The invention discloses a data mining online early warning method based on student achievement, including the results of data acquisition and classification of school graduate students have been using the Apriori algorithm; data mining results all meet the minimum support count of frequent itemsets; using frequent itemsets to all strong association rules; students in all grades the use of strong association rules for data processing, get the results of forecasting and early warning results. The present invention through learning data acquisition and graduates, and data mining and association analysis to the results of data acquisition, so as to obtain the strong association rules between subjects, and according to the strong association rules between the subjects of college students performance prediction and warning, so the method starting from the objective data. That can forecast and early warning, timely and real-time on student achievement and objective, scientific, reasonable, fast calculation speed and high precision.
【技术实现步骤摘要】
基于数据挖掘的在校学生成绩预警方法
本专利技术具体涉及一种基于数据挖掘的在线学生成绩预警方法。
技术介绍
随着经济技术的发展和人们生活水平的提高,教育已经成为了人们最为关注的领域之一,国家对于教育的投入也在逐年增长。因此,越来越多的人们走入青青校园,开始了学生生涯。毫无疑问的,在校学生的首要任务便是学习。但是现在发达的科技使得人们的娱乐方式越来越多,各类娱乐设备层出不穷,娱乐方式也日新月异,从而使得许多在校学生丢下学业沉迷其中。目前对于学生在校学习状态的反馈,一般都是老师通过学生的学习状态、外在表现等进行人为判断和反馈,其整个过程充满了主观性和不确定性。很多时候,老师由于教学事务繁忙而无法及时获取或忽视了学生的学习状态,而在学生考试失败或者学习成绩失败后才想起进行干预,这无疑事倍功半。
技术实现思路
本专利技术的目的在于提供一种基于历史数据的、能够客观和及时为学生的学习成绩提供预警的基于数据挖掘的在线学生成绩预警方法。本专利技术提供的这种基于数据挖掘的在线学生成绩预警方法,包括如下步骤:S1.获取学校已毕业学生的所有m个科目的成绩数据,将成绩数据划分为n个等级,并建立相应的数据库;所述m和n均为自然数;S2.针对步骤S1得到的成绩数据,采用Apriori算法挖掘成绩数据中所有符合最小支持度计数值的频繁项集;S3.利用步骤S2得到的频繁项集构建所有潜在的规则,计算构建的所有规则的条件概率,并与最小置信度值进行比较得到满足条件的所有强关联规则;S4.对在校学生的所有成绩运用步骤S3得到的所有强关联规则进行数据运算,得到在校学生的课程成绩的预测结果,并对课程成绩预测 ...
【技术保护点】
一种基于数据挖掘的在线学生成绩预警方法,包括如下步骤:S1.获取学校已毕业学生的所有m个科目的成绩数据,将成绩数据划分为n个等级,并建立相应的数据库;所述m和n均为自然数;S2.针对步骤S1得到的成绩数据,采用Apriori算法挖掘成绩数据中所有符合最小支持度计数值的频繁项集;S3.利用步骤S2得到的频繁项集构建所有潜在的规则,计算构建的所有规则的条件概率,并与最小置信度值进行比较得到满足条件的所有强关联规则;S4.对在校学生的所有成绩运用步骤S3得到的所有强关联规则进行数据运算,得到在校学生的课程成绩的预测结果,并对课程成绩预测结果不合格的学生进行成绩预警。
【技术特征摘要】
1.一种基于数据挖掘的在线学生成绩预警方法,包括如下步骤:S1.获取学校已毕业学生的所有m个科目的成绩数据,将成绩数据划分为n个等级,并建立相应的数据库;所述m和n均为自然数;S2.针对步骤S1得到的成绩数据,采用Apriori算法挖掘成绩数据中所有符合最小支持度计数值的频繁项集;S3.利用步骤S2得到的频繁项集构建所有潜在的规则,计算构建的所有规则的条件概率,并与最小置信度值进行比较得到满足条件的所有强关联规则;S4.对在校学生的所有成绩运用步骤S3得到的所有强关联规则进行数据运算,得到在校学生的课程成绩的预测结果,并对课程成绩预测结果不合格的学生进行成绩预警。2.根据权利要求1所述的基于数据挖掘的在线学生成绩预警方法,其特征在于步骤S1所述的获取学校已毕业学生的成绩数据,具体为以学院为单位进行成绩数据的获取。3.根据权利要求1所述的基于数据挖掘的在线学生成绩预警方法,其特征在于步骤S1所述的将成绩数据划分为n个等级,具体为按照如下规则进行等级划分:若成绩数据是分数制,则90~100分划分为等级“优良”,75~89分划分为等级“中等”,0~74分划分为等级“差”;若成绩数据是等级制,则等级A划分为等级“优良”,等级B划分为等级“中等”,等级C及以下划分为等级“差”。4.根据权利要求1~3之一所述的基于数据挖掘的在线学生成绩预警方法,其特征在于步骤S2所述的采用Apriori算法挖掘成绩数据中所有符合最小支持度计数值的频繁项集,具体为采用改进型Apriori算法进行频繁项集的挖掘,具体包括如下步骤:A.设置Apriori算法的最小支持度;B.扫描步骤S1建立的数据库,根据数据库的记录数设定编码长度,然后对每条记录进行扫描,将出现记录的位置置为1,未出现记录的位置置为0,从而得到该项的一个编码位串;C.在步骤B得到的编码位串中,对每个编码位串中“...
【专利技术属性】
技术研发人员:邓晓衡,陈琳杰,龙芳,黄戎,陈凌驰,郑静益,
申请(专利权)人:中南大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。