本科大数据专业培养中的学业预警研究.pdfVIP

摘 要 以人为本，以学生为本是现代高校教学的核心教育理念。在现代化高速发展的时 代，运用先进的科学技术解决学生学业上的问题是贯彻这一理念的重要途径。立足多 个角度，充分利用现有的数据，提前对学生的异常情况进行预警，并将获得的信息用 于教学管理是现在高校聚焦的热点课题。 本文首先借助关联数据挖掘，对教学实践中的课程成绩数据定量分析，通过简单 相关分析，得到显著相关课程，并对显著相关的课程进一步分析和解释，紧接着利用 Apriori 算法，从挖掘课程知识之间的相关性入手，找到先修课程与后修课程之间的 联系。基于这一结论，对先修课程不理想的学生进行警示。为了预测学生的下学期成 绩，首先采用了常见的分类预测，结合学生问卷调查，将采集到的数据通过数据的清 洗、选择、等步骤，对数据进行较为全面的预处理工作。借助机器学习中常用的逻辑 回归、神经网络、支持向量机的分类算法，构建成绩三分类预测模型。借助图像，对 模型的预测性能进行展示，并给予实验结果的评价，表明了支持向量机在预测方面具 有高准确率。为了对实验进一步完善，首先针对数据量较少的特点，对数据进行增强， 考虑到学生的成绩是连续动态的发展过程，运用CNN+LSTM 对下学期的总成绩进行 预测，输出了下学期成绩预测值。以达到对班集体预警的效果。最后，为了将学业预 警具体落实到个人，从离群点检测入手，提出一个离群学习者检测模型来识别一些特 殊的学习者，找到了特殊的离群学生，并对其学业和行为进行分析，从而达到针对性 的学业指导以及预警的目的。 论文以学生在校的实际数据出发，从不同方面建立学生成绩预测模型，使得教学 工作能根据结果更加具体全面的研究学生，从而达到早期预警的效果。 关键词：相关性分析；学业预警；教育大数据；离群点检测；成绩预测 I 目 录 第一章 绪论1 第一节 研究背景与研究意义 1 一、研究背景1 二、研究意义1 第二节 国内外研究现状2 一、学业预警系统研究综述2 二、学业预警方法综述3 第三节 研究思路与研究内容5 一、研究思路5 二、研究主要内容5 第四节 研究创新点与不足6 一、研究的创新点6 二、研究的不足6 第二章 方法理论7 第一节 分类算法概述7 一、逻辑回归7 二、支持向量机9 三、随机森林算法 10 第二节 神经网络理论11 一、卷积神经网络11 二、长短期记忆网络11 第三章 基于课程成绩数据的学业预警13 第一节 课程数据预处理 13 一、数据准备13 二、课程分类14 第二节 课程的简单相关性分析15 一、相关性概念16 二、基于大数据专业的相关性分析17 第三节 课程数据的Apriori 关联规则挖掘 19 一、关联规则算法 19 二、关联规则的生成20 第四章 基于学生多维数据的学业预警研究24 第一节 数据来源及预处理24 一、数据来源24 二、数据预处理25 1 第二节 基于分类模型的学业预警研究26 一、分类模型构建26 二、模型参数28 三、模型评估与选取28 四、结果对比30 第三节 基于CNN+LSTM 的学业预警