对于天津财经大学统计学成绩的数据挖掘研究

• 作 者: 张皓
• 出 处: 天津财经大学
• 发表日期: 2016年01期
• 关键词: 学生成绩 数据挖掘 关联规则 聚类分析

近来来信息技术的发展,使得学生信息管理系统得以在各大学中得到普遍使用,这极大地提高了学校管理的效率。然而,现在的学生成绩管理系统往往只有储存、查询等简单的功能,使得数据的背后暗藏的价值得不到有效利用。学校多年来积累了大量的考试数据,如何使用系统中存储的学生数据,得到对学校有用的信息,成为了当务之急。文章使用数据挖掘技术,通过对近两年全校的《统计学》课程成绩数据进行分析,以期挖掘出有价值的信息,为任课老师的教学和学生们的自我成绩提高提供建议。本文介绍了数据挖掘技术的概念,其中重点介绍了 K-Means算法和Apriori算法,并将这两种算法应用到成绩的分析中。本文数据源是天津财经大学全校本科生近两年的《统计学》的课程成绩,以此为基础研究与学生成绩相关的信息。对原始数据进行了预处理,并根据相关教材把两年的试题按知识点所属章节生成了统计基础、数理统计、时间序列、指数分析四个新的指标。同时由于关联规则分析的需要,对两年试题中的新生产的四个指标和学生总成绩进行了数据离散化。随后对数据进行了描述性统计,按照性别的分数差异、各任课教师的分数差异、各题型的分数差异以及各学院的分数差异进行了描述性统计和相关分析,使得对数据有了大概的了解。之后应用了 K-Means算法对数据进行聚类,把不同学生按成绩分成了五类,根据每类学生的不同情况提出了不同的指导意见。应用Apriori算法进一步分析系别,性别和总成绩,各科成绩的关联规则,得出了各个因素的相关规则,并提出了要重视统计基础部分知识的建议。