基于Clementine的初中信息技术课程考试成绩分析研究
合集下载
相关主题
- 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)。
２ １ 年 第 ７期 ０ １
福
建 电
脑
１７ ０
基于 Ｃｅ ｅｔ ｅ １ ｎｎ 的初中信息技术课程考试成绩分析研究 ｍ ｉ
廖荣平
（广 东省 河 源市龙 川县 通衢 中学 广 东 河源 ５ ７ ７ １ ３ ６）
【 摘 要 】 影 响初 级 中学信 息技 术 课程 考试 成 绩 的原 因复杂 ， ： 定性 因素和 定 量 因素并存 ， 用传 统 的 采 分析 模 型和算 法较 难得 出有用结论 。 针对 上述 问题 。 用 Ｃｌ ｎｉｅ软件 中的 Ｋ Ｍｅｎ 聚类模 块对 学 生考 采 ｅ ｔ ｍｅ ｎ — ａｓ
象尽 可 能相似 ． 而不 同簇 中的对 象尽 可 能相 异 ． 通过 聚 准备 、 立模 型 、 型评 估到 最终 结果 部 署 的数据 挖掘 建 模 类。 人们 可 以发现数 据 分布 的一 些特 征Ｈ 。Ｋ Ｍｅ ｎ 算 全 过程 Ｃｅ ｎ ｎ 均 可实 现 ．此 外 Ｃｅ ｎｉｅ 支持 — ａｓ ｌ ｍｅ ｆ ｅ ｉ ｌ ｍｅ ｔ 还 ｎ
试 试卷 成 绩进行 分 类评 价 。提 出了采 用可视 化 的数 据挖 掘 工 具 处理初 中信 息技 术课 程 考试 数据 的 解 决方 法， 通过 实例验 证 其有 效性 ， 为实施 个性 化教 学和素 质教 育提供 参 考 。
【 键词 】信 息技 术课 程 ； 类分析 ； ｌ ｎｉｅＫ— ａｓ 类 关 ： 聚 Ｃｅ ｔ ； Ｍｅｎ 聚 ｍｅ ｎ
一
款可 视化 的数据 挖掘 软件 ． 它拥 有 以下特点嘲：
的解 决方 法 ． 通过 实例 验证 其有 效性 。 并
１ 聚 类模 型与软 件 、 １ — ａｓ ． Ｋ Ｍｅ ｎ 聚类算 法 １
１ 丰 富和有效 的模 型算 法 。 ｌｍ ｎｉｅ 含 了数据 ） Ｃｅ ｅ ｔ 包 ｎ 的 可 视化 、 测 、 类 、 类 、 联 、 列 等 的数 据挖 掘 预 分 聚 关 序
０ 引言 、
聚类中心ｚＩｊｌ ，…，； ｊ’ ，３ ｋ （ ＝ ２， ）
考 试是 检 验初 中信 息技术 课 程 教学 目标 的是 否实 ２计算每个数据对象与聚类中心的距离Ｄｘ （） ） （ Ｉ， ＿ ） 现 的重要 环节 ， 也是 评估 教学 质量 的重要 依据 。 年来 历 其中ｉ１ ， …，， ＝ ， ３ ｋ 如果满足Ｄｘｚ（） ｉｆ（ （ ）则 ２， （， Ｉ＝ ｎ Ｄｘ Ｉ ， ｉ ） ｍ ｉ ） 的考试 积 累了大量 的学 生考 试 数据 ．利 用这 些数 据对
考试 进行 深入 的分析 。 测 定学 生 的学 习效果 ， 时发 可 及 现其 中问题 ． 为调整 教学 方 法 。 提高 教学水 平 提供 有 益
参 考 。 影 响初 中信息 技术课 程成 绩 的 因素 较 为复杂 ， 但
定 性 因素与定 量 因素并存 ． 传统 的对 试卷 所作 的信度 、
法 是一 种 简单 的无 监督 学 习算 法 ， 算法 简 单 、 速 、 数据 挖 掘的 Ｃ ＩＰ Ｄ 行业 标 准 ： 该 快 ＲＳ— Ｍ 高效 ， 处理 大数据 集 时可 伸缩 性较 好 ． 在 是一 种 理论 上 ３ 具 有可 视 化操 作界 面 。 ） 简单 易用 。 分析 结果 直观 可靠 、 应用 上高 效 的聚类 算 法 。其算 法 的主要 思 想是 ： 易 懂 ， 图形 功 能 强 ； 首先 随机 地选择 ｋ个 对 象 ．每个 对 象代 表一 个 簇 的初 正 是 由 于 Ｃｅ ｅ ｔ ｅ这 些 特 性 ．使 得 数 据 挖 掘 过 ｌｍ ｎｉ ｎ 始均 值或 中心 ．对剩 余 的 每个对 象 根据 其 与各 个簇 均 程更 加直 观且 具有 交互 性 ．非 常适 合 于初 中教 师对试 ｌ ｍｅ ｔ 作 ｎ 值 的距离 将它 指派 到最 相 似 的簇 ．然后 计算 每 个簇 的 卷 进行 分析 ．故 本 文选 用 Ｃｅ ｎｉｅ 为聚类 分析 的 新 均值 ． 这个 过程 不 断重 复 。 直到 准则 函数 收敛 。相关 统计 模 型 ， 使数 据
