基于频繁项集的学生选课行为分析

摘要：

在大数据时代,数据分析深度融合到各行各业中,教育作为数据挖掘逐步涉及的领域,许多技术得到了快速的发展.当今大部分高校对学生行为的分析存在着较大的盲区,本文依据教育数据挖掘技术,通过关联规则挖掘,对学生课程选择的最小关联规则进行挖掘,以此进行学生的行为分析.基于APRIOR算法发现并生成频繁项集,从中挖掘出同时满足最小支持度和最小置信度的强关联规则,并建立学生选课关联特征模型,分析其中的特殊联系及潜在规律.最后,通过实验验证该算法具有实际意义,对提高学校的管理和教学以及对学生更好的认识自身提供帮助.

关键词：数据挖掘、关联规则、行为分析

分类号：G642(高等教育)

资助基金：辽宁科技学院服务地方创新发展软科学项目20162rkx-06;大创项目201811430129

在线出版日期：2018-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：132-133