数据挖掘的学业成绩分析方法研究【字数：15766】
摘 要目前，国家对高校人才的培养越来越重视，各所高校都在苦寻提高教学质量，提升学生学业成绩以防止辍学的方法。在现在这个社会大环境中，影响学生学业成绩的因素越来越多，比如家庭因素，学生的学习状态和投入时间的长短等等。而随着数据挖掘技术的崛起，它在分析这些大数据来发现潜在的规律，让教师对各种因素有一种了解，便于对学生的管理与更好的进行因材施教。因此，研究对基于数据挖掘的学业成绩分析的方法就具有重大意义。本文首先对于国内外现状进行了归纳总结并对目前几种常见的数据挖掘方法进行了简单的介绍。其次，在Matlab中先使用关联规则对数据进行了汇总及结果分析。然后使用神经网络算法对学生成绩进行分类，以及利用所涉及到的数据对学生学业成绩进行预测。
目 录
1. 绪论 1
1.1研究背景及意义 1
1.2 国内外研究现状 1
1.3 本文内容 3
2. 数据挖掘 4
2.1 数据挖掘概念 4
2.2 数据挖掘过程 4
2.3 数据挖掘方法 5
2.4 本章小结 6
3. 实验算法介绍 7
3.1 实验算法的选取 7
3.2 关联规则概念 8
3.3 关联规则的参数选择与使用 8
3.4 关联规则Apriori算法 9
3.5 神经网络分析 9
3.6 本章小结 13
4. 实验设计及分析 15
4.1 数据获取 15
4.2 关联规则分析 17
4.3 BP神经网络 21
4.4 本章小结 24
5. 总结与展望 26
5.1 总结 26
5.2 展望 26
参考文献 27
致 谢 28
附 录 29
1.绪论
1.1研究背景及意义
在科技迅速发展的信息时代，大量的数据被不同形式的存在于计算机中，而在这大量数据中如何正确的处理与总结却是一个很大的问题，这也是计算机技术被广泛应用的一重大原因。使用计算的好处在于它能够信息化管理，它的快速性，安全性特别突出，提高了整 *好棒文|www.hbsrm.com +Q: @351916072@
体的工作效率。
数据挖掘的定义是从大量的隐藏数据中提取一些潜在的，表面所看不出来的有用的数据。数据挖掘技术在最近的发展中体现了极其重要的价值。现在已经广泛用于各大商场，金融服务行业。但是却很少的在教育中使用，所以更需要对学生学业成绩进行进一步的挖掘。
高校的目标是提高整体的教学质量，其中的一项重要的标准就是衡量学生的学业成绩，同时也是对学生学业及教师教学效果的检验。在教学和校园日常行为以及学生的家庭因素往往存在很多隐性的因素影响学生的成绩，因此探索学生校园行为数据和学生的家庭因素与学生成绩的关系显得尤为重要。根据传统的评价方式，看学生的学生的平均数，方差等数据的表面的特征来分析学生学业成绩，十分片面与漏洞百出。虽然这些方法都具有可行性，有一定的限制。在当今互联网时代，传统的数据处理办法已经无法满足当今对于数据剖析度的需求，所以采用数据挖掘技术对学生学业成绩分析的研究就更加具有意义。
本文主要利用数据挖掘技术，探索学生校园行为与家庭因素大数据，给教师提供最为真实、最为个性化的学生特点信息，使教师在教学过程中可以有针对性地对学生进行因材施教。以校园日常行为数据为基础，提取学生学习行为、家庭生活因素等特征，通过对大量数据的归纳，分析学生行为规律，运用其中关系和规定提出相应的解决方法，进而预测学业成绩，辅助信息化教学，实现智能导学、教辅、考评等功能和应用，为学校提供更好的教育和管理支持。
1.2国内外研究现状
国家层面对于大数据时代教育的发展相当重视。在“推进信息技术与教学融合”部分中提出，为优质教育提供教育资源和平台，创建智能化的教学环境，实现精准教育。
《现代教育行为心理学》中认为良好的学习、生活习惯有助于学生的全面发展。行为习惯是在日常生活中形成的行为，其具一定的稳定性，是一种自然表现的经常性行为，好的习惯受益一生。学生的进一步发展，离不开良好的行为习惯，行为习惯对人才的培养具有极其重要的作用。现在学生校园行为的研究有很多，基本采用调查问卷的形式或者是主观评价学生行为，但很少有研究者通过学生真实行为数据进行研究，更不谈把学生行为习惯跟学生的学业成绩放到一起研究。实际上，学生的学习行为习惯跟学业成绩息息相关，注重良好学习行为习惯，生活习惯和家庭的培养对取得好的学业成绩起着十分重要的作用。
在我国现今社会的各行业中，处处都是计算机入网，存在着大量的数据。好比去商场里购买衣服，图书馆借书存书等等。购买衣服和裤子的关联性问题都值得深刻的挖掘分析。在1993年我国开始探索这一行业，从那以后我国便掀起了一阵研究数据挖掘的狂潮。但由于起步晚，发展的不是很好。问题摆在面前，但面对问题，我们艰难的在克服。近年来，我国对数据挖掘十分重视，政府对于挖掘分析也给与了很多资金的支持。伴随着我国高等教育的飞速发展，人才的需求量不断增大。给与高校培养人才的压力也日益增大。传统的教学不能对于已有的数据进行挖掘分析，不能顺应时代的发展。弊端也逐渐的显现出来。在目前的残酷竞争的大环境下，高校对于学生行为与数据的挖掘就显得尤为重要，通过对数据探索和行为与学生成绩之间的关联，预测学生的成绩以防止其辍学。教师可以对学生因材施教，让某一方面突出的学生更加突出，让成绩比较差的学生也能够顺利毕业。现代化的教育如高校等需要有长远的战略。学生的学业成绩主要取决于个人，家庭，社会等级和其他诸多因素。我们可以通过分析来预估并制定出新的教学策略。以下是几个比较重要的方面：
