發(fā)布時間：2024-05-28 21:11

　　教育機構需要為學生提供高質量的教育,因此從教育數據中獲取有用信息是非常關鍵的。然而,由于教育數據來源和結構的不同,準確評價學生的學習成績是很難的。此外,由于學生的學習能力不同,采取的教學方法也是不一樣的。因此為了解決以上問題,找到教育數據中的相似性,文中研究提出一種基于模糊C-均值的聚類算法,將學生成績進行聚類,利用二維與三維可視化,展示其結果。實驗結果表明,教育者可以通過該方法更好的掌握學生成績,從而為教學提供決策依據。

【文章頁數】：6 頁

【部分圖文】：

圖1學生評估流程

為了更好地理解基于FCM的學生成績評價過程,圖1給出了用FCM評價學生成績的流程圖。如圖1所示,學生數據集需要通過數據選擇、數據預處理和數據轉換進行預處理(例如,去除學生姓名和課程名稱等不必要的特征)。當數據準備好后,采用FCM聚類算法得到聚類,每個聚類代表一個性能水平(包括壞、....

圖2數字媒體班聚類結果

圖2-7給出了數字媒體、網絡工程、計算機科學與技術、軟件工程1班、軟件工程2班所有大學生的聚類結果。二維聚類結果為每幅圖的圖2(a),三維聚類結果為每幅圖的圖2(b)。此外,數字媒體、網絡工程、計算機科學與技術、軟件工程1班、軟件工程2班和所有大學生的班級聚集中心,如表2所示。每....

圖3網絡工程班聚類結果

圖2數字媒體班聚類結果圖4計算機科學與技術班聚類結果

圖4計算機科學與技術班聚類結果

圖3網絡工程班聚類結果從圖2可以看出,數字媒體班級的學生“優(yōu)秀”表現(xiàn)的數據主要集中在三維聚類圖中的簇3,雖然有些數據在二維聚類中的結果中比簇1(大學物理)的差。這是因為聚類是基于綜合表現(xiàn),綜合考慮所有三門課程的成績。因此,一個課程成績低于另一個學生并不意味著TA的整體表現(xiàn)也較低....

本文編號：3983736