数据挖掘技术在计算机等级考试成绩中的分析研究
数据挖掘技术在学生成绩分析中的应用
28.1%
90.4%
[A5，I4] ⇒ C5
16.3%
85.3%
[A5，I3] ⇒ C5
11.1%
79.3%
[ I5，A2] ⇒ C2
10.3%
90.2%
[G1，L1] ⇒ C1
15%
95.3%
C5 ⇒ L5
25.0%
94.6%
L5 ⇒ A5
31.2%
91.2%
5.知识获取
对于所有的关联规则，本人重点分析学生内在因素对成绩的影响。可以发现上课座位位
G5
态度综合 A1
A2
A3
A4
A5
项目 事务
表 2 教师相关事务表
性别
职称
学历
教 副教
男女
讲师 本科 硕士 博士
授授
T1 T2 T3 T4 T5 T6 T7
T8
行政职位
兼政 专 职
T9
T10
4.2 生成关联规则 采用 Apriori 递推算法[4] [5]，对所有学生数据进行分析，本人主要统计有三个专业四个
Yi Xue- Ming (Information College of Guangdong Ocean University, ZhanJiang 524025, China) Abstract: A present, there are so much data around with us, and much information hide in the sea of data. So data ware house and data mining technology is applied widely. The author have practiced for a few years and collected many data. Using data ware house and data mining technology, author mined data of students’ scores and found many important correlation factors of scores. These factors provide some useful consult for teachers and managers. Key words: data warehouse; data mining; students’ score; association rule; apriori algorithm 1. 引言 近年来，为适应时代的发展，满足社会的需求，中国高等教育规模越来越大，正从精英 教育转向大众教育。在当前竞争日益激烈，就业形势日益严峻的大背景下，社会对大学生的 素质提出了更高的要求，大学生的技能、素质、就业问题等均成为社会的热点。所以如何培 养一个合格的大学生，关注学生成绩和能力，是所有高校教师所面临的问题。作者经过三年 的数据收集和准备，在收集大量的事实数据前提下，使用数据仓库和数据挖掘技术，建立雪 花型数据仓库模型，使用 Apriori 关联规则算法，对数百名学生的成绩进行综合挖掘，分析 发现一些重要信息和原因，为工作的展开提供一些理论和事实依据。 2. 数据仓库的建立 2.1 集市数据的收集和集成 数据分析是建立在大量的数据基础上，作者经过 3 年的数据收集和准备，收集了大量的 集市数据。集市数据来源于需求不同的部门，数据类型也各有千秋，先对其集成处理，将数 据集成到下面的几个关系表里。 （1）学生基础数据表 高中基础是大学的起跑线，高考成绩不仅反映学生的基础，同时在一定的程度上反映学 生学习习惯和态度。高考成绩数据表数据来源于学生高考原始成绩整理和录入。集成后的模 型为：学生基础表（学生编号，年龄，性别，高考分数）。 （2）大学考试成绩表 大学成绩数据来源于教学管理部门每学期成绩表，由于课程性质、学习时间等因素的不 同，必需将其整合和简化，去掉一些不需要的字段，同时构造“课程编号”字段。建立的模 型为：学生成绩表（学生编号，课程编号，成绩）。 （3） 学生智商数据表 学生智商表数据来源于对学生智商进行测试和统计，建立的数据模型为：学生智商表（学 生编号，测试 1，测试 2，学生评测）。数据来源于具体 IQ 测试软件进行测试得分[1] 。为了 数据更有说服力，使用两个测试软件，在规定的时间内进行测试，同时还组织同学进行评测，
数据挖掘在学生成绩预测中的应用研究
数据挖掘在学生成绩预测中的应用研究随着教育的普及和信息技术的发展，学生的学习数据越来越丰富，如何利用这些数据来预测学生成绩已成为教育领域的一个热门话题。
数据挖掘作为一种从大规模数据中发现规律的技术，被广泛应用于学生成绩预测。
本文将从数据挖掘技术的角度出发，探讨在学生成绩预测中数据挖掘的应用研究。
一、数据挖掘技术的分类数据挖掘技术可以分类为分类、聚类、关联规则和预测四大类。
其中，预测是指根据历史数据和特征预测未来的趋势或者状态。
在学生成绩预测中，应用比较广泛的是回归分析、决策树、神经网络等预测模型。
这些模型可以根据已有的学生数据，建立预测模型，对未来的学生成绩进行预测。
二、数据挖掘应用于学生成绩预测的方法1. 数据预处理在进行学生成绩预测之前，需要对数据进行预处理。
其中包括数据清洗、特征选择、数据变换等。
数据清洗是指对数据进行去除重复、填充缺失值等操作；特征选择是指对数据中的特征进行筛选，选取对成绩影响较大的特征；数据变换是指对数据进行规范化处理，将数据进行归一化或者标准化。
2. 回归分析回归分析是一种常用的预测模型，可以根据历史数据，建立一个函数来预测未来的学生成绩。
回归分析可以分为线性回归和非线性回归。
线性回归是指建立一个线性函数来预测未来的学生成绩，非线性回归是指建立一个非线性函数来预测未来的学生成绩。
通过对历史数据的回归分析，可以建立一个适用于预测的模型。
