数据挖掘在课程相关性中的应用研究

论文摘要

数据挖掘技术在商业、金融业、市场营销等领域已获得的了广泛的应用，但在教育信息的挖掘相对来说很少。努力提高学生的成绩是每一所学校所追求的目标，随着社会的发展，现在各学校的规模不断扩大，学生的数量也越来越多，影响学生成绩的因素也越来越多，那么分析学生成绩就更加重要，从大量数据存在的关系、规则中分析学生成绩，预测学生成绩发展趋势迫在眉睫。高校对学生的信息、成绩等数据的研究一般还只停留在简单的数据备份和查询阶段，借助数据挖掘技术的关联规则可以发现学生成绩数据中隐藏的课程关联性规则，在本文中采用关联规则算法引入到学生成绩数据库中，进而可以找到影响学生成绩的真实原因以及所映射到相关问题原因，从而制定相应的措施，给决策者提供决策，有利于教学质量的提高。为了找出影响学生成绩的隐藏的一些因素，从而进一步提高学生的学习成绩，在本文中我采用了关联规则算法对学校学生历年的成绩挖掘并对挖掘结果进分析，以便更好的开展教学工作。数据挖掘是建立在海量的数据之上的，数据来源于学校学生的历年成绩数据库。应用关联规则算法对信息学院的学生的成绩进行分析，找出影响学生成绩最重要的因素，以便为信息系的老师改变自己的教学方式和方法，为提高学校整体教学质量提供依据，该方法也可以应用到其他院系，从而进一步完善成绩管理系统。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景及意义
• 1.2 国内外研究现状
• 1.3 本课题的研究内容和工作
• 1.4 本文结构安排
• 第2章 数据挖掘技术综述
• 2.1 数据仓库简介
• 2.1.1 数据仓库的由来
• 2.1.2 数据仓库的基本特性
• 2.1.3 数据仓库的基本组成
• 2.1.4 数据仓库的体系结构
• 2.1.5 操作数据库系统与数据仓库的不同
• 2.1.6 数据库与数据仓库的区别
• 2.2 数据挖掘技术简介
• 2.2.1 数据挖掘的定义
• 2.2.2 数据挖掘的方法论
• 2.2.3 数据挖掘项目的生命周期
• 2.2.4 数据挖掘的分类
• 2.2.5 由联机分析处理到联机分析挖掘
• 2.3 数据挖掘的新趋势
• 2.4 本章小结
• 第3章 课题实现的关键技术
• 3.1 XML 技术的相关知识
• 3.1.1 XML 简介
• 3.1.2 XML 文档的结构
• 3.1.3 XML 的主要特点
• 3.2 关联规则
• 3.2.1 关联规则介绍
• 3.2.2 关联规则挖掘算法
• 3.3 聚类算法
• 3.4 本章小结
• 第4章 数据挖掘在课程相关性分析中应用模型的设计
• 4.1 需求分析
• 4.2 总体设计方案
• 4.3 异构数据源转换模块开发环境
• 4.3.1 开发平台—.NET
• 4.3.2 开发语言—C#
• 4.4 异构数据源转换模块
• 4.4.1 异构数据源转换的方法
• 4.4.2 异构数据源转换的思路
• 4.5 数据仓库设计的条件
• 4.5.1 配置数据仓库环境
• 4.5.2 创建多维数据集前期准备
• 4.5.3 如何生成多维数据集
• 4.5.4 多维数据集的处理
• 4.6 数据挖掘技术实现的基本条件
• 4.6.1 BIDS 基本功能
• 4.6.2 数据预处理
• 4.7 模型的整体架构
• 4.7.1 数据仓库整合模型图
• 4.7.2 模型整体架构图
• 4.8 本章小结
• 第5章 数据挖掘在课程相关性中的应用的模型实现
• 5.1 系统的实现
• 5.2 异构数据源转换
• 5.2.1 异构数据源转换的具体实现
• 5.2.2 异构数据源转换的主要功能
• 5.3 数据仓库的建立
• 5.3.1 开发工具的选择
• 5.3.2 建立数据仓库表
• 5.4 数据挖掘过程
• 5.4.1 实现数据挖掘技术的前提
• 5.4.2 数据挖掘的实现
• 5.5 分析数据挖掘结果
• 5.5.1 分析课程数据结果
• 5.5.2 课程选择反映专业异同
• 5.5.3 课程选择倾向的影响
• 5.5.4 成绩数据挖掘结果
• 5.5.5 成绩数据的影响因素
• 5.6 本章小结
• 结论
• 参考文献
• 致谢
• 个人简历