聚 类 分 析 是 数 据 挖 掘 领 域 最 常 用 的 方 法 之 一 ． 挖 掘 的结 果 更 具 有 可 靠 性 与 精 确 性 ： 由 聚 类 生 成 的 簇 是 一 组 数 据 对 象 的 集 合 ． 同一 簇 中 的 对 ２ 支持 数据 挖掘建 模 的全 流程 。从 数据 理解 、 ） 数据
３计 个新的 类中 ｚＩ ） 二ｘ） ｌ， ） 算ｋ 聚 心，（１ ＝ ｉ’ ， ｉ ＝ 二（ｊ ２ ＋ ｊ＝
’ ｎ Ｉ ＝ｌ
３… ， ， ｋ；
４ 判 断 ： ｉ十 ） ｆ）＝ ，，， － ， Ｏ＝ ＋ ， 回 ） 若ｚ（ １≠ｚ（， １ Ｉ Ｉｊ ２ － ， ￣ ＩＩ ｌ 返 －ｋ 效度、 区分度 等 分析 。 常难 以发 现其 中隐 藏 的规 律 。 通 找到影 响学生 学 习成绩 的关键 因素【 聚类 是深 层次 的 步骤２ 否 则算 法结 柬 。 ” 。 ． 数 据信 息分 析方法 ． 是一 种 重要 的数据 挖掘 方法 。 于 １ 基 ． 用 于试卷 聚类 分析 的 Ｃｅ ｎｉｅ 件 ２应 ｌ ｍｅ ｔ 软 ｎ
聚类 的考试分 析可 以将 成绩 特 征相 同 的考生 聚集 为 一 对 试 卷进 行 聚类 分析 工 作量 巨大 ．通 常借 用数 据 类 ．从 而更加 客 观和准 确 地揭 示考 生 的知识 和 能力 水 挖掘 软件 来实 现 。 目前 市面 在售 的数 据挖 掘 软件种 类 平。 可得 到传统 的试 卷分 析 难 以发现 的 现象 和规 律 ． 对 较 多 ． 主流 的 有 Ｓ Ｓ公 司 的 Ｅ ｔ ｐｉ ｎ 、Ｂ 公 司 Ａ ｎｅ ｒ ｅＭｉｅ Ｉ Ｍ ｒ ｓ 于个 性化 教学 和 素质教 育有 较 大 的指导 意义 和 推广 价 的 Ｉｔ ｌ ｅ ｔ ｎｒＯ ａ ｌ 公 司 的 Ｄ ｒ ｉ ｎｅ ｉ ｎ Ｍｉｅ ． ｒｃｅ ｌｇ ａｗｎ等 ，它 们 功 值［ ］ ２ 。本文 采用 Ｃｅ ｎｉｅ 件 中的 Ｋ Ｍｅ ｎ 聚类模 能完 善 。 理 能力 强 ， 通 常 以编程 为主 ， 统 计专 业 － ３ ｌｍｅ ｔ 软 ｎ — ａｓ 处 但 非 块 对学 生考试试 卷 成绩 进行 分类 评 价 ．提 出了 采用 可 的人 员掌 握起 来较 为 困难 。Ｓ Ｓ Ｐ Ｓ公 司的 Ｃ ｅ ｎｉｅ是 ｌ ｍｅｔ ｎ 视 化 的数据挖 掘工 具处 理 初 中信息 技术 课程 考 试数 据
福
建 电
脑
１７ ０
基于 Ｃｅ ｅｔ ｅ １ ｎｎ 的初中信息技术课程考试成绩分析研究 ｍ ｉ
廖荣平
（广 东省 河 源市龙 川县 通衢 中学 广 东 河源 ５ ７ ７ １ ３ ６）
【 摘 要 】 影 响初 级 中学信 息技 术 课程 考试 成 绩 的原 因复杂 ， ： 定性 因素和 定 量 因素并存 ， 用传 统 的 采 分析 模 型和算 法较 难得 出有用结论 。 针对 上述 问题 。 用 Ｃｌ ｎｉｅ软件 中的 Ｋ Ｍｅｎ 聚类模 块对 学 生考 采 ｅ ｔ ｍｅ ｎ — ａｓ
象尽 可 能相似 ． 而不 同簇 中的对 象尽 可 能相 异 ． 通过 聚 准备 、 立模 型 、 型评 估到 最终 结果 部 署 的数据 挖掘 建 模 类。 人们 可 以发现数 据 分布 的一 些特 征Ｈ 。Ｋ Ｍｅ ｎ 算 全 过程 Ｃｅ ｎ ｎ 均 可实 现 ．此 外 Ｃｅ ｎｉｅ 支持 — ａｓ ｌ ｍｅ ｆ ｅ ｉ ｌ ｍｅ ｔ 还 ｎ
