学位论文 > 优秀研究生学位论文题录展示

远程教育系统学生分类的数据挖掘研究

作　者: 王菁菁
导　师: 邵良杉
学　校: 辽宁工程技术大学
专　业: 管理科学与工程
关键词: 聚类改进STING算法数据挖掘模型远程教育系统学生分类
分类号: TP311.13
类　型: 硕士论文
年　份: 2011年
下　载: 109次
引　用: 0次
阅　读: 论文下载

内容摘要

随着互联网技术的发展,远程教育也迅速的发展起来。由于远程教育的独特的教学形式,使教育机构向学习能力程度不同的学生提供不同的学习策略成为可能。但是现有的远程教育系统还是像普通教育一样,向不同水平的学生提供相同的课程和教学策略,即使现阶段已经存在了很多远程教育的数据挖掘的理论研究,实际应用却很少。文章研究了研究远程教育的模式,结合教育教学理论在远程教育系统中对学生数据进行分类,为教师针对不同类型的学生制定教学策略提供依据。文章首先介绍了远程教育和远程教育中应用数据挖掘的现状,提出了在远程教育系统中对学生分类的研究意义。然后建立了一个远程教育系统学生分类的数据挖掘模型,这个模型是依托在远程教育系统的,在教师操作的模块可以得到学生的分类情况,教师可以得到学生的聚类结果,然后根据不同类型的学生特点制定不同的教学策略,当学生登录系统之后会根据学生的分类预测获取相应的学习策略进行学习。文章建立了系统的数据库,提出了一个基于模糊综合评价的学生能力评价方法,得出学生的能力评价后作为一个新的属性存储到数据库中,在后期的数据挖掘分析中作为一个主要聚类属性。文章对STING算法进行了改进,并把改进STING算法应用在学生分类模型中,进行了实例分析。文章最后对模型进行了评估,解释了聚类的结果所发现的模式意义,对实际应用有指导意义。

远程教育系统学生分类的数据挖掘研究

内容摘要

全文目录

相似论文