3. 决策树决策树是一种分类和预测的算法，可以根据历史数据和特征，建立一个决策树，用来预测未来的学生成绩。
决策树可以根据历史数据和特征构建出一个树形结构，每个叶子节点表示一个预测结果。
对于一个新的学生，可以通过决策树进行预测。
4. 神经网络神经网络是一种模仿人类神经网络的模型，可以对非线性模型进行预测。
神经网络一般由输入层、隐藏层和输出层组成，可以根据历史数据和特征，训练一个神经网络模型，用来预测未来的学生成绩。
三、数据挖掘在学生成绩预测中的应用研究已经取得了一定的进展。
数据挖掘技术在高职等级考试中的应用研究
数据挖掘技术在高职等级考试中的应用研究摘要利用数据挖掘技术对学生普通话等级考试成绩进行挖掘，通过关联规则挖掘算法，对普通话等级考试成绩与学生的专业和户籍之间隐藏的数据关系进行分析和预测，为今后提高普通话的整体水平和满足就业对普通话的需求提供相应的决策依据。
关键字：数据挖掘学生成绩数据关系中图分类号：d691.46文献标识码： a 文章编号：一、应用背景作为学生一种综合能力的培养，我院将普通话等级考试纳入到了学生的必修课中，测试范围基本涵盖了所有专业的学生，对于所有参加考试的学生建立了普通话等级考试数据库，积累了大量有用的数据。
但这些信息只是简单地存储在数据库中，隐藏在这些数据中的潜在信息闲置，没能被充分利用。
针对如此繁杂的数据量是需要给予较高层次的发掘和整理，并能够从中找出适合对应学院决策的有用数据信息。
基于“数据丰富，信息贫乏”的问题，我们引入了数据挖掘，针对这些庞大、繁杂的数据量进行研究和分析，希望通过数据库中的数据量发现有用的信息，从而提取出有利于提高教学质量和学生素质的有价值的信息，使学院更好地对学生进行综合素质的培养。
二、等级考试信息数据挖掘系统的设计1、数据仓库的体系结构传统的数据库技术是以单一的数据资源为中心进行事物处理，批处理以及决策分析等各种数据处理工作，而数据仓库技术具有分析处理等特点，它既是一种结构和富有哲理性的方法，也是一种技术，而且还是存储数据的一种形式。
数据和信息从不同数据源提取出来，然后把这些数据转换成公共的数据模型，而且和数据仓库中已有的数据集成在一起。
当用户查询时，需要的数据已经准备好了，数据冲突和表达不一致的问题已经得到解决。
2、数据仓库设计数据模式的设计在数据仓库的设计中是最核心的部分,数据仓库建立模型的过程实际上是一个从关系型、规范式的数据模型向多维模型转换的过程。
在基于学生成绩分析数据仓库设计过程中，我们采用通用的三层数据建模方式，即概念模型设计、逻辑模型设计和物理模型设计。
基于数据挖掘技术的学生成绩分析
基于数据挖掘技术的学生成绩分析信息技术的发展及应用以及如何利用信息技术提高高校的管理水平，是高职院校面临的重大课题。
在学习和工作的过程中接触到数据挖掘这一先进的概念，力图通过数据挖掘从学生的成绩中找到隐含在其中的有效信息，这样既可以帮助老师了解学生的学习情况，又可以帮助学生了解学习重点，达到教学相长的目的。
利用数据挖掘技术中的决策树的相关知识和方法，以多届学生的《计算机应用基础》成绩，对学生的成绩进行分析。
主要使用数据挖掘中的决策树知识将决策树应用在学生成绩数据挖掘的模型上，使用SPSS Modeler 软件利用C 5.0 算法分析出哪些因素对于《计算机应用基础》考试的影响最大，揭示其中规律，为今后教学工作及教学安排提供有效的科学的指导依据。
标签：数据挖掘；考试成绩；决策树；关联规则1 决策树的基本概念在已有的大量源数据中得到有效的分类器有许多种办法，决策树就是其中一种有效的办法。
他在数据挖掘中尤其在数据分类领域中应用十分广泛。
决策树算法主要是通过一组输入样本数据然后对样本进行决策树归纳的一种方法。
决策树的表现形式是一个倒树状结构图，并且在树枝的节点上一般还附带概率结果，它是一种是直观的使用统计概率来分析对象的图表示方法。
2 几种常用的决策树算法常见的算法有CHAID、CART、Quest和C5.0。
判断决策树算法是否合适，就看每一个决策树分组的组之间的差别是否够大，属性差别越大就是算法越合适。
决策树算法擅长处理离散型数据，并且处理非数值性数据时效率的方面也有不错的表现。
3 决策树的评价标准建立了决策树模型后需要给出该模型的评估值，这样才可以来判断模型的优劣。
学习算法模型使用训练集（training set）建立模型，使用校验集（test set）来评估模型。
经过校验集评估后决策树进行评价。
评估指标有分类的准确度，描述的简洁性和计算的复杂程度等指标。
4 决策树在计算机成绩分析中的应用4.1 确定挖掘对象本次挖掘的对象是以《计算机基础》为基础信息，之所以选择这门课程，是因为它是新生入学的第一门与计算机相关的课程，也是今后继续学习计算机相关课程的基础。
掌握计算机等级考试中常见的数据分析和处理技巧
掌握计算机等级考试中常见的数据分析和处理技巧在当今信息爆炸的时代，数据分析和处理技巧成为了计算机领域中的重要话题。
无论是在工作岗位上还是在日常生活中，人们都需要有效地处理和分析大量的数据。
而在计算机等级考试中，掌握常见的数据分析和处理技巧则是获取优异成绩的重要保证。
本文将介绍一些常见的数据分析和处理技巧，帮助考生在考试中取得好成绩。
一、数据清洗与预处理数据清洗与预处理是数据分析的第一步，它包括了去除数据中的噪声、处理缺失值和异常值等操作，以确保数据的准确性和完整性。
在计算机等级考试中，常见的数据清洗和预处理技巧包括：1. 去除重复值：通过对数据进行去重操作，可以避免重复计算和分析相同的数据，提高计算效率。
2. 处理缺失值：当数据集中存在缺失值时，可以采取填充、删除或插值等方法来处理缺失值，使数据集更加完整。
3. 处理异常值：异常值可能会对分析结果产生很大的影响，因此需要采取适当的方法来识别和处理异常值，保证数据的准确性。
