校园卡消费记录用于辅助学生管理工作的研究
发布时间：2020-12-24 15:35
科技的进步与信息量爆炸式的增长为大数据时代的到来奠定了基础。自2010年以来“大数据”,“数据挖掘”,“机器学习”已逐渐成为当下最热门的词汇。如今数据的重要性已经毋庸置疑,各行各业都在积极的使用数据挖掘技术来探索他们持有的数据所包含的潜在价值。教育部门也积极的使用数据挖掘技术来对教育教学过程进行改进。教育数据挖掘(Educational Data Mining简称EDM)是数据挖掘技术应用于教育领域所产生的一门学科。EDM不是一门简单的计算机技术应用学科它涉及到的学科包含教育学、心理学、统计学乃至社会学等。EDM最早也最流行的研究之一是学生表现预测(Predict Students’Performance简称PSP)。高校虽然已经有非常丰富和完善的管理系统及工具,但是教育管理工作(比如奖助贷、学生思想行为引导等)还是存在不小的困难,因为系统所收集的信息是静态的,也是不完全的。比如高校虽然有学生信息管理系统,但是教育教学管理者想要了解学生的即时状态只能通过线上或线下的方式与学生取得联系;另外如果一个学生出现了精神方面的问题,教学管理者不能在系统中及时的发现这些问题,他们所能做的也只是在这...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
教育数据挖掘研究内容划分[26]
了解数据所包含的信息，多学科背景知识是非常必要的。EDM 技术也不仅仅是基于计算机的教育技术。基于计算机的现代教育技术[28]指出应不断思索和改进旧的教学模式,适应当前现代化教学发展进程,更新教学理念,充分应用现代发达的信息技术和教育技术,不断探索新的计算机教学模式.而 EDM 更重要的意义在于指导和改善学生的学习，提高教师的教学质量，比如应用在网络教育中，通过掌握网络学习过程，支持学生个性化学习，为教师授课提供良好的指导，为学生构建有效的学习模式等[26]。EDM 最早也最流行的应用之一是学生表现预测[13]（predicting studentperformance 简称 PSP）。它可以根据学生学习和生活方面的数据通过数据挖掘方法比如神经网络集合[29]、随机森林[30]、回归分析[31]和关联规则[32]等分析出学生的学习行为、学习方法、学习效果等，从而为学生推荐好的学习资料、学习方法以及作息习惯等，另外也可以从中发现存在学业困难的学生，以便教学管理者及时对这些学生采取有针对性的帮助措施。2.1.2 基本研究流程
图 2.3 矩阵拆分示意图[52]Fig.2.3 Matrix split diagram[52]下面介绍具体的方法[52]：首先假设有一个评分矩阵 V，I 为它的索引矩阵，如果 V(i,j)为已知，则对的 I（i,j）的值就为 1。U，M 分别表示用户-factor，物品-factor 矩阵。于是，我们先用 V 分解为 U*M，目标函数如下： = ij((Vij ¤ Ui Mj ) (2.10公式前面的二重求和计算的是最小二乘误差，P 可以直接理解为点乘；后面两个算式是为了防止过拟合加入的正则化项。可以使用梯度下降算来来求解以上的优化问题。计算得负梯度方向如下： = (( ( )) ) = (2.1 = ( ) = (2.1在每次迭代过程中，需要首先计算得到U，M的负梯度方向，然后再更新U,M
【参考文献】：
期刊论文
[1]一种基于随机森林的太阳能辐射预测模型[J]. 刘剑,曹美燕,高治军,许可. 控制工程. 2017(12)
[2]基于评论的商品推荐数据挖掘技术研究与实现[J]. 王福江,魏振钢. 电子技术与软件工程. 2016(06)
[3]教育数据挖掘研究进展综述[J]. 周庆,牟超,杨丹. 软件学报. 2015(11)
[4]病患生理参数管理平台的设计与实现[J]. 温浩杰. 现代电子技术. 2015(16)
[5]基于一卡通数据分析的学生早餐习惯与成绩关联规则挖掘[J]. 张林红,刘红梅. 阜阳师范学院学报(自然科学版). 2014(04)
[6]基于PADClass模型的数字化课堂学习过程数据挖掘与分析研究[J]. 方海光,侯伟锋,王晓春,楚云海. 电化教育研究. 2014(10)
[7]数据挖掘在医学图像分类中的应用[J]. 李舒,吴磊. 医学信息学杂志. 2014(08)
