基于数据挖掘的学生选课及学习行为分析算法研究

基于数据挖掘的学生选课及学习行为分析算法研究

ID:12861091

大小:31.50 KB

页数:9页

时间:2018-07-19

基于数据挖掘的学生选课及学习行为分析算法研究_第1页
基于数据挖掘的学生选课及学习行为分析算法研究_第2页
基于数据挖掘的学生选课及学习行为分析算法研究_第3页
基于数据挖掘的学生选课及学习行为分析算法研究_第4页
基于数据挖掘的学生选课及学习行为分析算法研究_第5页
资源描述:

《基于数据挖掘的学生选课及学习行为分析算法研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于数据挖掘的学生选课及学习行为分析算法研究  摘要:依据教育数据挖掘技术,通过关联规则挖掘中的确定因素法和序列模式挖掘,分别对学生课程选择的最小关联规则和学生的临时兴趣学习模式进行挖掘,以此进行学生的行为分析。首先,通过最小关联规则挖掘中的确定因素(DF)法,从课程数据库中挖掘学生课程选择的最小关联规则。其次,通过临时兴趣序列模式(TIPS)技术,在学习活动序列中发现短期的学习行为模式。最后,通过数据实验验证该算法具有实际意义关键词:数据挖掘;关联规则;确定因素法;序列模式中图分类号:TN911?3

2、4;TM417文献标识码:A文章编号:1004?373X(2016)13?0145?04Abstract:Accordingtotheeducationaldatamining(EDM)technology,theminimumassociationruleofstudentscourseselectionandstudenttemporaryinterestlearningpatternareminedrespectivelybymeansofdefinitefactormethodandseque

3、ncepatternmininginassociationrulesminingtoanalyzethestudentbehavior.Thedefinitefactors(DF)methodinminimumassociationruleminingisusedtominetheminimumassociationrulesofstudentscourseselectioninthecoursesdatabase.Andthen,thetemporaryinterestsequencepattern

4、(TIPS)techniqueisusedtofindouttheshort?termlearningbehaviorpatterninlearningactivitysequences.Theexperimentalverificationresultsshowthisalgorithmhasapracticalsignificance.Keywords:datamining;associationrule;definitefactormethod;sequencepattern近些年,围绕着大数据

5、可被用于造福教育与学习科学这一共同利益,两个方面的技术逐渐得到了发展,这两个方面就是教育数据挖掘(EDM)以及学习分析[1]。随着教育数据挖掘的快速发展,数据挖掘中的各项技术,诸如关联规则挖掘,序列模式挖掘等技术都相继得到了应用,这也进一步促进了教育数据挖掘技术的发展。同时,通过教育数据挖掘对教育数据进行的数据挖掘而得到的潜在信息或是关联规则也得到了更多的应用,通过这些潜在信息和关联规则,管理者可以更好地制定管理策略和教学策略,这对提高学校的管理和教学有着非常重要的意义[2]1学生课程选择的最小关联规

6、则的挖掘学生的课程选择是大学生日常学习生活中必须接触到的,并且会直接影响到学生在校学习,所以课程选择显然是一种重要的学生行为[3]。因此,采用确定因素法,从课程数据库中挖掘学生课程可以采用最小关联规则挖掘技术1.1关联规则(1)关联规则的挖掘关联关系可以采用置信度、支持度、期望置信度、作用度四个标量进行表述。通常来说,置信度就是关联规则下准确度的衡量标准,而支持度则体现了重要性标准。支持度越大,说明这个关联规则就更加重要。如果在数据挖掘中,存在关联规则的置信度较高,但是支持度却相对较低,那么这种规则的

7、实际应用效果就很难保障[4](2)关联规则挖掘的过程关联规则的挖掘需要通过两个阶段来实现:第一个阶段就是从现有的数据集合中找到高频项目组,并进行整合;第二个阶段就是通过这些高频项目组构建关联规则在第一个阶段中涉及到的高频项目组中的高频内涵指的是其中某一个具体的项目组出现的频率,只有这个项目组在记录中出现的频率达到了某一个水平,那么就叫做高频项目组。而且一个项目组出现的频率实际上就是支持度。比如以包含了物品集合和物品集合的项目为例,通过式(1)就能够获得的项目支持度通过式(1)计算出来的支持度如果大于设

8、定的最小支持度,那么{A,B}这个项目组就可以称作高频项目组。比如某个项目组K?满足了这个最小支持度,就说明这个项目组K?是高频项目组,可以使用Largek表示这种高频项目组。然后关联算法就从Largek中进行延伸,从而产生Largek+1,直到找到了所有的高频项目组关联规则的第二个阶段自然就是找到关联规则。实际上很多高频项目组就是产生关联规则的摇篮。利用第一个过程中的项目组K?获得关联规则。在设置最小置信度的门槛下,如果每一个关联规则超过了这个置信度,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。