数据挖掘在本科人才培养中的应用研究

发布时间：2024-03-03 21:05

　　作为高等院校,核心工作是培育高层次人才。目前各个高校的教育信息化取得巨大的发展,积累了大量的教育数据,这为数据挖掘技术对本科人才培养的研究提供了基础,但我们却很少对这些教育数据进行深层次分析。把本科人才培养过程中的数据,通过数据挖掘技术分析得到的结果,应用到日常的人才培养管理中,实施基于数据的决策和管理、基于数据的专业建设和布局,对在校生的培养质量进行持续跟踪与评价。为此本文做了以下研究:1.制定毕业生就业问卷调查方案,然后通过在线问卷管理系统对2012级本科生毕业生进行问卷调查,接着对问卷进行回收与统计。最后对毕业生的课程成绩数据和就业实习数据进行数据预处理,比较不同的预处理方法,并用关联挖掘算法进行挖掘,探讨专业培养方案中的课程之间的关联,以及课程与学生就业情况及质量之间的关联关系。2.通过离群点算法分析2013级计算机学院学习状态异常的学生,然后用2012级学生的成绩建立多层神经网络模型,通过大三上前5个学期的15个核心科目的成绩预测第六学期目标科目的成绩。比较不同的梯度下降算法在训练过程中的正确率,确定最优的梯度下降算法,最后对2013级学习状态异常的学生进行第六学期成绩的预测...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题的研究背景意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 论文主要研究内容及章节安排
第二章 数据挖掘技术
    2.1 数据挖掘概述
    2.2 关联规则算法
        2.2.1 关联规则挖掘的提出
        2.2.2 关联规则算法基本概念
        2.2.3 Apriori算法
    2.3 神经网络算法
        2.3.1 感知机算法
        2.3.2 梯度下降法
        2.3.3 随机梯度下降算法
        2.3.4 Adagrad算法简介
        2.3.5 Adam算法简介
    2.4 局部离群点定义以及LOF挖掘算法
        2.4.1 LOF形式化定义
    2.5 本章小结
第三章 课程和就业关联分析
    3.1 毕业生就业调查问卷方案设计
        3.1.1 确定调查目的
        3.1.2 调查的范围
        3.1.3 就业质量评价指标选取与问卷设计
    3.2 就业调查问卷平台的软件实现
        3.2.1 系统概述
        3.2.2 调查问卷发布回收
    3.3 数据简介
        3.3.1 数据来源
        3.3.2 数据预处理
    3.4 分析方法与工具
    3.5 软件工程专业挖掘结果分析
    3.6 计算机科学与技术专业挖掘结果分析
    3.7 本章小结
第四章 离群学生成绩预警研究
    4.1 数据简介
        4.1.1 数据来源
        4.1.2 数据预处理
    4.2 Lof检测离群学生
        4.2.1 用Lof算法检测离群学生流程
        4.2.2 离群的检测
        4.2.3 学生学习状态分析
    4.3 神经网络模型预测离群学生成绩
        4.3.1 数据预处理
        4.3.2 多层神经网络算法的设计
        4.3.3 模型优化
        4.3.4 离群学生目标课程预警
    4.4 本章小结
第五章 总结与展望
    5.1 论文研究工作总结
    5.2 进一步工作与展望
致谢
参考文献
附录



本文编号：3918350