ASP.NET课程教学中的关联资源建设

针对目前ASP.NET课程教学实践中关联资源缺乏的情况,从教学资源整合的角度,探讨ASP.NET课程中关联资源的建设,通过列举若干个关联资源的示例,阐述本课程与其他课程涉及的关联资源,解决不同课程各自为战而导致的知识、技能体系被割裂的问题,为创新教学模式提供支持。     

关联规则在学生成绩管理系统中的应用

关联规则是数据挖掘的重要的组成部分之一。利用关联规则的Apriori算法,以学生成绩数据库为研究对象,挖掘课程之间的良好关系,为教学管理部门设置安排课程提供理论指导。     

计算机专业软件类课程群的实训教学模式方案

针对传统实训教学模式对计算机专业核心课程单独设置实训课,没有将本来密切关联的各课程有机结合起来的问题,分析各课程之间的关联,提出一个以项目为主线,以发展学生综合应用能力为根本的,适用于计算机专业软件类实训课程群的改革方案。     

关联规则挖掘在课程相关性分析中的应用

关联规则挖掘是常用的数据挖掘方法,将其应用于课程相关性分析可发现课程间深层次内在关联,便于更科学合理的进行课程设置、改善课程体系结构。文章介绍了关联规则的基本概念,分析了关联规则的经典算法Apriori,并将Apriori算法应用于金融学专业课程相关性分析。     

教育信息化中课程考试成绩数据关联模式的发现

面对海量的教育信息化数据,如何发现和分析隐藏在这些数据中潜在的、有价值的知识和教育模式,更好地为教育教学决策提供科学依据,成了亟待解决的问题。本文提出一种新的课程成绩数据关联模式发现算法。该算法针对课程成绩数据的特点,给出课程数据模型,采用矩阵加权模式发现技术对课程成绩数据进行模式挖掘,发现课程成绩数据中隐藏的数据关联规则。通过模式分析得出课程教学中的教学规律和问题,为教学管理、教学改革与决策提供科学依据。实验表明,与现有关联模式发现算法比较,本文提出的算法更有效、合理。     

基于关联规则挖掘的高校成绩分析研究

本文通过对本校某年级学生成绩进行分析,主要应用数据挖掘中的关联规则和Apriori算法,挖掘出一些合理的课程关联规则,将这些规则运用到教学管理中,可指导学生选课和合理的设置课程,为高校的教学管理提供参考。     

关联规则在教务管理中的应用

运用数据挖掘技术中的关联规则,对历届学生成绩数据进行分析,找出各课程之间的隐藏关系,对数据进行了标准化、离散化处理,并采用经典Apriori算法进行数据挖掘,得到了一些合理、可靠的课程关联规则.这些规则应用到教学管理中,可以为学生选课提供有效的指导以及合理设置课程.     

基于Apriori算法的知识点内部关联的研究与实现

智能答疑系统中存储了大量问题和答案的记录,问题的相关性反映了课程知识点内部关联。本文阐述了利用关联规则Apriori算法有效分析网上智能答疑系统中课程知识点内部关联关系。     

基于Apriori算法的知识点内部关联的研究与实现

智能答疑系统中存储了大量问题和答案的记录,问题的相关性反映了课程知识点内部关联。本文阐述了利用关联规则Apriori算法有效分析网上智能答疑系统中课程知识点内部关联关系。     

计算机组成与其他课程之间的关联内容分析

说明计算机组成及其他相关课程在整个计算机系统中的位置,分析计算机组成与其他相关课程之间的前、后关系;阐述计算机组成课程教学如何为先行课程答疑解惑以及如何为后续课程奠定基础,对计算机组成、程序设计、操作系统等课程的关联内容进行具体描述。     

基于本体的高校教务课程关联模型

该文利用学校教务部门存放的学生考试成绩,结合基于教务课程本体的数据集成方法和数据挖掘的关联规则算法,建立基于本体的高校课程关联模型,从这些大量数据中挖掘出数据隐藏的规律或数据间的关系,辅助分析课程之间的相关性,从而指导学校课程编制和学生选课。     

