通过一卡通数据预测学生成绩.pdf

通过一卡通数据预测学生成绩 摘 要 随着现代化校园建设逐步深入发展，一卡通校园使用渗入到各大高校。高校学生的 生活和学习痕迹等各方面数据被存储记录，产生了大量的信息数据，这些数据中隐藏了 许多和成绩相关的重要特征，以往常常被忽略，但学生成绩除了与以往成绩相关联，还 与学生学习和生活行为关联甚深。随着数据挖掘和机器学习技术的发展，我们能够利用 一卡通记录的海量数据，挖掘学生的行为特点，通过学生行为预测学生成绩，为高校教 学管理和日常管理与决策提供依据。 学习成绩作为评判一个学生的基础标准，也是高校评判奖学金的主要参考依据。对 学生成绩提前进行预测，能够有效的对学生学业提出预警，督促学生认真学习，提高专 业水平。学生校园的学习方式和生活习惯能够一定程度上反映学生的成绩，本文利用数 据挖掘和机器学习相关技术，根据一卡通数据所产生的学生行为数据，研究图书馆进入 记录，早、中、晚餐准时就餐次数，早出晚归时间，图书借阅记录，课室学习次数对学 生成绩影响，并结合第一、二学期的成绩对学生三个学期的成绩进行预测。 教育数据挖掘是数据挖掘中重要的一个应用方向，对学习行为和学习过程进行量化、 分析和建模，利用统计学、机器学习和数据挖掘等方式分析教学成果。目前教育数据挖 掘成绩分析主要侧重成绩关联分析或者依赖于以往的成绩进行分析，本文在之前的研究 基础上，挖掘学生学习行为特征，结合历史成绩对学生成绩进行分析，利用数据挖掘算 法决策树、随机森林、Adaboost 等进行建模分析，对比不同算法预测效果进行分析和对 比，择选表现效果最佳的模型。 研究结果表明，成绩排名前 20%和后 20%的同学进入图书馆次数、早、中、晚准时 就餐次数、图书借阅次数有明显差异。排名前20%的同学更加喜欢进入图书馆，借阅书 籍也更多，生活作息习惯也更加准时。因此学生成绩不仅和以往成绩相关，也与学生学 习行为和生活习惯息息相关。 关键词：数据挖掘；成绩预测；决策树；随机森林；Adaboost I Predict student achievement through the campus E-card data Abstract With the gradual and in-depth development of modern campus construction, the use of the one-card campus has infiltrated into major universities. The data of college students life and learning traces are stored and recorded, and a large amount of information data is generated. These data hide many important characteristics related to the achievements, which are often ignored in the past, but the student scores are not only related to past achievements, It is also deeply related to student learning and life behavior. With the development of data mining and machine learning technology, we can use the massive data recorded by the card to explore the behavior characteristics of students, predict student performance through student behavior, and provide the basis for teaching management and daily