二、数据可视化与探索性分析数据可视化与探索性分析是数据分析的重要手段之一，它可以通过图表、图像等形式将数据进行可视化展示，帮助人们更好地理解和分析数据。
在计算机等级考试中，常见的数据可视化与探索性分析技巧包括：1. 使用图表：通过绘制条形图、折线图、饼图等图表，可以直观地展示数据的分布、趋势和比例，从而帮助分析人员做出合理的决策。
2. 利用统计图像：例如直方图、散点图和箱线图等，可以通过对数据进行可视化展示，了解数据的分布情况、异常值和离群点等信息。
3. 进行数据探索：通过对数据集进行统计分析、频数分布和相关性分析等探索性分析方法，可以发现数据中隐藏的关联规律，为后续的数据分析提供重要参考。
三、数据分析与建模数据分析与建模是计算机等级考试中的核心内容，它通过运用数据挖掘、机器学习和统计分析等方法，从数据中提取有用的信息和知识。
在计算机等级考试中，常见的数据分析和建模技巧包括：1. 数据挖掘：利用聚类、分类、关联规则等算法，从大规模数据集中发现隐藏的模式和规律。
基于数据挖掘的计算机等级一级考试分析
6中国科教创新导刊中国科教创新导刊I 2008N O .33C hi na Educa t i on I nnov at i on H er al d 电化教育研究《计算机应用基础》是全国高校联考统考课程,高校非计算机专业的学生必须通过全国高校计算机等级一级考试,才能拿到这门课的成绩。
但不同学校参加考核,过级率也不一样。
如何充分利用现有教学资源,使教学水平更上一个新台阶,怎样才能够让自己的学生顺利通过全国高校计算机等级一级考试,是不少院校目前急需考虑和解决的重要问题。
1对问题提出的解决方案针对计算机教学的特点和所面临的问题,不少教育工作者都做出了研究,其中大多是利用传统的数据库开发技术,简单的进行了一些数据分析,如对学生的学习情况只能进行一些简单的问卷调查,没有形成相应的数据挖掘数据库,从而较难得出对我们有用的规则,也不可能提出一些令人信服的对教学、学生学习有着指导意义的、合理化的建议。
本文提出一种切实有效的解决办法——数据挖掘分析,为教学质量和学生工作质量提供科学评价依据,也有利于克服单凭经验来对学生考级做一些简单分析的缺点,使学生个性化的自主学习与交互协调学习相结合,充分发挥学生和老师的主动性和创造性。
通过数据挖掘技术,可以对影响过级因素进行分析,较准确的预测学生在将来过级考试中的通过率。
通过改进影响过级的各个因素,较大限度地提高教学水平,从而增强学生学习的主动性,适应不断变化的教学改革。
同时,通过对学生过级信息的收集、整理及模拟演示,使学校及时掌握各种决策信息,同时可向教师提供一些合理化的教学建议及对学生的学习提出一些指导性的建议。
2数据挖掘和贝叶斯分类技术数据挖掘分析方法是目前数据分析的一种新方法,这种方法多数根据商业数据建立数据挖掘分析模型进行数据分析,而根据全国高校计算机等级一级考试过级情况进行数据挖掘分析的例子很少。
而这样分析得到的评价教学系统最为突出的一点是:利用现有的技术手段,对影响学生考试成绩的各方面信息建立一个数据挖掘分析模型,由此得到对教学质量和学生工作质量评价的新办法。
数据挖掘技术在计算机公共课评价中的探索与研究
口 江 建
湖南 ・常德 ４ １ ５ ０ ０ ０ ）
（ 湖南 ‘ ， 学院计算机 学院
摘
要： 运用数据挖掘技术科学分析计算机公 共课 学生成绩 ， 找 出学生知识结构特 点， 有针对 性调整教 学方法 ， Ｌ ａ ｐ ｒ ｉ ｏ ｒ ｉ 算法 教 学评价
节进行讲解和补充 ，以实现更好的和教学成果和达 到更高的 去除冗余选项集， 减少每次扫描中的时问， 将数据库的信息尽 教学 目标 。本文 以我校 ２ ０ １ ２级的计算机文化基础期末成绩 快转化为可用信息， 这样就能达到减少了 Ｉ ／ Ｏ开销， 提高系统 为背景， 给学生建立一个成绩数据 库， 数据挖掘技术在本 次实 的性能的 目的。
１ ０ ０ ０ 位学生成绩 作为原始数据库 ， 抽取 １ ０ 位 的原因是数据过 少不便于分析数据。在期末考试题弄 中有选择题、 操作题 ， 程
数据挖掘这一 名词在 １ ９ ８ ９ 年 国际上就 已经提 出来 了， 它 序题三种题型， 其中选择题 占 ４ ０分， 操作题 占 １ ０分， 程序题 是针对数据进行深层次 的分析 。数据挖掘实际上就 是一个通 占 ５ Ｏ分 。 为 了更 清 楚 的 了解 学 生 掌握 情 况 ， 最 好 是 把 知 识 点 过数据库里面 的大量数据 ，探索和发现潜在的有用 信息 的过 分到各个个章节， 计算机技术基础 一共 是六章 ， 每个章节的总 程 。由于信息量大 ，模糊随机 的数据在其它很多算法中显得 分 数 分 别 是 ３ ０ 分、 ｌ ５ 分、 ５分 、 １ ５分 、 １ ５分 、 ２ Ｏ分 。我 们 需 要 力不从心 ， 而数据挖掘技术就能很好 的解决这个 问题 。当然， 现在数据挖掘技术 的关注度越来越高 ，我们的研究方向也逐 渐偏 向于实用性 。也能够运用于除 汁算机外的其它领域 。从 而实现 了各 门学科之 间的相 互关联 。 ２ ． ２ Ａｐ ｒ ｉ ｏ ｒ ｉ 算法 Ａ ｐ ｒ ｉ ｏ ｒ ｉ 算法是一种数据的遍历 ， 而且是逐层遍历 。总先 是 以总 的数据库 中的数据为依据 ，首先找 出频繁项集 １中遍 历一次找 出集合 Ｊ １ ， 然后通过频繁项集 Ｊ １ 遍历找出频 繁第 ２ 项集合 Ｊ ２ ， 通过频 繁项集 Ｊ ２遍历找出频繁第 ３ 项集合 Ｊ ３ ， 相
K_Means算法在计算机等级考试成绩分析中的应用
算法在计算机等级考试成绩分析中的应用作者：曾旭司马宇来源：《软件导刊》2012年第11期摘要：讨论了数据挖掘技术在计算机等级考试评分系统中的应用。
利用聚类分析对考生的得分情况进行分析，得到了各类学生对考题的掌握情况。
所得结论对提高考生的过级率以及教师后续教学工作的开展均具有一定的指导意义。
