大数据分析在陶瓷艺术专业学生中的应用-atlantispress.pdfVIP

Advances in Computer Science Research (ACSR), volume 61 7th International Conference on Education, Management, Computer and Society (EMCS 2017) Application of Large Data Analysis in Ceramic Art Students Hong Ye and Xudong Wu (Jiangxi Ceramic Arts and Crafts Vocational and Technical College, Jingdezhen, Jiangxi 333000) Abstract. Based on the link between the university library management system and the educational administration management system, this paper established three kinds of analysis models including cluster analysis, association rule and decision tree, to study the correlation between the information of books borrowing and achievements by ceramic art students. The experimental results show that the students book borrowing situation has a positive correlation with student achievement. Keywords: Association rules; Clustering analysis; Decision tree 大数据分析在陶瓷艺术专业学生中的应用 1 2 叶虹 吴旭东 (江西陶瓷工艺美术职业技术学院，江西 景德镇 333000) 摘要：论文通过高校图书管理系统与教务管理系统之间的联系，建立聚类分析、关联规则和决策树三种分析模型，对陶 瓷艺术专业学生图书借阅信息与成绩进行相关性研究，实验结果表明，学生的图书借阅情况与学生成绩存在正相关。 关键字：关联规则；聚类分析；决策树 中图分类号：G250.7 文摘标识码：A 引言 目前，在高校图书馆开展数据挖掘技术已经非常广泛，其中包括对读者借阅行为的关联分析、聚类； 利用决策树对图书采购进行科学管理；利用神经网络对读者进行预测等。虽然这些研究已经取得了一定的 成果，然而这些仅仅只停留在读者和图书馆之间，对高校学生和教师的教学方面作用不大。论文利用图书 馆的借阅数据和学生成绩数据进行关联分析，对学院陶瓷艺术设计专业400 多名学生，在校期间20 多门 主干课程的考试成绩与图书利用情况相结合，利用数据挖掘算法试图找出图书馆利用和学习成绩之间的关 系，进而对学生学习、教师授课、图书馆辅助教学参考用书，提供一定意义上的指导。 1 聚类分析 1.1 聚类分析k 均值（k-means）算法 所谓聚类问题，就是给定一个元素集合D，其中每个元素具有n 个可观察属性，使用某种算法将D 划 分成k 个子集，要求每个子集内部的元素之间相异度尽可能低，而不同子集的元素相异度尽可能高。其中 每个子集叫做一个簇。与分类不同，分类是示例式学习，要求分类前明确各个类别，并断言每个元素映射 到一个类别，而聚类是观察式学习，在聚类前可以不知道类别甚至不给定类别数量，是无监督学习的一种。 目前聚类广泛应用于统计学、生物学、数据库技术和市场营销等领域，相应的算法也非常的多。论文采用 k 均值算法。 1.2 实验过程 通过对原数据库的分析，该数据库不能直接运用SPSS Clementine 进行挖掘。对图书馆的数据库中的 数据和教务管理系统数据库中的数据进行联合操作，用SQL Server2000 软件所提供SQL 语言对读者信息