（1）教学方面。在教学中应该对大数据进行分析与挖掘，寻找学生学业成绩与个人，家庭，社会背景等方面，及时的发现问题，进而做出预见性的预测以便指导学生及时做出调整和准备，这对教学质量有很大的提升。
目 录
1. 绪论 1
1.1研究背景及意义 1
1.2 国内外研究现状 1
1.3 本文内容 3
2. 数据挖掘 4
2.1 数据挖掘概念 4
2.2 数据挖掘过程 4
2.3 数据挖掘方法 5
2.4 本章小结 6
3. 实验算法介绍 7
3.1 实验算法的选取 7
3.2 关联规则概念 8
3.3 关联规则的参数选择与使用 8
3.4 关联规则Apriori算法 9
3.5 神经网络分析 9
3.6 本章小结 13
4. 实验设计及分析 15
4.1 数据获取 15
4.2 关联规则分析 17
4.3 BP神经网络 21
4.4 本章小结 24
5. 总结与展望 26
5.1 总结 26
5.2 展望 26
参考文献 27
致 谢 28
附 录 29
1.绪论
1.1研究背景及意义
在科技迅速发展的信息时代，大量的数据被不同形式的存在于计算机中，而在这大量数据中如何正确的处理与总结却是一个很大的问题，这也是计算机技术被广泛应用的一重大原因。使用计算的好处在于它能够信息化管理，它的快速性，安全性特别突出，提高了整 *好棒文|www.hbsrm.com +Q: @351916072@
体的工作效率。
数据挖掘的定义是从大量的隐藏数据中提取一些潜在的，表面所看不出来的有用的数据。数据挖掘技术在最近的发展中体现了极其重要的价值。现在已经广泛用于各大商场，金融服务行业。但是却很少的在教育中使用，所以更需要对学生学业成绩进行进一步的挖掘。
高校的目标是提高整体的教学质量，其中的一项重要的标准就是衡量学生的学业成绩，同时也是对学生学业及教师教学效果的检验。在教学和校园日常行为以及学生的家庭因素往往存在很多隐性的因素影响学生的成绩，因此探索学生校园行为数据和学生的家庭因素与学生成绩的关系显得尤为重要。根据传统的评价方式，看学生的学生的平均数，方差等数据的表面的特征来分析学生学业成绩，十分片面与漏洞百出。虽然这些方法都具有可行性，有一定的限制。在当今互联网时代，传统的数据处理办法已经无法满足当今对于数据剖析度的需求，所以采用数据挖掘技术对学生学业成绩分析的研究就更加具有意义。
本文主要利用数据挖掘技术，探索学生校园行为与家庭因素大数据，给教师提供最为真实、最为个性化的学生特点信息，使教师在教学过程中可以有针对性地对学生进行因材施教。以校园日常行为数据为基础，提取学生学习行为、家庭生活因素等特征，通过对大量数据的归纳，分析学生行为规律，运用其中关系和规定提出相应的解决方法，进而预测学业成绩，辅助信息化教学，实现智能导学、教辅、考评等功能和应用，为学校提供更好的教育和管理支持。
1.2国内外研究现状
国家层面对于大数据时代教育的发展相当重视。在“推进信息技术与教学融合”部分中提出，为优质教育提供教育资源和平台，创建智能化的教学环境，实现精准教育。
《现代教育行为心理学》中认为良好的学习、生活习惯有助于学生的全面发展。行为习惯是在日常生活中形成的行为，其具一定的稳定性，是一种自然表现的经常性行为，好的习惯受益一生。学生的进一步发展，离不开良好的行为习惯，行为习惯对人才的培养具有极其重要的作用。现在学生校园行为的研究有很多，基本采用调查问卷的形式或者是主观评价学生行为，但很少有研究者通过学生真实行为数据进行研究，更不谈把学生行为习惯跟学生的学业成绩放到一起研究。实际上，学生的学习行为习惯跟学业成绩息息相关，注重良好学习行为习惯，生活习惯和家庭的培养对取得好的学业成绩起着十分重要的作用。
在我国现今社会的各行业中，处处都是计算机入网，存在着大量的数据。好比去商场里购买衣服，图书馆借书存书等等。购买衣服和裤子的关联性问题都值得深刻的挖掘分析。在1993年我国开始探索这一行业，从那以后我国便掀起了一阵研究数据挖掘的狂潮。但由于起步晚，发展的不是很好。问题摆在面前，但面对问题，我们艰难的在克服。近年来，我国对数据挖掘十分重视，政府对于挖掘分析也给与了很多资金的支持。伴随着我国高等教育的飞速发展，人才的需求量不断增大。给与高校培养人才的压力也日益增大。传统的教学不能对于已有的数据进行挖掘分析，不能顺应时代的发展。弊端也逐渐的显现出来。在目前的残酷竞争的大环境下，高校对于学生行为与数据的挖掘就显得尤为重要，通过对数据探索和行为与学生成绩之间的关联，预测学生的成绩以防止其辍学。教师可以对学生因材施教，让某一方面突出的学生更加突出，让成绩比较差的学生也能够顺利毕业。现代化的教育如高校等需要有长远的战略。学生的学业成绩主要取决于个人，家庭，社会等级和其他诸多因素。我们可以通过分析来预估并制定出新的教学策略。以下是几个比较重要的方面：
（1）教学方面。在教学中应该对大数据进行分析与挖掘，寻找学生学业成绩与个人，家庭，社会背景等方面，及时的发现问题，进而做出预见性的预测以便指导学生及时做出调整和准备，这对教学质量有很大的提升。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/951.html