关键词：数据挖掘；聚类分析；计算机等级考试；KMeans中图分类号：TP301 文献标识码：A 文章编号：16727800（2012）011001903________________________________________基金项目：贵州省科学技术基金资助项目（黔科合J字LKZ[2011]22号）作者简介：曾旭（1981-），女，硕士，遵义医学院医学信息工程系讲师，研究方向为信息安全、密码学、数据挖掘；司马宇（1979-），男，硕士，遵义医学院网络技术中心讲师，研究方向为网络安全、信息管理系统。
0 引言数据挖掘是从大量数据中发现有趣模式，其中数据可以存放在数据库、数据仓库或其它信息库中。
这是一个年轻的跨学科领域，源于诸如数据库系统、数据仓库、统计学、机器学习、数据可视化、信息检索和高性能计算。
其它有贡献的领域包括神经网络、模式识别、空间数据分析、图像数据库、信号处理和许多应用领域，如商务、经济学和生物信息学。
数据挖掘的类型很多，如总结规则挖掘、关联规则挖掘、分类规则挖掘、聚类规则挖掘、预测分析、趋势分析和偏差分析等。
其中，聚类分析已经广泛应用于市场研究、模式识别、数据分析和图像处理等领域。
1 聚类分析聚类是将数据集划分为若干组的过程，并使得同一个组内的数据对象具有较高的相似性，而不同组中的数据对象具有较低的相似性。
聚类是一种无指导的学习过程，事先不知道样本类别，也不知道类别个数。
1.1 数据结构大多数聚类算法采用数据矩阵和相异度矩阵作为数据结构。
数据矩阵是一个对象—属性结构。
它由n个对象组成，是利用p个属性来进行n个对象的描述。
一种基于ID3的计算机等级考试成绩分析方法
ｔ ｈ ａ ｔ ｋ ｎ ｏ ｗｌ ｅ ｄ ｇ ｅ ｔ ｏ ｈｅ ｔ ｌ ｉ ｓ ｔ ｅ ｎ ｅ ｒ ｓ ｆ ｏ ｒ ｂ ｅ ａ ｅ ｒ ｔ ｅ ａ ｃ ｈ ｉ ｎ ｇ ｅ ｆ ｆ ｅ ｃ ｔ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ ； ｄ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ｔ ｒ ｅ ｅ ｒ ｕ ｌ ｅ ； ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｏ ｆ ｑ ｕ ｅ ｓ ｔ ｉ ｏ ｎ ｓ ； ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ ｒ ａ ｎ ｋ ｅ ｘ ａ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ ； Ｉ Ｄ３
明。
中 数 据 可 以存 放 在 数 据 库 、 数据 仓 库 或 其 他 信 息
Ａｂ ｓ Ｕａ ｃ ｔ ： Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｄ ｉ ｓ ｃ ｕ ｓ ｓ ｅ ｓ ｔ ｈ ｅ ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ ｔ ｅ ｃ ｎｏ ｈ ｌ ｏ ｇ ｙ ｕ ｓ ｅ ｄ ｉ ｎ ｔ ｈ ｅ ｓ ｃ ｏ ｒ ｉ ｎ ｇ ｓ ｙ ｓ ｔ ｅ ｍ ｆ ｏ ｒ ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ ｒ ａ ｎ ｋ ｅ ｘ ａ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ ． Ｂｙ ａ ｐ ｐ ｌ ｙ ｉ ｎ ｇ ｄ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ｔ ｒ ｅ ｅ ｒ ｕ ｌ ｅ ｓ ｔ ｏ ａ ｎ ａ ｌ ｙ ｚ ｅ ｔ ｈ ｅ ｄ ｉ ｆｅ ｒ ｅ ｎ ｔ ｑ ｕ ｅ ｓ ｔ ｉ ｏ ｎ ｔ ｙ ｐ ｅ ｓ ａ ｎ ｄ ｔ ｈ ｅ ｓ ｃ ｏ ｒ ｅ ｓ ｏ ｆ ｔ ｈ ｅ ｅ ｘ ｍ ｉ ａ ｎ ｅ ｅ ， ｔ ｈ ｅ ａ ｕ ｈｏ ｔ ｒ ｇ ｅ ｔ ｓ ｔ ｈ ｅ ｃ ｏ ｎ ｃ ｌ ｕ ｓ ｉ ｏ ｎ ｔ ｈ ａ ｔ ｈｅ ｔ ｋ ｅ ｙ ｏ ｆ
中 图分 类号 ： Ｔ Ｐ ３ ９ １ ． １ 文献 标 识 码 ： Ａ 文章编号：１ ０ ０ ９ － ３ ５ ８ ３（ ２ ０ １ ３ ）－ ０ １ ０ ５ － ０ ５
计算机考试成绩分析与总结
计算机考试成绩分析与总结本次考试是开学以来第二次月考，结合技能考试的思路和方法，对学生进行相关知识技能的测试，总体来说，本次考试结果差强人意。
现就本次考试的试题和成绩作出如下分析与总结：一、考试成绩分析：参照人数：38人Exi人数：37人通过率：47.3%及格人数：18人优秀人数：3人优秀率：7.8%最高分：84分后最低分：12分后平均分：55.36分此次考试融合中考技能方面的变动，尤其就是在自造效果那一部分，考题有效率，建议学生审题认真仔细；在技能操作方式上减少了必搞效果，试题内容牵涉科学知识量小，试题实地考察覆盖面小；网页的基本操作、文字处理以及表格图像的操作方式没太小的变化，内容和难度与平时练操作方式没什么显著区别；网页页面加强了对表明效果的考试力度，难度加强；总的来说此次试题较之前更有效率，难度相对较低，能够对相同层次的学生展开较好的考查与区分。
三、存在的主要问题1、知识点记忆模糊不清，尤其就是对基础操作方式中的理论知识记忆不明；2、考虑问题不全面和审题不认真造成操作的不规范；3、基本功的不能坚实，学生基础薄弱，认知度不过关。
4、操作速度过于缓慢，双手使用效率过低，浪费了过多时间。
5、对于图像的处置挤占大量时间，过分高度关注细节而忽略整体。
6、考试过程中不能随时保存，导致考试结束文件出错。
