基于數據挖掘的學生成績預警模型研究論文
摘要：本文通過分析得出學業預警的難點在于成績預警，然后提出了基于數據挖掘技術的成績預警模型，并對該模型進行了詳細說明。
關鍵詞：數據挖據；成績預警；模型研究
在我國高校擴招的大背景下，高等教育已不再是精英教育，越來越多的高中生得到進入高校學習的機會。隨之而來出現了生源質量下降，師資不足，人才培養水平下降等一系列問題。如何幫助學生避免在學習中出現問題和克服學習中的各種困難，學業預警機制就是在這一背景下應運而生。
1．學業預警的內涵
學業預警是學校將嚴重影響學業的情況，及時告知學生本人和家長，并通過學校、學生和家長之間的溝通和協作，從而采取針對性措施，幫助學生完成學業的教育危機干預制度。學業預警的對象包括曠課預警、考試預警、成績預警三大類。而如何利用學生成績中隱含的可用信息，挖掘內在聯系，則是學業預警的難點。
2．成績預警模型設計
通過分析，本文提出了基于數據挖掘技術的成績預警模型。該模型可以有效發現偏低型、滑坡型和潛在型三種問題類型。結合預警情況的嚴重性，可將模型劃分為一般預警、嚴重預警、非常嚴重預警三個級別。
3．常見預警設計分析
3.1偏低型預警設計
偏低型預警主要包含以下兩個方面：一是不及格門次統計，統計輸出某一學期分專業、年級、班級的不及格門次信息。二是不及格詳情統計，統計輸出某一學期分專業、年級、班級的不及格詳細情況，如不及格課程名稱。
3.2滑坡型預警設計
傳統計算成績是否滑坡的依據是按總分或平均分計算名次，若名次下降幅度超過某一界限，則認為成績滑坡。這種方法計算簡單、結果直觀，但不能準確地反映成績的分布情況。為解決此問題，本文利用聚類技術把成績分為5個等次，各等次內部的差距最小，等次之間的'差距最大，從而準確地反映成績的分布情況。具體實現步驟如下：(1)對上學期成績用改進的加權Wk-means算法進行聚類，設置簇數=5，課程權重=該課程學分/總學分數，將聚類結果按質心各維加權平方之和從大到小排列，簇號依次設為1、2、3、4、5，則所有成績被劃分到A、B、C、D、E5個等次；(2)本學期成績作相同處理；(3)比較每名學生兩學期成績的聚類結果，若等次下降或兩學期都處于第D、E等次，則進行預警，輸出相關信息。
3.3潛在型預警設計
潛在型預警是利用關聯技術對學生歷史成績進行挖掘，生成成績關聯規則庫，進而預測學生今后學習中潛在的危機。潛在型預警模塊的實現步驟如下：(1)數據預處理。①從待處理的所有成績記錄中篩選出成績不及格的記錄。②為方便課程排序，將課程的編碼設置為“學期”+“課程序號”。某課程成績將被轉換成一個2位數，第一位表示學期，第二位表示課程序號。如“計算機應用基礎(1)”被轉換成10。③原數據庫表數據格式為“學號，姓名，不及格課程名稱”，將數據轉置變為“學號，姓名，不及格課程1，不及格課程2，……”。(2)挖掘頻繁項集。支持度反映項集在數據庫中的普遍性。設置合適的支持度，使得出的關聯規則具有一定的普遍性。(3)生成預警規則庫。按照傳統方法生成的關聯規則不能直接作為預警規則。因為無用的規則會降低預警的準確率和效率。為解決此問題特做如下限定：一是設置合適的置信度。二是按學期順序規則前、后件。三是同一學期的課程成績不能同時出現在規則的前件和后件。四是規則的后件只包含一學期課程。(4)搜索預警規則庫，進行匹配。將當前學期成績進行預處理，搜索預警規則庫，進行匹配，輸出結果。
4．結語
及時發現偏離正常發展軌道的學生，并進行有針對性的學業干預，有利于高校教學水平的提升。而成績預警則是學業預警的核心和難點，為此，本文利用數據挖掘技術，針對成績預警設計了三種模型，使學業預警更具實用性和有效性。基金項目：安徽省高校質量工程項目（編號：2015zjjh051）,淮北職業技術學院自然科學重點項目（編號：2016-A-4）。
參考文獻：
[1]李昊，周振華.基于數據挖掘的高校學生成績預警系統[J]大慶石油學院學報,2011(04):91:95
[2]葉福蘭.基于數據挖掘的高校學生成績預警狀況分析[J]長春師范學院學報,2013(10):43-45
[3]楊蕭嶼,高職院校學生成績預警管理模式的探究[J]遼寧高職學報,2014(07):110-112
[4]宋紹云,基于SQLServer數據挖掘的學生成績預警預報研究[J]電腦知識與技術,2015(17):18-20
[5]呂萍麗,基于關聯規則的成績預警模型的實現[J]數字技術與應用,2015(04):105
【基于數據挖掘的學生成績預警模型研究論文】相關文章：
基于數據挖掘的社交網絡分析與研究論文01-23
數據挖掘技術的研究論文01-22
一種基于數據挖掘技術的決策信息模型07-21
物聯網數據挖掘研究論文01-23
基于空間特性的地形圖數據挖掘研究10-07
基于仿真與數據挖掘的故障診斷方法研究10-19
數據挖掘論文09-24
基于云計算的數據挖掘技術探討論文01-23