發(fā)布時間：2021-04-18 12:01

　　隨著互聯(lián)網(wǎng)的高速發(fā)展,現(xiàn)代教育不再受時間與空間的限制,教育的方式發(fā)了變化,同時也產(chǎn)生了大量與教育相關(guān)的數(shù)據(jù)。如何利用計算機(jī)技術(shù)讓教育變得更合理、更高效、更有針對性,越來越受到國內(nèi)外教育研究者和相關(guān)教育機(jī)構(gòu)的重視。計算機(jī)技術(shù)的飛速發(fā)展使得大量積累的教育數(shù)據(jù)得到了深入的分析與研究。將數(shù)據(jù)挖掘技術(shù)運用于教育方面及教學(xué)場景中被稱之為教育數(shù)據(jù)挖掘（Educational Data Mining,簡稱EDM）。預(yù)測學(xué)生學(xué)業(yè)成績是教育數(shù)據(jù)挖掘中比較典型的一個研究方向,其具有較高的教育意義和學(xué)術(shù)研究意義。改革開放的深入和全球化的影響讓英語教育受到越來越多的重視。和高等教育中其他的學(xué)科不同,按照目前國家教育部的指示,中國學(xué)生從小學(xué)三年級開始接觸英語課程。直到大學(xué)本科畢業(yè),每個學(xué)生基本上都要接受至少十二年的英語教育。來自不同地區(qū),不同背景的學(xué)生在進(jìn)入大學(xué)之前接受的英語教育不盡相同。正是由于這種教育的特殊性,造成進(jìn)入大學(xué)后英語專業(yè)學(xué)生之間的學(xué)習(xí)策略和專業(yè)能力相差較大。教師對剛?cè)雽W(xué)的學(xué)生的特點了解甚少將導(dǎo)致難以進(jìn)行針對性的教育和引導(dǎo),也可能難以識別出有潛力的學(xué)生和在學(xué)業(yè)上有高風(fēng)險的學(xué)生。目前,在教育數(shù)據(jù)挖掘領(lǐng)... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

教育數(shù)據(jù)挖掘流程

2 基礎(chǔ)技術(shù)數(shù)據(jù)挖掘都可以將分析結(jié)果以可視化的方式呈現(xiàn)給用戶，或作為新的知識儲備起來，供其他應(yīng)用程序使用。2.2 機(jī)器學(xué)習(xí)算法機(jī)器學(xué)習(xí)[28]其實是一個包含多學(xué)科的領(lǐng)域，機(jī)器學(xué)習(xí)吸取了幾個學(xué)科的成果：人工智能、計算機(jī)復(fù)雜性理論、控制論、概率論、信息論等。人類擁有的學(xué)習(xí)能力背后的處理機(jī)制其實就是機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)的研究目的是利用計算機(jī)模擬和和學(xué)習(xí)人類獲得知識的過程。通過創(chuàng)新和重構(gòu)來提升計算機(jī)處理問題的能力。簡而言之，機(jī)器學(xué)習(xí)利用已有的數(shù)據(jù)(經(jīng)驗)，得出了某種模型或規(guī)律，并利用此模型預(yù)測未來可能出現(xiàn)的某種現(xiàn)象的一種方法。它的目的是把人類思考?xì)w納經(jīng)驗的過程轉(zhuǎn)化為計算機(jī)通過對數(shù)據(jù)的處理計算得出模型的過程，如圖 2.2 所示。

圖 2.3 S 形函數(shù)圖像Fig.2.3 Graphic of sigmoid function堆樣本，其特征為 , … ，y 為樣本類型（正樣本）。判定 y=1，即樣本 為正樣本的概中 是回歸系數(shù)，即模型的參數(shù)。 是 Logist 函型參數(shù) 還不知道，只有通過訓(xùn)練才能求解出。ction）。最大似然法是邏輯回歸最基本的學(xué)習(xí)算代價函數(shù)。最大似然法的目的是求出讓似然函數(shù)c Regression 中優(yōu)化求解，梯度下降(gradient desic regress[38]，在此不一一贅述。 = 1 ; =11 + 法被用于分類的樹狀結(jié)構(gòu)，又被稱為判別樹。決

【參考文獻(xiàn)】：
期刊論文
[1]教育數(shù)據(jù)挖掘研究進(jìn)展綜述[J]. 周慶,牟超,楊丹.  軟件學(xué)報. 2015(11)
[2]教育數(shù)據(jù)挖掘發(fā)展現(xiàn)狀及研究規(guī)律的分析[J]. 孟卓,袁梅宇.  教育導(dǎo)刊. 2015(02)
[3]基于數(shù)據(jù)挖掘的分類預(yù)測模型研究[J]. 劉娟.  現(xiàn)代商業(yè). 2014(12)
[4]一種自適應(yīng)的個性化學(xué)習(xí)序列生成研究[J]. 蔣艷榮,韓堅華,吳偉民.  計算機(jī)科學(xué). 2013(08)
[5]Mashup智能答疑系統(tǒng)的研究與實現(xiàn)[J]. 吳彥文,李詩,田慶恒.  計算機(jī)工程. 2013(07)
[6]大數(shù)據(jù)時代 生活、工作與思維的大變革[J]. 維克托·邁爾·舍恩伯格,周濤.  人力資源管理. 2013(03)
[7]對英語專業(yè)四級成績的多元線性回歸分析[J]. 陳曦.  中國民航飛行學(xué)院學(xué)報. 2012(06)
[8]基于關(guān)聯(lián)主義的大規(guī)模網(wǎng)絡(luò)開放課程（MOOC）及其學(xué)習(xí)支持[J]. 樊文強(qiáng).  遠(yuǎn)程教育雜志. 2012(03)
[9]數(shù)據(jù)挖掘在教育教學(xué)中的應(yīng)用綜述[J]. 孫中祥,彭湘君,楊玉平,賀一.  智能計算機(jī)與應(yīng)用. 2012(01)
[10]一種改進(jìn)的中文分詞正向最大匹配算法[J]. 王瑞雷,欒靜,潘曉花,盧修配.  計算機(jī)應(yīng)用與軟件. 2011(03)

碩士論文
[1]樸素貝葉斯分類器的研究與應(yīng)用[D]. 王國才.重慶交通大學(xué) 2010
[2]基于VR技術(shù)的虛擬教學(xué)應(yīng)用研究[D]. 黃鑫.華中師范大學(xué) 2005



本文編號：3145438