当前各类网络教育学习和管理系统日渐完善,网络学习形成性评价系统正在促使越来越多的网上学习行为真正地发生。学生通过网上学习,在各类管理和学习系统中留下或产生了许多有用的数据和信息。本研究在SPSS Clementine 12.0数据挖掘环境中,通过分析网络学历教育成人本科学生学位英语学习及相关信息,实现了对其成人本科学位英语考试成绩的细分预测。
本研究首先运用数据聚类中的K-means算法,对已有学生学位英语考试的成绩确定了较为具体的分数分布区间。然后,采用数据分类中的C5.0算法,以该分数区间为预测目标,构建了成人学位英语考试成绩的细分预测规则,提出了规则的实现方法并予以实现。本文还对建立规则相关变量的重要性进行了探讨分析,提出了提高网络教育成人本科学生英语学习水平和学位英语考试成绩的相应策略。
本论文使用的原始数据为江南大学继续教育网络教育学院2009年至2013年的15000条数据,进行数据清洗后选用其中的8000条数据进行学位英语成绩细分预测规则的建构和相应系统的开发。利用数据挖掘工具Clementine12.0构建学位英语成绩细分预测规则并开发此系统,实现网络教育成人本科学生学位英语成绩的细分预测是本论文的重点。首先只保留原始数据中“学位英语成绩”这一属性,对其进行聚类分析,确定具体的成绩分布区间即分类目标,再利用分类算法通过数据清洗后的8000条数据建构预测规则,然后编程实现学位英语成绩细分预测系统,即可对网络教育成人本科学生进行学位英语成绩的细分预测,并根据预测结果进行预警,提供学习建议。最后,通过对比分析学位英语的系统预测成绩和实际成绩,以及问卷调查分析和访谈结果来验证该系统的有效性,并对本研究做了总结和展望。
本文关键词:
