论文题目：数据驱动的高等教育管理与决策技术及其应用研究
摘要：高等教育领域的信息化建设持续推进,要求教学运行等业务数据的价值充分体现。研究基于教育数据分析的课程评价、本科生课程学习的个性化管理问题,具有理论意义和应用价值。1.一流课程建设,关系一流专业建设和一流本科教育成效。课程评价结果可用来指导课程建设。以太原科技大学为背景高校,在分析课程评价需求基础上,研究了课程评价模型;通过对教学管理职能部门的走访调研,获取了涵盖教学队伍、教学内容、教学资源等维度的精品课程评价指标体系,设置了教师风范、教学水平、教研活动及成果等观测点;确定了包括学生、教师、同行专家和教学督导等多维度评价的数据结构;对调查问卷数据清洗后,构造课程评价数据集;考虑误导性规则抑制,提出基于差异兴趣度的Apriori关联规则挖掘算法,验证所提方法在提高知识发现准确性方面的有效性。2.分析了本科生课程学习的学习行为干预需求,建立了学业预警模型。使用在线课程平台“超星学习通”上参加课程《商务智能》学习的学生签到、讨论、视频观看等多维度的学习行为数据、教务管理系统中修读该课程的学生成绩数据,构建训练集和测试集;分别用C4.5决策树模型、支持向量机（SVM）模型、朴素贝叶斯模型、以及遗传算法优化的BP神经网络模型构造分类器;训练并预测学习者的挂科情况。结果显示,由于考虑了多个特征间的联合作用,使用遗传算法优化的BP神经网络模型提高了泛化能力,预测准确率和精度最好。3.按软件工程三要素法,采用类商务智能系统架构,设计了Windows 10环境下运行的教学管理分析原型系统。在数据获取和管理层,用SQL Server 2012工具设计了数据仓库的星座模型;确定了包括本科课程平台、教学运行管理、问卷调研平台等数据源,经过数据预处理,同时支持以数据库形式和数据文件形式数据载入。在数据分析层面,内嵌了基于差异兴趣度的改进Apriori关联规则挖掘算法模型、遗传算法优化的BP神经网络预测模型,以分别支持课程评价和学业预警功能。测试结果表明,原型系统功能基本实现。基于教育数据分析的知识发现技术,以及相关技术支撑的学生学习、教学管理的研究,提升了课程评价的科学化和学生学习的个性化管理水平,为教师施教、学生学习、职能部门教学管理和教育行政部门管理等提供了数据驱动的管理与决策应用示范。
关键词：课程评价;关联规则;学业预警;数据驱动;教学管理
学科专业：软件工程（专业学位）
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 研究综述
1.3 研究内容
1.4 论文结构
第二章 相关理论与技术
2.1 数据挖掘
2.1.1 数据挖掘的定义
2.1.2 数据挖掘的过程
2.1.3 数据挖掘主要方法
2.2 关联规则
2.2.1 关联规则基本概念
2.2.2 Apriori算法
2.2.3 兴趣度模型
2.3 分类算法
2.3.1 决策树算法
2.3.2 支持向量机算法
2.3.3 朴素贝叶斯算法
2.3.4 BP神经网络
2.4 本章小结
第三章 课程评价指标关联规则提取模型研究
3.1 基于兴趣度的Apriori关联规则挖掘算法
3.1.1 课程评价的关联规则问题描述
3.1.2 差异兴趣度模型
3.1.3 基于兴趣度的Apriori算法
3.2 数据集采集与清洗
3.2.1 数据采集
3.2.2 数据预处理
3.3 实验及结果分析
3.3.1 误导抑制效果分析
3.3.2 提取的规则解析
3.4 本章小结
第四章 学生课程学习成绩预警研究
4.1 基于C4.5 决策树算法的成绩预测
4.1.1 C4.5 算法分析
4.1.2 数据采集及预处理
4.1.3 实验结果与分析
4.2 基于SVM算法的成绩预测
4.2.1 SVM算法分析
4.2.2 实验结果与分析
4.3 基于朴素贝叶斯算法的成绩预测
4.3.1 朴素贝叶斯算法分析
4.3.2 实验结果与分析
4.4 基于遗传算法优化的BP神经网络的成绩预测
4.4.1 BP神经网络分析
4.4.2 遗传算法优化的BP神经网络分析
4.4.3 实验结果及分析
4.5 本章小结
第五章 高校教学管理决策系统设计
5.1 系统架构设计
5.1.1 系统体系架构设计
5.1.2 数据源
5.1.3 数据仓库设计
5.2 系统功能设计
5.2.1 课程评价功能
5.2.2 学业预警功能
5.3 系统功能实现
5.3.1 课程评价
5.3.2 学业预警
5.4 本章小结
第六章 总结与展望
6.1 工作总结
6.2 研究展望
参考文献
致谢