《基于关联规则的高校学生成绩关联性分析.docx》由会员分享，可在线阅读，更多相关《基于关联规则的高校学生成绩关联性分析.docx（3页珍藏版）》请在三一文库上搜索。
1、基于关联规则的高校学生成绩关联性分析关键词：关联规则; Apriori算法及其改进算法; 学生成绩; 教学评估;1、 数据的采集学生成绩可直接反映学生对某门课程的掌握程度和学习状态, 是评价教学效果的一项重要指标, 可以据此评价学校本学科的教学效果, 以甘肃某高校数学与计算机科学学院的数学类专业 (包括数学与应用数学专业与信息与计算科学专业) 学生为例, 数据选取学生三大基础课、专业必修课及专业选修课成绩, 仅以学生第一次的考试成绩为准, 忽略学生的补考、重修成绩。把学生成绩划分为四区间, 划分区间具体为:A区间85, 100、B区间75, 85) 、C区间60, 75) 、D区间0, 60)
2、 。2、 课程之间的关联规则对选取的课程成绩进行关联规则挖掘, 假设最小支持度为0.2, 最小置信度为0.5。将无效关联规则删除且不做考虑, 并对部分关联规则的挖掘结果进行列举:对上述有效关联规则进行分析得:课程成绩之间存在一对一、一对多、多对多的直接或间接关系, 分析其内在联系, 通过判断规则的有效性, 可以对学生做出预警提示, 有利于改善学生的学习成绩。3、 学生属性与课程之间的关联规则本文使用量化属性的静态离散化规则, 挖掘学生属性与课程之间的多维关联规则。通过问卷的方式获得学生属性的数据集, 将学生属性的数据集记为A, 项集L=a1, a2, a3 (43) 。首先确定最小支持度阈值m
3、in_sup, 然后使用改进后的Apriori算法求得多维频繁项集, 假设A中频繁谓词集L′=a1, a2, a3, L′的非空子集有其中学生属性是影响学生学习质量的6个因素:性别、所属地区、对待学习的态度与意志力、学习的动机、学习策略、遇到困难处理方式, 并用符号A、B、C、D、E、F表示。仅对2014级数学类专业的学生的部分课程 (数据结构、离散数学) 进行数据分析, 表2列举了部分学生的成绩和学生属性值。现对学生属性进行多维关联规则分析, 并对部分多维关联规则的挖掘结果进行列举:性别 (女) , 所属地区 (发达) , 对待学习的态度和意志力 (积极向上) , 学
4、习动机 (深造) , 学习策略 (自己解决) , 遇到困难处理方式 (不放弃且寻求办法解决) ?数据结构A∧离散数学A支持度:32.4%置信度:67.5%4、 结语依据以上研究, 可以确定不同课程之间存在一对一、一对多、多对多的直接或间接的关联关系。优质属性集为性别 (女) , 所属地区 (发达) , 对待学习的态度和意志力 (积极向上) , 学习动机 (深造) , 学习策略 (互动解决) 。应用对关联规则的挖掘, 对学生属性以及成绩分析的反馈, 为教师改进教学计划, 提醒督促学生重视各课程之间的关联性, 进而按照优质的学生属性集培养学生, 从而达到改善学生课程成绩和提高教学质量的目的。参考文献：1姚文迪.基于关联规则算法的数据挖掘在高校成绩中的研究与应用D.成都:西南交通大学, 2015.2厍向阳, 张玲.基于Hadoop的FPGrowth关联规则并行改进算法J/OL.计算机应用研究, 2018, (01) :16 (2017-01-19) .3闫禹.多维关联规则数据挖掘研究及其在学生信息系统中的应用D.沈阳:沈阳工业大学, 2003.