[8]大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J]. 徐鹏,王以宁,刘艳华,张海. 远程教育杂志. 2013(06)
[9]基于时序行为的协同过滤推荐算法[J]. 孙光福,吴乐,刘淇,朱琛,陈恩红. 软件学报. 2013(11)
[10]大数据时代的机遇与挑战[J]. 邬贺铨. 信息安全与通信保密. 2013(03)
硕士论文
[1]模型选择中的交叉验证方法综述[D]. 范永东.山西大学 2013
本文编号：2935901
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
教育数据挖掘研究内容划分[26]
了解数据所包含的信息，多学科背景知识是非常必要的。EDM 技术也不仅仅是基于计算机的教育技术。基于计算机的现代教育技术[28]指出应不断思索和改进旧的教学模式,适应当前现代化教学发展进程,更新教学理念,充分应用现代发达的信息技术和教育技术,不断探索新的计算机教学模式.而 EDM 更重要的意义在于指导和改善学生的学习，提高教师的教学质量，比如应用在网络教育中，通过掌握网络学习过程，支持学生个性化学习，为教师授课提供良好的指导，为学生构建有效的学习模式等[26]。EDM 最早也最流行的应用之一是学生表现预测[13]（predicting studentperformance 简称 PSP）。它可以根据学生学习和生活方面的数据通过数据挖掘方法比如神经网络集合[29]、随机森林[30]、回归分析[31]和关联规则[32]等分析出学生的学习行为、学习方法、学习效果等，从而为学生推荐好的学习资料、学习方法以及作息习惯等，另外也可以从中发现存在学业困难的学生，以便教学管理者及时对这些学生采取有针对性的帮助措施。2.1.2 基本研究流程
图 2.3 矩阵拆分示意图[52]Fig.2.3 Matrix split diagram[52]下面介绍具体的方法[52]：首先假设有一个评分矩阵 V，I 为它的索引矩阵，如果 V(i,j)为已知，则对的 I（i,j）的值就为 1。U，M 分别表示用户-factor，物品-factor 矩阵。于是，我们先用 V 分解为 U*M，目标函数如下： = ij((Vij ¤ Ui Mj ) (2.10公式前面的二重求和计算的是最小二乘误差，P 可以直接理解为点乘；后面两个算式是为了防止过拟合加入的正则化项。可以使用梯度下降算来来求解以上的优化问题。计算得负梯度方向如下： = (( ( )) ) = (2.1 = ( ) = (2.1在每次迭代过程中，需要首先计算得到U，M的负梯度方向，然后再更新U,M
【参考文献】：
期刊论文
[1]一种基于随机森林的太阳能辐射预测模型[J]. 刘剑,曹美燕,高治军,许可. 控制工程. 2017(12)
[2]基于评论的商品推荐数据挖掘技术研究与实现[J]. 王福江,魏振钢. 电子技术与软件工程. 2016(06)
[3]教育数据挖掘研究进展综述[J]. 周庆,牟超,杨丹. 软件学报. 2015(11)
[4]病患生理参数管理平台的设计与实现[J]. 温浩杰. 现代电子技术. 2015(16)
[5]基于一卡通数据分析的学生早餐习惯与成绩关联规则挖掘[J]. 张林红,刘红梅. 阜阳师范学院学报(自然科学版). 2014(04)
[6]基于PADClass模型的数字化课堂学习过程数据挖掘与分析研究[J]. 方海光,侯伟锋,王晓春,楚云海. 电化教育研究. 2014(10)
[7]数据挖掘在医学图像分类中的应用[J]. 李舒,吴磊. 医学信息学杂志. 2014(08)
[8]大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J]. 徐鹏,王以宁,刘艳华,张海. 远程教育杂志. 2013(06)
[9]基于时序行为的协同过滤推荐算法[J]. 孙光福,吴乐,刘淇,朱琛,陈恩红. 软件学报. 2013(11)
[10]大数据时代的机遇与挑战[J]. 邬贺铨. 信息安全与通信保密. 2013(03)
硕士论文
[1]模型选择中的交叉验证方法综述[D]. 范永东.山西大学 2013
本文编号：2935901
本文链接：https://www.wllwen.com/jiaoyulunwen/gaodengjiaoyulunwen/2935901.html