7、最基本的预览无法努力做到，导航系统纷乱，无法同时实现民主自由重定向。
8、无法应对技能考试过程中出现的突发事件，因情绪波动影响考试。
四、思考和计划这次的考试较之以前的考试有明显的反差，学生对这种技能竞赛式的考试方式显著不适应环境，最轻易的反应就是时间上比较用，通过率仅为47.3%，杰出人数也仅3人，这与平时的训练存有非常大的差距，获得这样的成绩，我真的与教学方法的改良存有非常大的关系，其中至关重要的一点就是利用学生与学生之间的相互监督和协助去提升基础极差的学生的积极性和主动性，同时也能够使研习得较好的同学在监督和协助其他同学的过程中享用至自学的欢乐，提振他们更好更快地回去拒绝接受崭新科学知识。
数据挖掘技术在高校计算机等级考试成绩分析中的应用
随机抽取本校教师信息 ， 与学生等级考试 成绩信息连接构
成教师教学综合信息表。 将教师 的年龄、 职称、 所教授学生 的成
绩 ３ 录人数据库 ， 略其他信息 ， 项 忽 为便 于后 面进行分 析 ， 我们 需要将数据进行抽象、 离散化处理 。及格 的成绩对应为 １不及 ， 格的成绩对应 为 ０ 。年龄分为 四个 阶段分别 用 Ａ１ ２ ３ ］Ａ ２ — ０、 ２ １
据挖掘技术找到影响学 生成绩 的真实原 因，从 而得 出结论 ， 供
度。 比如在 １ ０万个移动通信用户中 ， ２ 万用户使用手机银 ０ 有 ５
行业务 ， ２万用户 同时使用手机银行和移动秘 书业务 ，则 同时 使用两种业务的支持度 为 ２ ０ １ ０ ０ ２ 使用手机银 行业务 ０ ／０ ０ ＝ ％；
［１３１ ３ ６ ４］ ４ ０ ６ ］ 替 ， ３ － ５、 １ — ９ Ａ １ — ０ Ａ ３ 、 ５ 代 职称分别 用 Ｂ 初级 、２ １ Ｂ 中级、 ３ Ｂ 副高、４ Ｂ 正高代替 ， １ ，］ Ｃ［ １ ０ 代表等级考试成 绩。
库、 面向对象数据库、 空间数据库、 时态数据库、 文本数据源、 多
（１） 数据挖掘 的分类 数据挖掘 的分类方式很 多 ， 根据数据挖掘的任 务分 为如下 几种： 分类 或预测模型数据挖掘 、 数据总结 、 数据聚类分析 、 关 联规则分析 、 序列模式发现、 依赖关系或依赖模型发现 、 异常和 趋势 发现等 ； 根据数据 挖掘 的对 象 ， 以下 数据源 ： 系数据 有 关
（ 家庄理 工 职业学 院 ， 石 河北 石家庄 ０ ０ ２ ） ５ ２ ８
【 摘 要 】 数据 挖掘给人们提 供了 一种新的认识数据、 理解数据的智能 手段。 在对数据挖掘 技术岛概 挖掘过程和常用 念、
数据挖掘在计算机等级考试中的应用探索
建 设 性 意 见 ， 一 步 明确 了计 算 机 教 学 方 向 。 进
一
、
决 策 树 分 类 及 算 法
全 国计 算 机 等 级 考 试 （ 下 简 称 等 级 考 试 ） 由 以 是
国 家教 育 部 考 试 中 心 主 办 的 全 国 性 计 算 机 认 证 考 试 ， 于 测 试 计 算 机 应 用 知 识 的 掌 握 程 度 和 上 机 实 用 际操作 能 力。 近几年 来 ， 级 考试 的规模逐 年 扩大 ， 等
的推 广 描 述 ， 而 能 对 未 来 数 据 进 行 预 测 。 分 类 器 从 的典 型 构 造 方 法 有 决 策 树 、 叶 斯 分 类 、 经 网 络 、 贝 神 近 邻 学 习或 基 于 事 例 的 学 习等 。
决 策树 具 有 直观 、 晰 、 被 用 户理 解 的特 点 ， 清 易 同 时 ， 策 树 具 有 容 易 生 成 规 则 、 法 可 伸 缩 性 强 等 决 算 优 点 。 决 策 树 既 具 有 分 类 功 能 ， 具 有 预 测 的功 能 ， 又 它 的 可 解 释 性 很 强 ， 适 合 特 征 描 述 。 所 以 本 文 采 很
【 ｙｗ ｒｓ ｄ ｉｏ ｅ ； ａｓ ｇｒｔ； ｎ ｙｉ ａｄｐｅｉｔ ｎ Ｋｅ ｏｄ】 ｅ ｓ ｎｔ ｅ ｐ ｉ ｅ ａａ ｓ ｎ ｒｄｃｏ ｃ ｉ ｒ ｓ ｎ ａ ｌ ｓ ｉ
［ 中图分类号 ］Ｔ ３ １ Ｐ ９
［ 文献标识码］Ａ
［ 文章编号 ］１７ —１ １ （０ ８０ —０ １ —０ ６ １ ０ ７ ２ ０ ）２ ０ ４ ３
ｚ ｓｔ ｅ ｐ ｏ ｅ ｕ ｅ ｏ ａ ａｍｉ ｉ ｇ ａ ｏ ｔ ａ ｓ ｇ ｒ ｔ ｆｎ ｔ ｎ ｌｃ ｍｐ ｔｒ ｒ ｎ ｘ ｍｉ ａ ｉｎ ｂ ｓｎ ｎ Ｃ５ ０ ａｇ ｒｔ ｍｓ ｏ ｅ ｈ ｒｃ ｄ ｒ ｆｄ ｔ ｎｎ ｂ ｕ ｓ ｉ ａｅ ｏ ａ ｉ ａ ｏ ｕ ｅ ａ ｋ ｅ ａ ｎ ｔ ａ ｉ ｇ ｏ ． ｏ ｉｈ ｆ ｐ ｎ ｏ ｏ ｌ ｄ ｃｓ ｎ ｔｅ ，ａ ｄ ｇｖ ｎ ａ ａ ｙ ｉ ｏ ｈ ｏ ｒｐ ｓ ｉ ｇ ｒ ｔ ，ｗｈ ｃ ｏ ｌ ｅ ａ ｇ ｉｅ ｔ ｈ ｕ ｕ ｅ ｃ ｍｐ ｔｒｔ ａ ｈ ｎ ． ｅ ｉｏ ｒ ｉ ｎ ｉｅ ａ ｎ ｓ ｎ ｔ ｅｌ ｗｅ ａ ｓｎ ａ ｅ ｌ ｓ ｉｈ ｃ ｕ ｄ ｂ ｕ ｄ ｏ ｔ ｅ ｆ ｔ ｒ ｏ ｕ ｅ ｅ ｃ ｉ ｇ
数据挖掘技术在计算机软件工程中的应用
数据挖掘技术在计算机软件工程中的应用数据挖掘技术在计算机软件工程中的应用随着信息时代的到来，大量的计算机软件和数据得以创建和收集，使得软件工程领域面临着巨大的挑战与机遇。
在这个背景下，数据挖掘技术作为一门新兴的研究领域，开始被应用于计算机软件工程中。
本文将探讨数据挖掘技术在计算机软件工程中的应用，以及其对软件工程的影响。
一、数据挖掘技术概述数据挖掘技术是从大量数据中找出有用的模式和知识的过程。
它结合了机器学习、统计学、数据库等多个学科的知识和技术，可以通过大数据分析来发现隐藏在数据背后的规律和信息。
二、数据挖掘技术在软件开发中的应用1. 缺陷预测与管理软件开发过程中常常会产生许多软件缺陷，这些缺陷对软件的正常运行和维护都会带来一定的影响。
