导　　师： 黄沛杰;彭平

授予学位： 硕士

作　　者： ;

机构地区： 华南农业大学

摘　　要： 随着社会的发展，我国高等教育普及率越来越高，在校学生规模越来越大，各个高校的教务网络管理系统也因此积累了大量的数据，面对这些海量数据，很多教学管理人员还停留在对数据进行简单的录入、查询、统计和备份等初级阶段等操作，不能对隐含在数据背后有用的知识及信息进行有效的提取与分析。如何通过这些数据评价教师命题的科学性，发现学生各门课程成绩的分布情况，并预测课程的重要性，以及找出学生成绩与课程之间的关联性，以便用来决策支持、指导教学，20世纪90年代初出现的数据挖掘技术便能有效解决这一难题。　　本文首先介绍数据挖掘的研究背景、意义，综述其在国内外的研究现状;在第二章详细地介绍数据挖掘的概念、方法、过程与工具;在第三章，基于特征描述的方法，以学生的计算机水平考试（Office高级应用）成绩为样本，借助Microsoft Excel和IBM SPSS Statistics软件，挖掘分析学生成绩的总体特征分布，从中找出有用的规则与模式，用于评价教师命题的科学性;在第四、第五章分别详细地介绍聚类分析与关联规则的概念、分类，并对它们的经典算法—K-Means算法与 Apriori算法作了进一步的研究;最后，利用K-Means算法与Apriori算法，借助IBM SPSS Modeler工具，按照方案设计、数据准备、模型建立与结果分析的思路，对广州GS学院会计学专业的学生成绩进行分析，挖掘出学生各门课程成绩的分布情况，并预测课程的重要性以及挖掘出课程之间的关联性，挖掘结果将为学生制定学习计划、优化学习方法、提高学习效率提供指导和帮助，为教师开展教学活动、提高教学质量、进行教学反思和总结提供参考依据，为教学管理人员设置课程、制定教学计划以及修订人才培养方案提供决策支持，为学校深化教学改革、提高

关 键 词： 高等院校 学生成绩 数据挖掘 特征描述 算法

领　　域： [] []