù)清洗
        3.2.1 過濾無效MAC地址
        3.2.2 過濾非移動設(shè)備
        3.2.3 過濾無效移動設(shè)備
        3.2.4 過濾無效和冗余數(shù)據(jù)
    3.3 多源數(shù)據(jù)融合
        3.3.1 多源數(shù)據(jù)融合分類
        3.3.2 學(xué)生ID與MAC映射算法
        3.3.3 學(xué)生校園軌跡
    3.4 本章小結(jié)
第四章 基于個人畫像的成績預(yù)測
    4.1 行為特征提取
        4.1.1 時空特征
        4.1.2 校園網(wǎng)特征
        4.1.3 智能卡特征
        4.1.4 自定義特征
    4.2 特征相關(guān)性分析
        4.2.1 統(tǒng)計性相關(guān)分析
        4.2.2 皮爾森相關(guān)系數(shù)分析
        4.2.3 單因素方差分析
    4.3 學(xué)習(xí)成績預(yù)測
    4.4 本章小結(jié)
第五章 社交畫像構(gòu)建與Deep-Stu成績預(yù)測
    5.1 Stu2Vec學(xué)生向量嵌入算法
        5.1.1 校園軌跡庫構(gòu)建
        5.1.2 學(xué)生向量訓(xùn)練
        5.1.3 軌跡相似度驗證
    5.2 社交畫像構(gòu)建
    5.3 Deep-Stu成績預(yù)測模型
        5.3.1 學(xué)生軌跡矩陣構(gòu)建
        5.3.2 Deep-Stu模型
        5.3.3 成績預(yù)測結(jié)果
    5.4 本章小結(jié)
第六章 學(xué)業(yè)預(yù)警與社交分析系統(tǒng)
    6.1 數(shù)據(jù)持久層
    6.2 表現(xiàn)層狀態(tài)轉(zhuǎn)化
    6.3 學(xué)生畫像展示
    6.4 學(xué)生畫像對比
    6.5 異常學(xué)生預(yù)警
    6.6 關(guān)注學(xué)生
    6.7 本章小結(jié)
第七章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表或已錄用的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]教育大數(shù)據(jù)在高校貧困生預(yù)測中的應(yīng)用研究[J]. 朱劍林,朱容波,康怡琳,韋唯.  教育教學(xué)論壇. 2018(21)
[2]基于智慧課堂的教育大數(shù)據(jù)分析與應(yīng)用研究[J]. 劉邦奇,李鑫.  遠(yuǎn)程教育雜志. 2018(03)
[3]教育大數(shù)據(jù)深度學(xué)習(xí)的價值取向、挑戰(zhàn)及展望——在技術(shù)促進學(xué)習(xí)的理解視域中[J]. 趙慧瓊,姜強,趙蔚.  現(xiàn)代遠(yuǎn)距離教育. 2018(01)
[4]數(shù)據(jù)挖掘中的分類算法綜述[J]. 魏茂勝.  網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2017(06)
[5]發(fā)展教育大數(shù)據(jù):內(nèi)涵、價值和挑戰(zhàn)[J]. 楊現(xiàn)民,唐斯斯,李冀紅.  現(xiàn)代遠(yuǎn)程教育研究. 2016(01)
[6]關(guān)于數(shù)據(jù)挖掘中的數(shù)據(jù)分類算法的綜述[J]. 錢雙艷.  電子制作. 2014(13)



本文編號：3633094