数据挖掘技术可以通过对历史软件缺陷数据的分析，找出潜在的缺陷来源和模式，从而预测和管理软件的缺陷。
这帮助软件开发团队更好地分配资源和制定测试策略，提升软件的质量和稳定性。
2. 软件需求挖掘软件工程中的需求分析是一个关键的环节，它要求开发团队能够准确地理解和捕捉用户的需求。
数据挖掘技术可以通过对用户数据、竞争产品和市场趋势等数据的挖掘，为软件需求的分析和预测提供支持。
通过这种方式，软件工程师可以更好地把握用户需求，减少需求变更和重复劳动，提高软件的开发效率和用户满意度。
3. 软件工作量估计在软件开发的初期，准确地估计软件的工作量是非常关键的。
数据挖掘技术可以通过对历史软件项目数据的挖掘和分析，找出影响软件工作量的关键因素和规律。
基于这些规律，软件工程师可以更加准确地预测和估计软件的工作量，为项目的规划和资源分配提供决策依据。
4. 软件质量评估软件质量是一个软件工程中非常重要的方面。
数据挖掘技术可以通过对软件测试数据、用户反馈数据等的分析和挖掘，发现影响软件质量的主要因素和模式，为软件质量的评估和改进提供支持。
通过这种方式，软件工程师可以及时地发现并解决质量问题，提高软件的可靠性和可用性。
大数据分析技术在学生成绩预测中的应用研究
大数据分析技术在学生成绩预测中的应用研究随着信息技术日益发展，大数据分析技术在各个领域开展得越来越广泛，其中包括了教育领域。
根据国内外学者的研究，越来越多的教育机构开始利用大数据分析技术来预测学生成绩，对学生的学业发展进行优化调整。
本篇文章旨在探讨大数据分析技术在学生成绩预测中的应用研究。
一、大数据分析技术大数据分析是指通过计算机技术和数据挖掘技术，对海量数据进行深层次、全方位的分析和挖掘，并发掘出这些数据中的知识和价值。
对于大数据的处理，需要通过如下过程：采集数据、存储数据、处理数据和分析数据等环节。
大数据分析技术的应用范围很广，如金融、医疗、电商和教育等领域。
在教育领域中，大数据分析技术主要应用于学生学习、教师教学和学校管理等方面，可以很好的帮助学生和教师，促进教育的进步。
二、学生成绩预测学生成绩是教育领域的重要指标之一，对学校的评价和学生的发展都有很大影响。
因此，学生成绩的预测越来越受到教育界的关注。
学生成绩预测是通过大数据分析技术，对学生的数据进行分析和挖掘，用以预测学生未来的学业发展情况。
学生成绩预测常用的方法包括支持向量机（SVM）、朴素贝叶斯算法、BP神经网络模型、决策树算法等。
通过这些方法，可以将学生的个人信息、学习情况、考试成绩等数据进行分类和分析，进行学生成绩的预测。
三、大数据分析技术在学生成绩预测中的应用大数据分析技术在学生成绩预测中的应用主要有以下几个方面：1、个性化教学通过大数据分析技术，教育机构可以对学生的学业发展情况有更全面和深入的了解，从而量身定制适合每一位学生的学习方案。
这将有助于学生获得更好的学习效果，提高学生的学业成绩。
例如，分析学生历次考试成绩进行判断，进而针对个人的考试成绩出现的问题，为个人提供针对性教学辅导。
2、校内教学管理在校内教学管理方面，大数据分析技术同样可以发挥很大的作用。
通过数据挖掘，教育机构可以对学生的出勤记录、学习情况及考试成绩等方面进行分析，从而得出学校教育质量的科学评价，及时发现教育问题，并进一步探索有效解决问题的方法。
基于粗集的高校计算机等级考试过级预测
ｆ ） 集 算 法 模 块 ２粗 粗 集 算 法 模用
二 维 约 简 方 法 ． 同时 对决 策 表 的 水 平 方 向 和 垂 直 方 即
的结果
★
摘
要 ：为 了 帮 助 参 加 高校 计 算 机 等 级 考 试 的 学 生 过 级 ， 用 粗 集挖 掘 技 术 ， 采 完成 了 高校 计 算 机
等 级 考 试过 级 预 测 系统 的 设 计 与 实 现 。该 系统 能 够 预 测 学 生 的 过 级 情 况 ． 挖 掘 出一 些 并
有用的规 则 ． 为学生顺 利过级及 教 师教 学提供 有益 的帮助 ． 对提 高高校计 算机教 学水平
含 三大功能 模块 ： 数据预 处理模 块 、 粗集 算法 模块和
现 可视化分 析模块 ． 结构如 图 １ 示 。 系统 所 代 各 模 块 的 功 能 解 释 如下 ：
计 算
机
＾
每个实 例中寻找对得 出决策影响最 大的属性 ， 而抽 从
取 出规 则
（） １ 数据 预处 理模块
向进行约简 。 水平方 向约简采用一种 基于近似质量进
行 属 性 约 简 求 取 的 算 法 ［． 算 法 以 所 有 的 条 件 属 性 ４该 １
１ 高 校 计 算机 等 级 考试 过 级 预 测 系统 设 计
本 系 统 采 用 两 层 客 户 机 ／ 务 器 的 模 式 ．主 要 包 月 艮
和教 学质量具有较好 的指导意 义。
关键词 ： 数据挖 掘 ；粗集 ；高校 计算机等级 考试 ；预测
０ 引 言
目前 ． 国 高 等 学 校 计 算 机 等 级 考 试 已经 成 为 许 全
基于关联规则的计算机等级考试答卷分析
ｃ ｎ ｉ ａｅ ａ ｄ ｄ ｔｓ
本文要描述 的数据挖掘对象是从计算机等级考试 中 得到的考生答题记录 。由于数据库 中的答卷是海量的 ， 必然存在大量 的噪声数据 ，这些噪声数据产生 的原因多
ｊ 懿
Ｎｏｌ Ｎ。： Ｎｏ Ｎ％ Ｎｏ 一 Ｎｏ ９ Ｎｏ ２ １ Ｎｏ 一 ｌ Ｎ００ Ｉ ２ ＮＯ 【 Ｎｏ１ ３ Ｎ０３ ３
四、 结语
应用数据挖掘技术从大量数据 中发现潜在 的数据规 律 ，并进行 预测性分析 ，增强了对计算机成绩分析的客 观性和合理性 ，利用这些规则指导教学 ，可较好提高学 生计算机等级考试成绩 。
ＡＣ Ｄ ＭＩ Ｅ Ｅ Ｒ Ｈ 学术研 究 Ａ Ｅ ＣＲ Ｓ Ａ Ｃ
一 》 ） ＞
再利用Ａ ｒ ｒ ｐｉ ｉ ｏ 算法进行分析 ，找寻知识点之间的潜 在规
