基于数据挖掘技术的英语成绩评价分析.docVIP

基于数据挖掘技术的英语成绩评价分析 　　摘要：现今的教育领域中应用先进的技术对学生学习成绩进行评价和分析，能节省教师更多的时间，并能提高对学生成绩的准确的评价。基于这样的原因，在此次的研究中，对数据挖掘技术的英语成绩评价进行分析和研究，主要从数据挖掘的方法、数据准备和数据模型进行分析和探讨。望此次的论述能为现今英语教学效果评价体系的建立，提供可行性的建议，进而提升对学生英语成绩评价结果的准确性。 　　关键词：数据挖掘技术 英语成绩评价 数据库 　　中图分类号：TP311 文献标识码：A 文章编号：1007-9416（2016）12-0246-01 　　目前，在现今的高校教育体系中，教学管理方面涉及到众多的地数据，但是现今在对教学数据进行管理的技术仍旧停留在查询、备份和统计的阶段，对学生学习状况予以该种的管理方式，未能真实的反应出学生实际的学习状况。因此，本文从以下几个方面进行具体论述。 　　1 数据挖掘技术使用分析 　　1.1 项目简介 　　在现今的高校中，教师积累了大量学生英语考试成绩的数据，对学生英语成绩评价的分析和评价的标准为优、良、中、及格、不及格等，对于学生取得成绩的影响因素的了解不深。在此次研究中，主要对A高校财会管理专业986名学生的英语成绩作为研究数据，通过对英语考试成绩学生分数的情况分析出影响学生成绩主要因素，进而辅助教师制定针对性教学改进方法，提升学生的英语成绩。 　　1.2 数据挖掘方法的使用 　　在此次研究中，数据挖掘的方法主要采用ID3的运算方法，在对该课题进行研究的过程中，主要采用决策树当中的ID3的计算方法对学生英语考试成绩进行系统的分析和研究，由于该种算法的理论较为清晰，对数据和信息处理的能力较强，适合对海量学习方面的数据进行管理[1]。 　　2 数据挖掘技术在英语评价中的实施探究 　　2.1 数据准备 　　由于数据准备属于整个研究过程中较为重要的环节，要对研究的数据进行处理，首先，对研究数据进行清理，在该高校的专业中，由于存在缺考和取消考试成绩的现象存在，对该部分的数据进行清理，得到最终有效数据为980条。其次，要对数据进行的总结和归纳，对英语考试成绩中各种题型及其属性生成决策树的模型，并构建学生英语考试成绩的数据分析图表。最后，要对数据进行转换，在完成决策树的过程中需要应用离散值，学生英语考试成绩是呈连续值出现的，在研究的过程中，应转化成离散值，在此次研究中，主要将考试成绩划分为两种：一种是成绩合格，其分数段为60～100分；另一种是不合格，分数为0～60分。 　　2.2 数据模型系统构建 　　通过基础数据集的编辑，各个题型分数等级为：A（优）、B（良）、C（不合格），四种题型（语法结构、完形填空、阅读理解、翻译）中，得到两个C等级的分数，则视为学生英?Z总成绩为不合格。根据这样的计算方法来建立决策树，首先，对研究对象的所有数据进行计算，将成绩合格来分类即合格与不合格。其次，对所有数据的信息量进行计算，通过使用ID3的算法对研究数据进行计算得知，各个题型的信息量分别为： 　　E=（语法结构）=0.9478 　　E=（阅读理解）=0.9482 　　E=（完形填空）=0.9324 　　E=（翻译）=0.9381 　　再者，对四种题型得分数据继续进行细化，计算出英语测试属性中信息的增益率，得到的计算结果为： 　　Gain（语法结构）=0.0121 　　Gain（阅读理解）=0.0122 　　Gain（完形填空）=0.0254 　　Gain（翻译）=0.0217 　　最后，通过对每项英语测试的结果进行分析得知，在四项英语考试成绩中，增益率较高的考试类型是完形填空，其对学生英语考试成绩的影响较大，由于该项研究内容的信息增益率同其他项目相比较高，选择将其作为测试的属性[2]。创建出研究和测试的节点，将完形填空作为标记，然后将其他三项考试类型的属性值最为分支，进而生成评价学生英语成绩是否合格的决策树模型。 　　在学生学习英语课程的过程中，影响学生英语水平和考试成绩的因素一直未能确定，通过ID3的计算方式，能将影响学生英语考试成绩的因素分析出来。基于这样的状况，以分类为合格的方式为此次研究中最应遵守的原则，从上图的分析中得到学生英语成绩评价和分析的计算方法： 　　If：完形填空=A and翻译=A and语法结构=A，Then：总成绩=合格 　　If：完形填空=A and翻译=C and阅读理解=A，Then：总成绩=合格 　　If：完形填空=A and翻译=B and阅读理解=A，Then：总成绩=合格 　　If：完形填空=A and翻译=C and语法结构=A，阅读理解=B，Then：总成绩=合格 　　If：完形填空=A and翻译=A and