數(shù)據(jù)挖掘技術(shù)在高校學生成績分析中的應(yīng)用研究論文

數(shù)據(jù)挖掘技術(shù)在高校學生成績分析中的應(yīng)用研究論文

　　摘 要：本文主要討論的是決策樹挖掘技術(shù)在學生成績分析中的應(yīng)用。通過確定數(shù)據(jù)挖掘的對象、數(shù)據(jù)選擇、數(shù)據(jù)分類挖掘，最后由決策樹產(chǎn)生分類規(guī)則，得出挖掘結(jié)果和運用這個結(jié)果的指導作用。希望本文的研究能夠為相關(guān)領(lǐng)域提供一些指導和幫助。

　　關(guān)鍵詞：數(shù)據(jù)挖掘；高校學生；成績分析

　　1.確定數(shù)據(jù)挖掘的對象

　　本文數(shù)據(jù)挖掘的對象主要是以本人所授的《大學計算機基礎(chǔ)》課程的數(shù)據(jù)為例，對象是本校學生，總?cè)藬?shù)250人，采用授課方法是在機房上課，周學時為三節(jié)課。根據(jù)學生的基本情況來分析挖掘出哪些因素對學生的學習成績是有影響的，如性別、基礎(chǔ)程度、每周上機時間、生源地、出勤情況等等，分析考試成績?yōu)樵趦?yōu)、良、中、及格、不及格這五個等級之間分布的學生人數(shù)與上面哪些因素有關(guān)系，并希望用得到的分析結(jié)果來指導今后的教學工作，提高教學質(zhì)量、改革教學方法。

　　2.數(shù)據(jù)選擇

　　2.1學生的基本情況信息

　　數(shù)據(jù)結(jié)構(gòu)包含以下屬性信息：學號、姓名、性別、專業(yè)、家庭住址、籍貫、聯(lián)系方式、班級、生源地。這些信息可以通過學院的“學生教務(wù)管理信息系統(tǒng)”來獲取，存入“學生基本情況數(shù)據(jù)庫”中，內(nèi)部的數(shù)據(jù)結(jié)構(gòu)包含以上九個屬性。

　　2.2需要向?qū)W生調(diào)查的數(shù)據(jù)信息

　　需要調(diào)查的信息包括：對計算機課程是否感興趣、基礎(chǔ)程度、每周上機時間等。這些信息是通過對學生的調(diào)查才能得到。把調(diào)查所得到的數(shù)據(jù)存放到“調(diào)查信息數(shù)據(jù)庫”中。“調(diào)查信息數(shù)據(jù)庫”的數(shù)據(jù)結(jié)構(gòu)包含以下屬性信息：學號、姓名、是否對計算機課程感興趣、基礎(chǔ)程度、每周上機時間五個屬性。其中是否對計算機課程感興趣屬性有感興趣、不感興趣兩個屬性值；基礎(chǔ)程度屬性有好、一般、差三個屬性值；上機時間量有0、≤1、1～2、≥2四個屬性值。

　　2.3學生的考試成績數(shù)據(jù)

　　學生的考試成績是教師在期末考試后統(tǒng)計的，通過學院已有的“教務(wù)管理系統(tǒng)”來完成錄入收集的，其數(shù)據(jù)結(jié)構(gòu)包含以下內(nèi)容：學號、姓名、專業(yè)名稱、班級、課程名稱、成績。錄入的學生成績保存在“學生成績數(shù)據(jù)庫”中，數(shù)據(jù)結(jié)構(gòu)包含以下屬性：學號、姓名、專業(yè)、成績四個屬性。

　　3.數(shù)據(jù)分類挖掘

　　數(shù)據(jù)分類挖掘的主要目的就是要建立學生成績分析決策樹的模型。

　　3.1算法的選擇

　　本文運用決策樹技術(shù)的兩個經(jīng)典算法 ID3算法和C4.5算法，因ID3算法是利用信息增益，作為分類評價函數(shù)來選取最優(yōu)屬性，這種選擇容易傾向于選擇取值較大的屬性，但取值較大的屬性并不一定是最重要的屬性。且ID3算法只能處理離散值的屬性，沒有考慮數(shù)據(jù)中的缺值問題。C4.5算法能有效處理數(shù)值的離散化，考慮了缺值問題，因此選用了C4.5算法建立決策樹進行數(shù)據(jù)挖掘分析。

　　3.2建立決策樹模型

　　用于挖掘的學生成績表中的屬性很多，本文選取了與成績屬性相關(guān)性較大的性別、基礎(chǔ)程度、每周上機時間三個屬性作為建立成績分類決策樹模型的依據(jù)。建立決策樹模型的步驟如下：