则。
机等级考试成绩进行检验 ，证 明了挖掘的结果具备一定 的可信度 。
实 验数 据是过滤 后得 到的５ ６ 份答卷 进行 整理后 ９２
＿
根据 以上规则 ，可以将关联 规则 的挖掘划分为两个
子 问题
整体空 白的现象 ，这种情况应该将该记录作为无效数据 进行删除 ，避免影响数据挖掘的效果。 （ ）无效非空 白答案指 的是管理人 员进行系统测 ３ 试产生 的答卷 ，这些答卷只有少量答案 ，可以通过准考 证号进行区分 ，而且这些数据也是无效数据 ，应该将其
表 １ 处理 之后 的事 务数据 表 预
数据的空缺 ，管理人员在测试时 留下的测试记 录等等 ， 这些噪声数据会 给挖掘的结 果造成很大的影 响，应尽可 能地去除这些 噪声数据以便提高挖掘的效率并得到有效 性更高的效果 和规则 。 本文在关联规则 的挖掘 中，需要 的数据是考生的具
数据挖掘比赛 学生成绩排名 数据集介绍
数据挖掘比赛学生成绩排名数据集介绍摘要：一、数据挖掘比赛背景介绍二、学生成绩排名数据分析目的三、数据集详细介绍四、数据挖掘方法及成果展示五、比赛总结与展望正文：在学校教育领域，数据挖掘比赛已经逐渐成为一种热门趋势。
这次比赛的主要目标是通过对学生成绩的数据分析，探索影响成绩的关键因素，为学生提供更有效的学习建议。
本文将从数据挖掘比赛的背景、学生成绩排名数据分析目的、数据集介绍、数据挖掘方法及成果展示以及比赛总结与展望五个方面进行详细阐述。
一、数据挖掘比赛背景介绍随着信息技术的快速发展，大数据时代的到来使得教育数据越来越丰富。
为了充分利用这些数据资源，提高教育教学质量，本次数据挖掘比赛应运而生。
比赛吸引了众多学生和教师的关注，成为了一场展示创新能力、提升数据处理能力的盛会。
二、学生成绩排名数据分析目的本次比赛的目标是对学生成绩进行深入分析，挖掘影响成绩的关键因素。
分析成果将有助于学校更好地了解学生的学习状况，为教师提供有针对性的教学指导，同时为学生提供个性化的学习建议。
三、数据集详细介绍本次比赛所采用的数据集包含了我国某地区多所学校的学生的学习成绩、性别、年龄、家庭背景等信息。
数据集的时间跨度为近几年，具有较高的代表性。
通过对数据集的预处理，我们将剔除无效数据，确保分析结果的准确性。
四、数据挖掘方法及成果展示在本次比赛中，我们将采用多种数据挖掘方法对数据进行分析，如描述性统计分析、相关性分析、决策树、支持向量机等。
通过这些方法，我们将全面探讨学生成绩的影响因素，并从不同角度展示分析成果。
成果将包括以下几个方面：1.学生成绩的整体分布情况：通过描述性统计分析，展示学生成绩的平均值、中位数、标准差等统计量，以了解成绩的整体状况。
2.影响成绩的关键因素：通过相关性分析和回归分析，找出对学生成绩有显著影响的因素，如性别、年龄、家庭背景等。
3.成绩预测模型：利用决策树、支持向量机等机器学习方法，构建成绩预测模型，为学生提供更精确的学习建议。
计算机等级考试中的数据处理与分析方法
计算机等级考试中的数据处理与分析方法在计算机等级考试中，数据处理与分析方法是一个重要的考察内容。
数据处理与分析是现代社会中不可或缺的技能，对于计算机专业人才尤其重要。
本文将介绍计算机等级考试中常见的数据处理与分析方法，并提供一些实用的技巧和建议。
一、数据的收集数据的收集是数据处理与分析的第一步，也是至关重要的一步。
在计算机等级考试中，常见的数据收集方法包括调查问卷、实验观察和文献研究等。
在进行数据收集时，需要注意以下几点：1.明确研究目的：在进行数据收集之前，需要明确自己的研究目的和要解决的问题，以便有针对性地收集数据。
2.选择合适的样本：样本的选择是保证数据的代表性和可靠性的关键。
在计算机等级考试中，常常需要从一定的人群中选择样本进行数据收集，确保样本能够代表整个人群。
3.设计合理的问卷或实验方案：问卷和实验方案的设计需要科学合理，避免主观性和偏差的影响。
可以借鉴相关的研究方法和成果，设计出合理的问卷或实验方案。
二、数据的清洗与整理数据的清洗与整理是数据处理与分析的关键一步。
在进行数据清洗与整理时，需要注意以下几点：1.排除异常值：在数据中可能存在一些异常值，可能是由于测量误差或其他原因引起的。
需要对这些异常值进行排查并予以排除，以保证数据的可靠性。
2.填充缺失值：在数据中可能存在一些缺失值，需要对这些缺失值进行填充。
可以采用插值法、平均填充等方法进行处理。
3.数据的格式转换：在进行数据处理与分析之前，需要将数据转换为合适的格式。
可以使用计算机编程语言或软件工具进行格式转换，如Python、R语言等。
三、数据的处理与分析数据的处理与分析是数据处理与分析方法的核心步骤。
在计算机等级考试中，常见的数据处理与分析方法包括统计分析、图表分析、数据挖掘等。
下面将介绍其中的几种常见方法：1.统计分析：统计分析是数据处理与分析中最常用的方法之一。
可以使用统计学中的各种指标和方法对数据进行描述、比较和推断。
常见的统计分析方法包括描述统计、假设检验、方差分析等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据挖 掘的过程包 括以下几 步 ： 首先对数 据进 行收集和预 处理 ， 对其进行消 噪， 去掉错 误或冗余 数据等处理 ， 使之成为 目 标数据， 为下一步的操作做准备， 同时要确定挖掘方法； 然后是 数据变换 ， 根据之前 的挖掘算 法建立分析模 型 ； 接下来是数 据 挖掘 和模 式评 估 ， 将上 一步得 到 的经过变 换后 的数据 进行 挖 掘； 最后是结果分析和知识 同化 ， 解释并评估结果 ， 将分析后得 到的知识 应用 到实际的案例中。在数据挖掘整个过程 中， 牵涉 到了前期 大量 的准备与规划工作 ， 几乎有 ８ ０ ％的时间和精 力花 费在了数据的预处理阶段 ， 而且数据 预处 理阶段得 出的数据质 量的高低 也直接决 定了挖掘后的结果 。因此 ， 在进 行数 据挖掘 分析之前 ， 还是很有必要做好前期 的准备工作 。