基于课程间关联规则的排课优化算法研究

针对如今高校招生人数扩张所伴随而来的高校排课资源紧张的现象进行了研究,提出了一种基于关联规则的排课优化算法（SH-AP算法）来优化高校排课。SH-AP算法将关联规则算法应用到排课过程中,通过对高校学生选课数据进行关联规则的挖掘,找出需要排课的课程之间的关联规则,之后SH-AP算法再将已经挖掘出的课程间关联规则应用到排课系统中,对高校排课进行优化。实验最终得到课程间关联规则的数据,并为高校提供人性化的排课。根据研究与对比表明SH-AP算法在对排课的合理化与人性化上有很好的优化效果,帮助学校在进行排课的时候,考虑课程时间地点冲突问题的同时,对学生的需求进行满足。     

Apriori算法在学生成绩分析中的应用

该文将关联规则的Apriori算法应用于考试系统中,通过对考生各门课程考试成绩的分析,找出课程之间的联系,为教师的教学及学生的努力方向提供指导性意见。     

基于FP_growth算法的课程相关性的关联规则研究

文章探讨了高校专业课程间的相关性问题,通过对数据挖掘中的关联规则挖掘进行研究,将关联规则挖掘应用于高校教务管理数据库,针对学生的成绩数据进行预处理,并利用FP_growth算法较快地挖掘出隐藏在成绩数据之后课程关联性规则,从而得到了一些合理、可靠的课程相关性规则,为高校的专业课程设置和学生选课提供决策依据。     

数据挖掘在选课系统中的应用

利用课程等级信息和选课次序评价信息等,挖掘课程之间的关联关系,导出关联规则,找出影响课程,分析影响度。利用仿真数据进行验证,然后对某一届同一专业全部学生全学年成绩进行分析,挖掘实际数据中潜在的关联规则,给出选课建议。     

Apriori算法在学生成绩管理中的应用

介绍了关联规则的基本概念及Apriori算法,提出了成绩预警模型,并利用Apriori算法进行了求解。所得到不及格课程之间的关联规则,可以为教师的教学管理及学生学习提供一定的指导和参考。     

一种改进的动态遗传Apriori挖掘算法

在经典关联规则算法Apriori的基础上,提出了一种改进的动态遗传Apriori挖掘算法。通过动态遗传Apriori挖掘算法对学生成绩管理数据库中的课程进行分析,找出各课程之间的隐藏关系,得到一些合理、可靠的课程关联规则,从而根据这些规则进行课程的合理设置。实验结果表明,该算法能高效地解决数据挖掘问题。     

Apriori算法研究及其在学生成绩分析中的应用

本文在研究关联规则挖掘技术的基础上，以我校计算机专业专业课程成绩为关系数据库，将关联规则中的Apfiofi算法运用到学生成绩分析中，挖掘课程问的相关性，为学生选课和学校合理的安排教学计划提供指导。     

生态系统视域下数据驱动课堂教学模式转型探索

针对传统程序设计类课程课堂教学现状及现有数据驱动课堂教学中存在的一些问题,论证课堂教学数字化转型的必要性,以数据为驱动打造各要素开放流动、相互关联的课堂生态教学模式。最后以Python课程为例进行效果评估,说明课堂生态教学模式的优势,为程序设计类课程改革创新提供新思路。     

基于聚类和关联算法的学生成绩挖掘与分析

针对某高校信息工程学院学生的学习状况和培养方案的改进需求,以2008-2014级信息工程学院本科生课程成绩为研究对象,提出一种基于改进K-means和引入兴趣度的Apriori的学生课程成绩分析方法。采用改进的K-means算法对成绩信息进行离散化处理,采用引入兴趣度的Apriori算法进行挖掘并根据得到的课程之间的关联规则绘制课程关系网络图,对课程间的关联关系、衔接关系以及课程的重要程度进行分析。应用所述方法进行挖掘能够减少大量没有意义的规则,提高了挖掘结果的准确性,挖掘所得到的结果不仅能够为教学方案的设计和改进提供一定的参考信息,还有助于提高学校的教学质量和学生的学习质量。