基于数据挖掘的学生成绩预警模型研究.doc

《基于数据挖掘的学生成绩预警模型研究.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、学无止境基于数据挖掘的学生成绩预警模型研究摘要：本文通过分析得出学业预警的难点在于成绩预警，然后提出了基于数据挖掘技术的成绩预警模型，并对该模型进行了详细说明。关键词：数据挖据；成绩预警；模型研究在我国高校扩招的大背景下，高等教育已不再是精英教育，越来越多的高中生得到进入高校学习的机会。随之而来出现了生源质量下降，师资不足，人才培养水平下降等一系列问题。如何帮助学生避免在学习中出现问题和克服学习中的各种困难，学业预警机制就是在这一背景下应运而生。1．学业预警的内涵学业预警是学校将严重影响学业的情况，及时告知学生本人和家长，并通过学校、学生和家长之间的沟通和协作，从而采

2、取针对性措施，帮助学生完成学业的教育危机干预制度。学业预警的对象包括旷课预警、考试预警、成绩预警三大类。而如何利用学生成绩中隐含的可用信息，挖掘内在联系，则是学业预警的难点。2．成绩预警模型设计通过分析，本文提出了基于数据挖掘技术的成绩预警模型。该模型可以有效发现偏低型、滑坡型和潜在型三种问题类型。结合预警情况的严重性，可将模型划分为一般预警、严重预警、非常严重预警三个级别。3．常见预警设计分析3.1偏低型预警设计偏低型预警主要包含以下两个方面：一是不及格门次统计，统计输出某一学期分专业、年级、班级的不及格门次信息。二是不及格详情统计，统计输出某一学期分专业、年级、班

3、级的不及格详细情况，如不及格课程名称。3.2滑坡型预警设计3学无止境传统计算成绩是否滑坡的依据是按总分或平均分计算名次，若名次下降幅度超过某一界限，则认为成绩滑坡。这种方法计算简单、结果直观，但不能准确地反映成绩的分布情况。为解决此问题，本文利用聚类技术把成绩分为5个等次，各等次内部的差距最小，等次之间的差距最大，从而准确地反映成绩的分布情况。具体实现步骤如下：(1)对上学期成绩用改进的加权Wk-means算法进行聚类，设置簇数=5，课程权重=该课程学分/总学分数，将聚类结果按质心各维加权平方之和从大到小排列，簇号依次设为1、2、3、4、5，则所有成绩被划分到A、B、

4、C、D、E5个等次；(2)本学期成绩作相同处理；(3)比较每名学生两学期成绩的聚类结果，若等次下降或两学期都处于第D、E等次，则进行预警，输出相关信息。3.3潜在型预警设计潜在型预警是利用关联技术对学生历史成绩进行挖掘，生成成绩关联规则库，进而预测学生今后学习中潜在的危机。潜在型预警模块的实现步骤如下：(1)数据预处理。①从待处理的所有成绩记录中筛选出成绩不及格的记录。②为方便课程排序，将课程的编码设置为“学期”+“课程序号”。某课程成绩将被转换成一个2位数，第一位表示学期，第二位表示课程序号。如“计算机应用基础(1)”被转换成10。③原数据库表数据格式为“学号，姓名

5、，不及格课程名称”，将数据转置变为“学号，姓名，不及格课程1，不及格课程2，……”。(2)挖掘频繁项集。支持度反映项集在数据库中的普遍性。设置合适的支持度，使得出的关联规则具有一定的普遍性。(3)生成预警规则库。按照传统方法生成的关联规则不能直接作为预警规则。因为无用的规则会降低预警的准确率和效率。为解决此问题特做如下限定：一是设置合适的置信度。二是按学期顺序规则前、后件。三是同一学期的课程成绩不能同时出现在规则的前件和后件。四是规则的后件只包含一学期课程。(4)搜索预警规则库，进行匹配。将当前学期成绩进行预处理，搜索预警规则库，进行匹配，输出结果。4．结语及时发现偏

6、离正常发展轨道的学生，并进行有针对性的学业干预，有利于高校教学水平的提升。而成绩预警则是学业预警的核心和难点，为此，本文利用数据挖掘技术，针对成绩预警设计了三种模型，使学业预警更具实用性和有效性。基金项目：安徽省高校质量工程项目（编号：2015zjjh051）,淮北职业技术学院自然科学重点项目（编号：2016-A-4）。参考文献：3学无止境[1]李昊，周振华.基于数据挖掘的高校学生成绩预警系统[J]大庆石油学院学报,2011(04):91:95[2]叶福兰.基于数据挖掘的高校学生成绩预警状况分析[J]长春师范学院学报,2013(10):43-45[3]杨萧屿,高职院校

7、学生成绩预警管理模式的探究[J]辽宁高职学报,2014(07):110-112[4]宋绍云,基于SQLServer数据挖掘的学生成绩预警预报研究[J]电脑知识与技术,2015(17):18-20[5]吕萍丽,基于关联规则的成绩预警模型的实现[J]数字技术与应用,2015(04):1053