论文部分内容阅读
信息时代的到来,每个行业都面临着从“大数据”中提取有价值信息的问题,数据挖掘技术应运而生,且伴随着信息技术的发展而飞速发展。在教育领域中“大数据”的挖掘应用更是逐渐被重视,本文正是将大数据融入教育中,通过功能需求、技术需求及数据需求进行深入分析和整合,同时按照分类规则设计公式分配不同的最小置信度和最小支持度,对其中的关联规则进行设计及分析,避免了因为数据不充足而造成不平衡等问题。在学校内,学生的成绩,日常表现以及未来就业方向,都是学校关注的重点问题,通过数据挖掘技术,捕捉到容易被忽略的细节,分析出与之相关的信息,得出相应的结论和办法为教学及管理提供服务。例如对有辍学危险的学生,尽早提出预警,对学习困难的同学,提供与之匹配的学习方法,对即将就业的同学,做好职业规划设计等。本文围绕高校学生成绩,基于数据挖掘技术对学生成绩作相关数据分析研究,具体研究内容及结果如下:(1)搜集与学生成绩相关的数据,通过需求分析、概要设计、详细设计及编码调试等环节开发了学生成绩管理系统,系统实现了系统管理、教学资源、学籍管理、教师管理、教师管理、成绩管理、成绩统计、成绩数据挖掘、成绩查询等功能,教师利用系统可维护管理本人信息,可对学生成绩的录入及查询;学生可以维护管理本人信息,实现对本人成绩的查询访问,教务管理人员能够对学生信息、教师信息、课程信息的管理,同时能够对学生成绩数据进行挖掘统计及分析。(2)以系统中学生的相关数据作为数据源输入,分别进行了关联规则成绩分析设计及评分设计,提供了较灵活的支持度、置信度、提升度等阈值的设置,采用了频繁项集算法分析数据之间的相关性,找出影响学生学习成绩的关联因素。(3)提出学生成绩的预警模型。教育教学过程中,学生成绩是一个衡量学生学业情况的最重要的指标,通过对学生成绩的分析,可以反映出学生学习努力的状况,教师教课的质量以及课程的难易程度等。国内的各大高校的考务流程不尽相同,对待重修情况一般是考试结果已经出现不及格的情况,在下一个或者某个相近的学期,会为没有通过的学生提供重修的机会,学生重新学习课程并参加考试。本文针对重修问题,通过建立运用数据挖掘技术分析策略,建立学生成绩预警模型,对已有的学生历史数据进行收集、整理、分析,利用关联规则技术提前准确定位到有可能出现重修的学生,让该类学生提早做好复习和学习准备,提醒任课教师也着重提前关注和警示此类学生,做到预测、提醒以及帮助。