数据挖掘技术在cet-4成绩分析中的应用研究

《数据挖掘技术在cet-4成绩分析中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、HEBEIUNIVERSITY密级：分类号：学校代码：10075学号：43011311002硕士学位论文数据挖掘技术在CET-4成绩分析中的应用研究学位申请人：刘红保指导教师：袁方教授企业导师：商翠敏高级工程师学位类别：工程硕士授予单位：河北大学完成日期：二〇一四年五月ClassifiedIndex：CODE：10075U.D.C：NO：43011311002ADissertationfortheDegreeofMasterAStudyonApplicationofDataMiningTechnologyforCET-4ScoreAnalysis

2、Candidate:LiuHongbaoSupervisor:Prof.YuanFangAdvisorinEnterprise:SE.ShangCuiminAcademicDegreeAppliedfor:MasterofEngineeringUniversity:HebeiUniversityDateofAccomplishment:May,2014摘要摘要目前中国的高等教育已从精英教育转为大众化教育，办学的规模大，在校学生的数量多。高校经过多年使用综合教务信息管理系统，积累了大量的学生数据。本文将数据挖掘技术运用到高校全国大学生英语四级考试（

3、以下简称CET-4）成绩分析中，挖掘出隐藏在成绩数据中的有用信息，为改进教学设计与教学管理提供依据。主要研究内容如下：1.使用决策树算法对大学生CET-4成绩进行挖掘分析。采用C4.5算法建立预测学生是否通过CET-4的决策树，使用事后剪枝的方法对建好的决策树进行剪枝，之后提取分类规则，依据分类规则建立大学生CET-4成绩预测模型；对分类规则中各个影响因素进行分析，分析出各因素对CET-4成绩的影响程度，为改进英语教学设计与教学管理提供科学依据，提高学生的英语水平及CET-4考试通过率。2.采用k均值算法的变种k-modes算法对CET-4成绩合

4、格者与不合格者分别进行聚类分析。针对k值难以确定的缺点，给出一种确定k值的方法，该方法先选择比较大的k值进行聚类，聚类后计算各个聚类间的距离，若距离低于一定阈值则认为两个聚类过于相似进行合并，合并后按照新k值继续进行聚类。聚类后，分析每个簇的特征，并对决策树模型获得的分类规则进行验证。可根据不同簇的特征对学生进行分班分类教学，从而做到因人施教、因材施教，提高教学质量，提高学生的CET-4考试通过率。3.设计实现了大学生成绩管理分析系统。该系统管理学生的入学成绩、在校期间各科成绩、CET-4成绩等各种学习成绩，并可对学生信息和成绩进行挖掘分析。本文

5、采集某地方综合性大学独立学院学生的相关数据，按照上述方法进行了CET-4成绩的挖掘分析，其实验结果验证了研究内容对CET-4具有指导作用。关键词数据挖掘决策树C4.5k-modesCET-4成绩IAbstractAbstractAtpresentthehighereducationistransformedfromeliteeducationtopopulareducationinchina,theschoolscaleisexpanding,thenumberofstudentsisincreasing.Thedataofstudentshas

6、accumulatedalotbyusingComprehensiveEducationalInformationManagementSysteminuniversitiesandcolleges.Inthispaper,weareapplyingthedataminingtechnologytotheperformanceanalysisofthenationalcollegeEnglishtestband4(hereinafterreferredtoastheCET-4),diggingoutusefulinformationhiddenin

7、theperformancedataandprovidingthebasisforimprovingteachingdesignandteachingmanagement.Thispapermainlyincludes:1.Mininganalysisoncollegestudents'achievementsoftheCET-4byusingthedecisiontreealgorithm.EstablishadecisiontreetopredictwhetherstudentspassCET-4withC4.5algorithm.Cutth

8、ebranchesofthedecisiontreewithpost-pruningmethodsandthenextractofcla