高校学生上网行为分析与数据挖掘研究

高校学生上网行为分析与数据挖掘研究

ID:32922896

大小:71.53 KB

页数:16页

时间:2019-02-17

高校学生上网行为分析与数据挖掘研究_第1页
高校学生上网行为分析与数据挖掘研究_第2页
高校学生上网行为分析与数据挖掘研究_第3页
高校学生上网行为分析与数据挖掘研究_第4页
高校学生上网行为分析与数据挖掘研究_第5页
资源描述:

《高校学生上网行为分析与数据挖掘研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、高校学生上网行为分析与数据挖掘研究摘要】?w络对于学生的学习既有正面作用,又有负面作用。为了制定合理、有效的网络管理措施,本研究以学牛上网数据和学牛成绩数据为研究对象,采用决策树、关联规则、逻辑回归三种数据挖掘方法对学生上网行为相关属性与学生学习质量之间的关系进行了研究。研究结果表明,学生上网行为的相关属性如“上网时长”“入流量”“出流量”“总流量”“上网次数”等均对学生的学习质量有不同程度的影响,且均呈现负相关关系。其中,“上网时长”是影响学习质量的主要因素,可以根据数据挖掘发现的关键数据节点,制定相应的网络管理措施限制学生过度上网。三种数据挖掘方法都较好地实现了预期效果,得出的

2、结论基本一致,其屮关联规则挖掘算法的总体性能最好,决策树算法的总体性能略好于逻辑回归算法。【关键词】高校学生;上网行为分析;数据挖掘;决策树;关联规则;逻辑回归【中图分类号】G40-057【文献标识码】A【文章编号】1009-458X(2017)02-0026-07一、引言在信息技术时代,网络的普及一方面给高校学生的学习和生活带来了极大的便利,另一方面也导致了一些学牛出现过度上网甚至沉迷网络的问题。可以说,网络是把双刃剑,利用好了可以充分借助网络教育资源拓展学习时空,促进学习交流;利用不好则会使学生沉迷于网络虚拟世界,浪费宝贵的学习时间,影响正常学习。对网络的管理,高校既不能放任不

3、管,也不能简单地限制上网。由于学生在校上网都要通过学校的网关,因此学生上网数据能够真实地反映学生的上网行为。利用学生上网数据对学生的上网行为进行分析研究具有可行性,可以为制定合理、有效的网络管理措施提供决策支持。教育数据内涵广泛,学生上网数据和课程考试成绩数据都属于教育数据。上网数据中蕴含了学生上网行为的客观事实属性,成绩数据中蕴含了学生学习质量的客观事实属性。根据一般经验,学生过度上网会影响学习质量。这一论断是否正确,学生上网行为与学习质量Z间是否存在更多的关联,这些问题都需要利用数据挖掘技术对学牛上网数据和成绩数据进行综合分析,这正是本研究的意义所在。二、教育数据挖掘相关研究教

4、育数据挖掘(EducationalDataMining,简称"EDM”)是运用数据挖掘方法从来自教育系统的原始数据中提取出有意义信息的过程,这些信息可以为教育者、学习者、教育管理者、教育软件开发者和教育研究者等提供服务(李婷,等,2010)。教育数据挖掘是计算机科学、教育学和统计学相结合而形成的一个交叉学科,如图1所示(Romero&Ventura,2013)o从图1中可以看到,三个学科两两交叉形成了数字化学习、学习分析、数据挖掘与人工智能等研究领域。这些研究领域与教育数据挖掘密切相关,且在一定程度上体现了教育数据挖掘的内涵(Bousbia&Belamri,2014)o教育活动与教

5、育数据密切关联,教育活动必然产生教育数据。在出现教育数据挖掘之前,教育活动与教育数据之间的联系是单向的,教育数据中蕴含的信息没有得到有效利用。教育数据挖掘与应用的过程就是从教育活动所产生的数据中发现知识,再利用这些知识来改善教育活动的循环过程(周庆,等,2015)。这个循环过程使得教育活动与教育数据之间建立起双向循环反馈,有助于不断改进教育活动,提高教育质量。教育数据挖掘模型如图2所示(Garcia,Romero,Ventura,&Castro,2011)o由图2可见,教育数据挖掘的主要流程包括数据采集、数据预处理、数据挖掘和结果分析四个步骤。数据采集是从教育环境屮获取数据并按照数

6、据标准进行初步转换、存储的过程。数据采集解决数据来源的问题,是数据挖掘的基础。数据预处理是采用数据清理、数据合并、数据变换、数据归约等方法将原始数据处理成适用于数据挖掘或有益于提高数据挖掘效果的数据形式。数据挖掘是整个模型的核心,是运用统计分析、人工智能、机器学习等方法,从大量数据中挖掘出隐含的、有价值的信息的过程。常用的数据挖掘方法有决策树、聚类分析、关联规则、回归分析、神经网络、时序分析等。结果分析是采用评价指标对数据挖掘结果进行评价和分析,具体评价指标包括查准率、查全率、正确率、显著性等。由于教育数据挖掘具有重要意义,因此,教育数据挖掘与应用已经成为一个研究热点。早在2008

7、年,来自美国、德国、加拿大、澳大利亚、荷兰等国的研究人员就成立了国际教育数据挖掘工作组。在该组织的大力推动下,2008年在加拿大召开了第一届教育数据挖掘国际学术会议,至今已举办了九届。同时,该组织于2011年设立了国际教育数据挖掘网站,并成功创办了专门的电子期刊教育数据挖掘杂志(JournalofEducationalDataMining,简称“JEDM”)。该组织给出了教育数据挖掘的定义:教育数据挖掘是一个新兴的学科,该学科专注于研究用于探索来口教育系统独特的和不断

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。