Ｃ ｏ ｍ ｐ ｕ ￣ ｒ Ｋ ｎ ｏ ｗ ｌ ｅ ｄ ｇ ｅａ ｎ ｄＴ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ电脑知识与技术
Ｖｏ １ ． １ １ ， Ｎｏ ． １ ３ ， Ｍａ ｙ ２ ０１ ５
数据挖掘技术在计算机等级考试成绩中的分析研究
曾 斯
（ 南华大学 计算机科学与技术学院 ， 湖南 衡 阳 ４ ２ １ ０ ０ １ ）
１引言
随着计算机技术 的不断发展 ， 越来 越多的高校开始重视计 算机应用基础课程的教学 ， 《 计算机应用基础》 作为－ －ｆ － ｉ 必修的 公共基础课 ， 很 多高职院校对该课程的考核不再是采用单一的 期末 考试 ， 而是 把计 算机等级考试 成绩 列为对考核学生该课 程
的重要 内容和对 教师教学效果 的评价依 据。以笔者所任 职的
摘要 ： 利 用数据挖掘技术分析某高职院校全 国计算机等级考试成绩 ， 从 中发现 了影响考试成绩 的一些 隐藏信息 ， 得到 的结 论对于提 高学生的考试通过 率和教师今后 的教 学起着指导作用。 关键词 ： 数据挖掘 ； 等级考试 ； 关联规 则
中 图分 类 号 ： Ｔ Ｐ ３ ９ １ １ 文献 ห้องสมุดไป่ตู้ 识 码 ： Ａ 文章 编 号 ： １ ０ Ｏ ９ — ３ Ｏ ４ ４ （ ２ ０ １ ５ ） １ ３ — ０ ０ １ ４ 一 ｏ ２
Ｔ ｈ ｅ Ａｎ ａ ｌ ｙ ｓ ｉ ｓ ａ ｎ ｄ Ｒｅ ｓ ｅ ａｒ ｃ ｈ ｏ ｆ Ｄａ ｔ ａ Ｍｉ ｎ ｉ ｎ ｇ ｉ ｎ ｔ ｈ ｅ Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｇｒ ａ ｄ ｅ Ｅａ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ Ｚ Ｅ ＮＧ Ｓ ｉ
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ａｎ ａ ｌ ｙ ｓ ｉ ｓ ｏ ｆ ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｔ ｈ ｅ Ｎａ ｔ ｉ ｏ ｎ ａ ｌ ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ ｇ ｒ ａ ｄ ｅ ｅ ｘ ａ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｏ ｆ Ｖｏ ｃ ａ ｔ ｉ ｏ ｎ ａ ｌ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｓＳ ｏ ｍｅ ｏ ｆ ｔ ｈ ｅ
（ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｏ ｕ ｔ ｈ Ｃ ｈ ｉ ｎ ａ ， Ｈ ｅ ｎ ｇ ｙ ａ ｎ ｇ ４ ２ １ ０ ０ １ ， Ｃ ｈ ｉ ｎ ａ ）
，
ｈ ｉ ｄ ｄ ｅ ｎ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｔ ｈ ａ ｔ ｈ ａ ｓ ｂ ｅ ｅ ｎ ｆ ｏ ｕ ｎ ｄ ｔ ｏ ａ ｆ ｆ ｅ ｃ ｔ ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｏ ｆ ｔ ｈ ｅ ｅ ｘ ａ ｍ ｉ ｓ ｆ ｏ ｕ ｎ ｄ ． Ｔ ｈ ｅ ｃ ｏ ｎ ｃ ｌ ｕ ｓ ｉ ｏ ｎ ｉ ｓ ｏ ｆ ｇ ｕ ｉ ｄ ｉ ｎ ｇ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ｉ ｍｐ ｒ ｏ ｖ ． ｉ ｎ ｇ ｓ ｔ ｕ ｄ ｅ ｎ ｔ ｓ ｅ ｘ ａ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ ｐ ａ ｓ ｓ ｒ ａ ｔ ｅ ａ ｎ ｄ ｔ ｅ ａ ｃ ｈ ｅ ｒ ｓ ｆ ｕ ｔ ｕ ｒ ｅ ｔ ｅ ａ ｃ ｈ ｉ ｎ ｇ ． Ｋｅ ｙ ｗｏ ｒ ｄ ８ ： ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ ； ｒａ ｇ ｄ ｅ ｅ ｘ ａ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ ； ａ ｓ ｓ ｏ ｃ ｉ ａ ｔ ｉ ｏ ｎ ｒ ｕ ｌ ｅ ｓ
３数据挖 掘技 术在计 算机 等级 考试成 绩分 析 中的应用
学院为例 ， 学院将全 国计算机等级考试一级的通过率作为考核 学生 的《 计 算机应用基础》 课程 的成绩 ， 而且该证书也得到了很 多用人单 位 的认 可 ， 也成为 了学生毕 业找工作 的一 个敲 门砖 ， 因此学 院非常重视 。鉴于各种 原因 ， 学生 的通过率 普遍不高 ， 事实 上 ， 影 响学生考 试通过率 的原因很多 ， 本文就该 问题引入 了数据挖掘技术 ， 目的是从 中找到影响学生成绩 的各种关联因 素， 以此来制定整改措施 ， 为后续的教学活动提供参 考 ， 从而提 高学生计算机等级考试 的通过率。
Ｉ Ｓ Ｓ Ｎ １ ０ ０ ９ － ３ ０ ４ ４
Ｅ－ ｍａ ｉ ｌ ： ｗ ｌ ｔ ｘ ＠ｄ ｎ ｚ ｓ ． ｎ ｅ ｔ ． ｃ ｎ ｈ ｔ ｔ ｐ ： ／ ／ ｗ ｗ ｗ． ｄ ｎ ｚ ｓ ． ｎ ｅ ｔ ． ｃ ｎ Ｔ ｅ １ ： ＋ ８ ６ － ５ ５１ － ６ ５ ６ ９ ０ ９ ６ ３ ６ ５ ６ ９ ０ ９ ６ ４