教育考试数据挖掘的研究与实现

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (16): 132-134.

• 数据库、信号与信息处理 • 上一篇下一篇

教育考试数据挖掘的研究与实现

侯亚荣¹,万雅奇^1,2,张书杰¹

1.北京工业大学计算机学院，北京 100022
2.北京教育考试院信息处，北京 100083

收稿日期:2007-09-07 修回日期:2007-11-21 出版日期:2008-06-01 发布日期:2008-06-01
通讯作者: 侯亚荣

Research and realization of education and examination data mining

HOU Ya-rong¹,WAN Ya-qi^1,2,ZHANG Shu-jie¹

1.School of Computer Science，Beijing University of Technology，Beijing 100022，China
2.Department of Information，Beijing Education Examinations Authority，Beijing 100083，China

Received:2007-09-07 Revised:2007-11-21 Online:2008-06-01 Published:2008-06-01
Contact: HOU Ya-rong

摘要/Abstract

摘要： 进行教育考试数据挖掘与分析研究，有利于充分发掘教育考试数据的潜在价值，更好地为教育管理、教育决策提供科学的依据。分析了教育考试数据资源现状与特点，构建了高考数据集市雪花模型，采用Apriori算法生成频繁数据项集，并以最小置信度75%为条件，挖掘出考生4科高考成绩之间的关联规则。

关键词: 数据仓库, 数据挖掘, 雪花模型, 关联规则, 教育考试数据库

Abstract: With the help of data mining for education and examination information，education management and decision can be made scientifically.The characteristics of the education and examination data are analyzed，and snowflake model for the data marts of college entrance examination is designed.Algorithm Apriori is used for the association rule mining to find the grade relationships among different subjects of college entrance examination.Results show that the grades of different subjects have compact association，and the minimized support thresholds are all larger than 75%.

Key words: data warehouse, data mining, snowflake model, association rule, education and examination database

侯亚荣¹,万雅奇^1,2,张书杰¹. 教育考试数据挖掘的研究与实现[J]. 计算机工程与应用, 2008, 44(16): 132-134.

HOU Ya-rong¹,WAN Ya-qi^1,2,ZHANG Shu-jie¹. Research and realization of education and examination data mining[J]. Computer Engineering and Applications, 2008, 44(16): 132-134.

[1]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[2]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[3]	马洋，赵旭俊. 基于相关子空间的多源离群检测算法[J]. 计算机工程与应用, 2021, 57(17): 88-95.
[4]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[5]	张博文，刘智，桑国明. 基于核密度波动的异常检测算法[J]. 计算机工程与应用, 2021, 57(12): 132-136.
[6]	张振海，张湘婷. 上下文感知的高铁信息服务推荐方法研究[J]. 计算机工程与应用, 2021, 57(12): 231-236.
[7]	饶加旺，马荣华. 改进核密度估计的空间点密度算法[J]. 计算机工程与应用, 2021, 57(11): 260-265.
[8]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[9]	王杰，陈志刚，刘加玲，程宏兵. 基于聚类的云隐私行为挖掘技术[J]. 计算机工程与应用, 2020, 56(5): 80-84.
[10]	王子龙，李进，宋亚飞. 基于距离和权重改进的K-means算法[J]. 计算机工程与应用, 2020, 56(23): 87-94.
[11]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[12]	纪文璐，王海龙，苏贵斌，柳林. 基于关联规则算法的推荐方法研究综述[J]. 计算机工程与应用, 2020, 56(22): 33-41.
[13]	顾军华，苏鸣，张亚娟，张丹红. 基于位编码链表的快速频繁模式挖掘算法研究[J]. 计算机工程与应用, 2020, 56(19): 86-93.
[14]	刘文芬，穆晓东，黄月华. 基于多分辨率网格的异常检测方法[J]. 计算机工程与应用, 2020, 56(17): 78-85.
[15]	刘莉萍1，章新友1，牛晓录2，郭永坤1，丁亮1. 基于Spark的并行关联规则挖掘算法研究综述[J]. 计算机工程与应用, 2019, 55(9): 1-9.

教育考试数据挖掘的研究与实现

Research and realization of education and examination data mining

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics