基于数据挖掘的网络教育学习成绩细分预测的研究与实现——以本科成人学位英语考试为例

被引:19
作者
孙力 [1 ]
张凯 [2 ]
丁波 [2 ]
机构
[1] 江南大学信息化研究中心
[2] 不详
基金
中央高校基本科研业务费专项资金资助;
关键词
网络教育; 数据挖掘; 成人学位英语; 细分预测规则; 细分预测系统;
D O I
10.13541/j.cnki.chinade.20161216.005
中图分类号
G434 [计算机化教学]; H319 [语文教学];
学科分类号
摘要
当前,各类网络教育管理和学习系统日渐完善,网络学习形成性评价系统正在促使网上学习行为的真实发生。学生通过网上学习,在各类管理和学习系统中产生了许多有用的信息和数据。以SPSS的Clementine 12.0为实验环境,通过对网络学历教育本科学生英语相关课程成绩及学习信息的分析,实现了对成人学位英语考试成绩的细分预测。首先,运用数据聚类的K-means算法,对已有学生学位英语考试的成绩确定了较为具体的分数分布区间;然后,采用数据分类中的C5.0算法,以该分数区间为预测目标,构建了成绩的细分预测规则;最后,实现了成人学位英语考试的成绩细分预测系统。对成绩预测相关变量的重要性进行了分析,提出了提高网络教育本科学生英语学习水平和成人学位英语考试成绩的相应策略。
引用
收藏
页码:22 / 29
页数:8
相关论文
共 8 条
[1]   大数据时代网络教育学习成绩预测的研究与实现——以本科公共课程统考英语为例 [J].
孙力 ;
程玉霞 .
开放教育研究, 2015, 21 (03) :74-80
[2]   基于大数据的教育技术研究新范式 [J].
祝智庭 ;
沈德梅 .
电化教育研究, 2013, 34 (10) :5-13
[3]   基于k-means聚类算法的研究 [J].
黄韬 ;
刘胜辉 ;
谭艳娜 .
计算机技术与发展, 2011, 21 (07) :54-57+62
[4]   教育数据30年:从CMI到DDDM [J].
顾小清 ;
林仕丽 ;
袁海军 .
电化教育研究, 2010, (09) :55-63
[5]   聚类算法研究 [J].
孙吉贵 ;
刘杰 ;
赵连宇 .
软件学报, 2008, (01) :48-61
[6]  
数据仓库与数据挖掘[M]. 人民邮电出版社 , 陈文伟,黄金才编著, 2004
[7]  
Predicting performance: relative importance of students’ background and past performance[J] . Karen M Stegers‐Jager,Axel P N Themmen,Janke Cohen‐Schotanus,Ewout W Steyerberg.Med Educ . 2015 (9)
[8]  
From data mining to knowledge mining: Application to intelligent agents[J] . Amine Chemchem,Habiba Drias.Expert Systems With Applications . 2015 (3)