数据挖掘在计算机等级考试中的应用

文章阐述如何采用ID3算法对学生计算机等级考试数据进行分类,并对分类结果进行分析,从而得出通过计算机等级考试的规则。以期待学生在学习过程中,借鉴这些规则,有规律、有目的地进行学习,从而提高等级考试合格率,实现优化教学。     

考试试卷分析对促进课程教学改革的思考

试卷分析对课程教学有非常重要的指导作用。文章通过选取内蒙古医科大学四年制信息管理与信息系统(医学)专业2009级学生数据库原理课程考试试卷进行统计,并对试卷结果进行分析,从而研究目前所采取的教学测试的合理性,以及教师教学活动和学生学习过程,发现教学过程中存在的问题,指出可以采取的有效教学对策。     

关联规则研究及在远程教育考试系统中的应用

研究了关联规则分类算法,应用关联规则Apriori算法,对远程教育考试系统数据样本进行数据分析,从分析的结果中发现有价值的数据模式,寻找其中存在的关系和规则,可以为教学和考试环节发挥调节、控制、指导作用,为远程教育管理提供合理、科学的决策支持.以分类关联规则挖掘为主线,研究了数据挖掘流程中数据预处理技术、分类关联规则挖掘建模及实施应用等过程的实现.实验结果表明,该分类应用系统实现了对考试数据的自动分类,具有较好的分类运算速度.     

决策树在计算机等级考试中的应用

江苏省计算机等级考试是由江苏省教育厅推行的一项考试制度,该考试越来越受到高校和学生们的重视. 首先基于历届学生的考试真实数据,应用信息熵和ID3算法构造决策树. 然后,提取分类规则,并通过计算规则的准确率与覆盖率对规则进行约简,从而挖掘出有价值的规则。最后利用该分类规则,预测学生能否通过等级考试。通过对历史数据进行仿真实验,表明决策树预测准确率高,能挖掘出影响学生通过等级考试的关键因素,对计算机等级考试课程教学有一定的指导作用.     

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。     

数据挖掘在教学评价中的应用

在高校教学中,教师在教学实施过程中往往积累了大量的数据,但目前对这些数据的处理还停留在初级的数据备份、查询及简单统计阶段.不能发挥它应有的作用.如对学生成绩的分析处理一般仅仅是统计成绩为优、良、一般、差等级别的人数,对于学生取得这些成绩的原因往往无法了解.数据挖掘是一种决策支持过程.是深层次的数据信息分析方法.将数据挖掘技术应用于教学评价无疑是非常有益的,它可以全面地分析考试结果与各种因素之间隐藏的内在联系,可以将大量的数据转化为分类规则,从而更好地分析这些数据.必然有利于教学质量的提高.     

福建省计算机学会简介

为了从教务管理系统中的英语等级考试成绩中提取影响学生成绩的潜在因素，提出了智能模糊决策树算法。该算法使用粒子群优化算法智能设定模糊决策数算法中的主要参数的值，解决了人工经验设定的盲目性和低效性。实验表明，该算法可以有效预测学生平时成绩与英语等级成绩的关联，为调节教学环节，指导教学提供了有用的参考。     

二值矩阵分解的认知建模方法研究

根据考试反馈数据,提出新颖的逻辑斯提克二值矩阵分解方法,来预测未来的学生考试成绩并自动对考题进行模式分类,同时设计新的算法对建模中遇到的非凸优化问题进行求解。在模拟数据和真实的美国SAT考试数据上进行的实验发现,新方法不仅可以准确地预测学生的考试表现,而且能够将考题按照知识点进行自动模式分类。实验结果表明, 新的方法相比经典方法在结果的可解释性和估计精度方面有明显的提升。     

大学网上考试系统的设计与实现

在对大学网上考试系统的开发背景和应用意义进行阐述的基础上,对大学网上考试系统的功能模块设计、系统开发方案、数据库设计和系统功能实现进行了详细介绍。系统基于B/S模式,实现了在线生成试卷、学生在线参加考试、自动生成考试成绩、学生和教师在线互动答疑和管理员后台数据管理等功能,提高了考试管理效率,为大学课程的教学和考试提供了一种高效、灵活、可靠和便捷的方式。     

基于决策树算法的高职学生英语四级通过情况的预测研究

该文采用分类决策树算法对高职学生在校英语平均成绩进行分析挖掘,找出有效的分类规则预测高职学生在英语四级考试中通过情况。     

Web日志挖掘在网络教学中的应用研究

在网络教学模式下,学生学习的过程就是访问教学网站页面的过程,这些访问都能被完整地记录在系统日志中,通过对日志的分析挖掘,可以找出学生行为模式;在另一方面,教学网站的结构组织是不是符合学生和教师学习和教学的规律,通过对网站日志的分析也可以得到.所有这些都离不开数据挖掘技术.文章提出了基于Wdb日志挖掘的模型,并对组成该系统的关键模块进行了分析.通过统计分析挖掘页面兴趣度和分类聚类方法对学生进行划分,有效地改善网站结构、更好地为学生服务,提高教学质量水平.     