　　（1）對每個屬性分別計算該屬性的信息增益率。

　　（2）選取信息增益比率最大的屬性作為根結(jié)點，并按其值劃分數(shù)據(jù)集合，如果該屬性只有一個值則停止劃分。

　　（3）對劃分的每個子數(shù)據(jù)集遞歸執(zhí)行（1）～（2）。

　　4.生成分類規(guī)則

　　決策樹的最大優(yōu)點是能直接提取分類規(guī)則，可以以IF…THEN形式的分類規(guī)則表示。IF…THEN規(guī)則易于理解，特別是當給定的決策樹很大時很實用。提取IF…THEN規(guī)則的主要做法是：對從根到葉節(jié)點的每條路徑創(chuàng)建一個規(guī)則，沿著給定路徑上的每個屬性值對形成規(guī)則前面部分的一個合取項。葉節(jié)點包含類預(yù)測，形成規(guī)則的后面部分。

　　5.決策樹挖掘結(jié)果分析

　　通過應(yīng)用決策樹算法對學生成績進行析，可得如下結(jié)論：

　　（1）基礎(chǔ)程度好的學生且每周上機時間不少于1小時的學生，成績基本上都是優(yōu)秀的。

　　（2）基礎(chǔ)程度一般的學生且每周上機時間不少于1小時的學生，成績基本上是良好的。

　　（3）基礎(chǔ)程度一般的學生且每周上機時間小于1小時的學生，成績基本是屬于中等水平。

　　（4）基礎(chǔ)程度差的學生但每周上機時間不少于1小時的學生，成績大部分集中在及格左右。

　　（5）基礎(chǔ)程度差的學生且每周上機時間少于1小時的學生，成績基本上都是不及格。

　　（6）而從結(jié)果來看性別是不能決定成績的。

　　6.決策樹方法分析結(jié)果的指導作用

　　通過對學生成績的決策樹分析，教師可以了解到哪些因素對學生成績有影響，根據(jù)這些影響因素，教師可以在今后的教學過程當中進行課程改革、改善教學過程當中的不足之處，可以提高學生的學習成績，學到更多的知識。

　　從生成的分類規(guī)則，可以了解到，學生基礎(chǔ)程度好且能保證每周有相當?shù)臅r間來學習，那么這樣的學生成績基本上都是優(yōu)秀，而基礎(chǔ)程度差且每周能用來學習的時間比較少的那些學生，成績基本上是屬于不及格的。而基礎(chǔ)程度一般且每周用來上機的時間相對比較多的學生，成績大部分是集中在中、良這兩個階段。基礎(chǔ)程度一般且每周用來上機時間比較少的那部分學生，成績集中在及格與不及格之間。所以可以知道學生的基礎(chǔ)程度好與差、每周能用來學習的上機時間的多與少，是影響學生成績的主要因素。但性別不是影響學生成績的主要因素，從決策樹來看，無論從哪個分支都看不出是男生成績好還是女生成績好，所以性別不是能影響學生成績的主要因素。

　　針對這些主次要因素，教師在教學過程當中要進行適當?shù)慕虒W改革。而不能再用傳統(tǒng)的教學方法，不管基礎(chǔ)程度好與差，一概而論；也不管學生對知識掌握與否，一堂課都是老師在講，學生只能聽。這樣會使程度好的學生因為沒有新知識可學而失去對這門課的興趣，而程度差的學生因為聽不明白、學不到知識，也對這門課失去興趣，結(jié)果會使整體的教學效果不好，學生的成績沒有得到提高，因此教師要改變這樣的傳統(tǒng)教學模式，才能提高學生對知識的掌握。改革的重點是要把程度差和程度好的學生進行分開教學，對于程度好的學生可以做一些更深層次的授課，而程度差的學生在授課的時候就要有針對性的授課，必須做到提高學生學習的積極性，讓他們對這個課程感興趣。程度好的學生計算機能力也會有所提高，而程度差的學生也可以學到自己想學的知識。

　　參考文獻：

　　[1]陳文偉.決策樹支持系統(tǒng)與數(shù)據(jù)挖掘技術(shù)[M].北京：清華大學出版社，1998.

　　[2]陳文偉.數(shù)據(jù)挖掘技術(shù)[M].北京:北京工業(yè)大學出版社，2002

【數(shù)據(jù)挖掘技術(shù)在高校學生成績分析中的應(yīng)用研究論文】相關(guān)文章：

數(shù)據(jù)挖掘技術(shù)在Web信息檢索中的應(yīng)用研究論文12-01

數(shù)據(jù)挖掘技術(shù)在中等職業(yè)學校管理實踐中的應(yīng)用研究11-19

數(shù)據(jù)挖掘在電力企業(yè)中的應(yīng)用論文12-13

數(shù)據(jù)挖掘技術(shù)的教學輔助系統(tǒng)應(yīng)用論文03-16

數(shù)據(jù)挖掘技術(shù)在就業(yè)指導的應(yīng)用論文02-27

數(shù)據(jù)挖掘在現(xiàn)代遠程教育中的應(yīng)用論文11-22

GPSRTK技術(shù)在工程測量中的應(yīng)用研究論文02-14

數(shù)據(jù)挖掘論文的參考文獻01-07

數(shù)據(jù)挖掘與客戶關(guān)系管理分析02-28