数据挖掘在网络教学中的应用

网络教学的一个关键问题是如何实现教与学的有效结合,通过关联规则技术对收集到的学生网上学习历史数据进行分析,可以发现学习时间、学习次数、BBS讨论与测试成绩之间的关联,帮助教师调整教学计划;通过分类模型挖掘技术,实现对学生的网络分层教学,提升教学质量。     

基于关联规则挖掘的高职院校计算机专业课程设置

关联规则挖掘是挖掘研究领域的一项重要技术,高职院校教学管理系统产生海量数据,这些数据中隐藏着大量有价值的信息。文章采用改进的Apriori算法对高职院校计算机专业学生成绩进行关联规则分析,挖掘出课程之间的相关性,为高职院校更科学的制定教学计划提供有力的决策支持,进而提高教育教学质量。     

基于关联规则挖掘的高职院校计算机专业课程设置

关联规则挖掘是挖掘研究领域的一项重要技术,高职院校教学管理系统产生海量数据,这些数据中隐藏着大量有价值的信息.文章采用改进的Apriori算法对高职院校计算机专业学生成绩进行关联规则分析,挖掘出课程之间的相关性,为高职院校更科学的制定教学计划提供有力的决策支持,进而提高教育教学质量.     

学生成绩数据挖掘系统的设计与应用

针对淮北广播电视大学的学生成绩数据,应用Apriori算法,设计开发了一个简单的数据挖掘系统。该系统包括获取数据、数据预处理、关联规则挖掘和规则结果分析四个模块。通过对学生成绩数据的挖掘,可以发现隐藏其中的关联规则,确定先行课程和后续课程的关系,从而为教学管理人员优化课程设置提供决策支持。     

关联规则在学生成绩中的数据挖掘

数据挖掘中的关联规则挖掘能够发现大量数据中项集之间有趣的关联或相关联系。采用关联规则的Apriori算法和改进后的Apriori算法对三门峡职业技术学院学生各门课程成绩进行分析,从而发现课程之间的联系和基础课程对专业课程的影响,为教务管理部门安排课程提供参考。     

数据挖掘在学生成绩数据中的应用研究

针对课程设置与课程成绩之间的关系,通过比较分析可以发现学生成绩背后所隐藏的有价值信息。通过对学生成绩数据的挖掘,可以发现隐藏其中的关联规则,得出有实际价值的规则及结论,从而为教学管理人员优化课程设置提供决策支持。     

关联规则在教务管理系统中的应用初探

高校教务管理系统将产生海量数据,这些数据中可能隐藏着一些我们以前不知道的大量有用信息.因此,可采用数据挖掘的关联规则方法来对教务管理系统的学生成绩数据进行挖掘,通过学生成绩是否优秀来找到各对应课程之间的相关性,从而科学地安排教学和指导学生学习.     

基于粗集理论的教学评估关联规则挖掘研究

通过关联规则挖掘找出影响教学质量的因素及教学过程中存在的问题,可以有的放矢,以提高教学质量。以某校教学管理系统中的教学数据为案例,基于粗集理论通过数据预处理、属性约简、关联规则挖掘,进行教学评估关联规则挖掘,并对挖掘出的真正有趣的关联规则进行了分析,收到了良好的效果。     

基于数据挖掘的课程管理信息系统研究

本文设计了一个基于数据挖掘的课程管理系统,采用了关联规则、分类、聚类等几种主要的数据挖掘方法,对学生学习过程中各类数据进行分析,挖掘学生成绩与教学过程中各类课堂数据之间隐藏的关系,为教师教学及学生日后的学习提供指导。     

数据挖掘技术在高职院校教学管理中的应用

职业教育是我国教育改革与发展的重点之一,教学管理是提升高职院校教学质量的关键环节。为了提高高职院校教学质量和教学水平,应用大数据挖掘技术对教学数据进行分析。首先采用Apriori算法对学生成绩表、课堂考勤表进行数据处理,然后挖掘隐藏在学习成绩和考勤数据中的规律,分析各学期不及格科目、出勤情况与毕业状态之间的关联规则。通过结果分析与评估,为任课教师和教学管理部门提供指导,帮助科学规划各学期教学管理重点,进一步改进教学管理水平,提高教学质量。     

数据仓库与数据集市

文章主要从数据仓库和数据集市的概念入手,讨论了数据仓库和数据集市的特点、区别和联系,以及它们创建等问题。     

浅谈数据挖掘与数据仓库

数据挖掘和数据仓库,两者是相辅相成,融合与互动发展的。在金融行业引入数据仓库、数据挖掘技术,能使银行的信息技术应用从业务操作层提升到管理决策层,使其内部管理和流程优化。     

数据仓库与数据挖掘技术

较为详细地阐述了数据仓库和数据挖掘的概念 ,同时指出了开发数据仓库的流程和数据挖掘技术的方法     

数据仓库中的数据清理方法研究

阐述了数据清理的概念和意义，介绍了缺失值修补和孤立点识别采用的主要方法，并指出有待进一步研究的问题。     

From Data Collectors to Data Producers: Shifting Students’ Relationship to Data

This paper contributes a theoretical framework informed by historical, philosophical and ethnographic studies of science practice to argue that data should be considered to be actively produced, rather than passively collected. We further argue that traditional school science laboratory investigations misconstrue the nature of data and overly constrain student agency in their production. We use our “Data Production” framework to analyze activity of and interviews with high school students who created data using sensors and software in a ninth-grade integrated science class. To understand the opportunities for students to develop act with and perceive agency in data production, we analyze in detail the case of one student as she came to use unfamiliar technologies to produce data for her own personally relevant purposes. We find that her purposes for producing data emerged as she worked, and that resistances to her purposes were opportunities to act with and perceive her own agency, and to see data in new ways. We discuss implications for designing science learning experiences in which students act as agents in producing and using data.     

数据仓库在材料数据分析中的应用研究

材料数据库建设存在着诸多问题,已不适应材料科学研究的发展需要。采用数据集成技术是解决问题的关键。通过分析数据仓库技术特点,以及材料研究的数据要求和管理特点,提出了采用数据仓库进行材料数据集成和分析的新思路。     

半结构化数据到结构化数据的无损映射

大多数半结构化数据都具有一定的结构规律，将它们转化为基于关系数据库存储的结构化数据，可有效地应用DBMS技术进行处理，部分不便于转化的数据作特殊处理，以保证整个数据的无损映射，本在完成DTD的转换后，从一种最简单的映射方式入手，提出改进方案，利用一种基于数据挖掘的模式抽取方法，对不同类型的元素分别处理，设计了一套有效的溢出数据处理办法，实现了半结构化数据到结构化数据的无损映射。