数据挖掘在大学英语成绩预测中的应用研究

"数据驱动学校,分析变革教育"[1]的大数据时代已经来临,数据挖掘这一技术在教育行业随之诞生。随着社会对英语的应用日益增加,英语学习日益重要,大数据及数据挖掘技术在英语教学与学习中的应用与研究将成为新的发展趋势。本研究是基于大学英语技能训练系统产生的教学数据进行的挖掘分析,选取和学生成绩相关的数据作为特征,以学生考试成绩为目标,运用GBDT模型进行模型训练,实现了学生成绩的预测,经过评估、分析发现用数据挖掘技术可以比较准确的预估学生成绩,验证了数据挖掘技术在大学英语学习中的应用,以及GBDT模型对结果预测的影响,对学生学习和教师教学有很大的指导作用和使用价值。     

基于均值聚类和决策树算法的学生成绩分析

 针对高职学生的学习情况,采用k-均值聚类算法对学生的考试成绩进行等级划分,再采用R-C4.5算法构造决策树,通过对该决策树提取规则来分析学生各学科成绩和总评成绩的相关性。该方法可以减少决策树中的无意义的分支,挖掘出影响学生总评成绩的主要因素,为任课教师和教学管理人员在制定教学计划、开展教学工作和进行教学评价等方面提供参考。     

高职计算机教学的创新研究

对于大学计算机基础课程的教学效果评价,很多院校一般依赖教学软件对学生进行在线考试,并通过阅卷系统获得学生的考试结果。阅卷系统的评分标准化必将导致只对学生的考试结果进行关注,不能形成对学习的过程性评价,从而忽略对学生观察能力、创新能力、想象能力等方面的评价。为此,新形势下,面对学生在学习方面的新要求,高职计算机教学必须与时俱进,在教学课程设计、教学内容和教学形式上有所突破、有所提高。     

灵活运用Excel分析学生成绩

考试结束后,通过对学生考试成绩的分析,教师可以对该课程的教学工作进行系统的总结,更好的安排下一阶段的教学工作。该文根据个人经验,介绍了如何灵活运用Excel分析学生成绩的方法与技巧,从而使教学工作变得更加简单、高效。     

计算机等级考试信息的数据挖掘分析

通过对某高校上《计算机文化基础》这门课的学生进行调查及对历年该门课程的过级率等数据的分析,充分考虑影响计算机等级考试过级的各种因素,形成数据挖掘所用到的数据库.利用贝叶斯原理及关联规则等原理,可实现:分析影响学生过级率的因素;对比分析当年与历年学生过级率情况;根据往年的考试经验、当年的考试题目难易程度、教师的教学及学生的学习等情况,预测新生第一次参加等级考试过级情况,还可以对教师的教学进行评价.     

运用SPSS对高职专业课程成绩进行相关分析

SPSS是目前最好的统计分析软件之一,在高职院校学生的考试成绩中利用SPSS强大的统计分析功能对成绩数据进行分析,可以从中了解教师的教学与学生的学习情况以及数学课程与专业课程的关系。     

智能教学分析系统的设计与研究

把数据仓库和数据挖掘相关技术应用于教学领域，架构了一个基于Web的含教学、考试、分析于一体的智能教学分析系统。该系统通过对学生学习历史数据的分析处理，对学生的学习模式、老师与学生的教与学关联规则等进行挖掘，从而达到改善教师教学质量，提高学生学习效率的目的。     

大学计算机基础课程考试影响因子分析及应对策略研究

考试成绩分析对提升课程教学质量具有十分重要的作用。文章以大学计算机基础课程为例,从高考的录取分数、学生的生源类别、授课教师的教学水平、学生的应试心理四个方面对"通过性考试"成绩进行统计分析,并从教学模式的改革、高水平教学团队的构建、师生和谐关系的建立三个方面提出课程教学质量提升的应对策略。     

多元化实施大学计算机基础课程教学的研究

从多个角度出发研究大学计算机基础课程教学方法,从新生入学的筛选考试入手,实施免修、免考试制度,提高教学效率。在教学过程中充分利用案例教学,在有限的时间内有效地向学生传授更多知识。同时采用分类教学、分类考核模式,进一步抓好教学过程、教材使用、师资聘用等各环节,全面提高教学质量。