试 试卷 成 绩进行 分 类评 价 。提 出了采 用可视 化 的数 据挖 掘 工 具 处理初 中信 息技 术课 程 考试 数据 的 解 决方 法， 通过 实例验 证 其有 效性 ， 为实施 个性 化教 学和素 质教 育提供 参 考 。
【 键词 】信 息技 术课 程 ； 类分析 ； ｌ ｎｉｅＫ— ａｓ 类 关 ： 聚 Ｃｅ ｔ ； Ｍｅｎ 聚 ｍｅ ｎ
一
款可 视化 的数据 挖掘 软件 ． 它拥 有 以下特点嘲：
的解 决方 法 ． 通过 实例 验证 其有 效性 。 并
１ 聚 类模 型与软 件 、 １ — ａｓ ． Ｋ Ｍｅ ｎ 聚类算 法 １
１ 丰 富和有效 的模 型算 法 。 ｌｍ ｎｉｅ 含 了数据 ） Ｃｅ ｅ ｔ 包 ｎ 的 可 视化 、 测 、 类 、 类 、 联 、 列 等 的数 据挖 掘 预 分 聚 关 序
０ 引言 、
聚类中心ｚＩｊｌ ，…，； ｊ’ ，３ ｋ （ ＝ ２， ）
考 试是 检 验初 中信 息技术 课 程 教学 目标 的是 否实 ２计算每个数据对象与聚类中心的距离Ｄｘ （） ） （ Ｉ， ＿ ） 现 的重要 环节 ， 也是 评估 教学 质量 的重要 依据 。 年来 历 其中ｉ１ ， …，， ＝ ， ３ ｋ 如果满足Ｄｘｚ（） ｉｆ（ （ ）则 ２， （， Ｉ＝ ｎ Ｄｘ Ｉ ， ｉ ） ｍ ｉ ） 的考试 积 累了大量 的学 生考 试 数据 ．利 用这 些数 据对
考试 进行 深入 的分析 。 测 定学 生 的学 习效果 ， 时发 可 及 现其 中问题 ． 为调整 教学 方 法 。 提高 教学水 平 提供 有 益
参 考 。 影 响初 中信息 技术课 程成 绩 的 因素 较 为复杂 ， 但
定 性 因素与定 量 因素并存 ． 传统 的对 试卷 所作 的信度 、
法 是一 种 简单 的无 监督 学 习算 法 ， 算法 简 单 、 速 、 数据 挖 掘的 Ｃ ＩＰ Ｄ 行业 标 准 ： 该 快 ＲＳ— Ｍ 高效 ， 处理 大数据 集 时可 伸缩 性较 好 ． 在 是一 种 理论 上 ３ 具 有可 视 化操 作界 面 。 ） 简单 易用 。 分析 结果 直观 可靠 、 应用 上高 效 的聚类 算 法 。其算 法 的主要 思 想是 ： 易 懂 ， 图形 功 能 强 ； 首先 随机 地选择 ｋ个 对 象 ．每个 对 象代 表一 个 簇 的初 正 是 由 于 Ｃｅ ｅ ｔ ｅ这 些 特 性 ．使 得 数 据 挖 掘 过 ｌｍ ｎｉ ｎ 始均 值或 中心 ．对剩 余 的 每个对 象 根据 其 与各 个簇 均 程更 加直 观且 具有 交互 性 ．非 常适 合 于初 中教 师对试 ｌ ｍｅ ｔ 作 ｎ 值 的距离 将它 指派 到最 相 似 的簇 ．然后 计算 每 个簇 的 卷 进行 分析 ．故 本 文选 用 Ｃｅ ｎｉｅ 为聚类 分析 的 新 均值 ． 这个 过程 不 断重 复 。 直到 准则 函数 收敛 。相关 统计 模 型 ， 使数 据
聚 类 分 析 是 数 据 挖 掘 领 域 最 常 用 的 方 法 之 一 ． 挖 掘 的结 果 更 具 有 可 靠 性 与 精 确 性 ： 由 聚 类 生 成 的 簇 是 一 组 数 据 对 象 的 集 合 ． 同一 簇 中 的 对 ２ 支持 数据 挖掘建 模 的全 流程 。从 数据 理解 、 ） 数据
３计 个新的 类中 ｚＩ ） 二ｘ） ｌ， ） 算ｋ 聚 心，（１ ＝ ｉ’ ， ｉ ＝ 二（ｊ ２ ＋ ｊ＝
’ ｎ Ｉ ＝ｌ
３… ， ， ｋ；
４ 判 断 ： ｉ十 ） ｆ）＝ ，，， － ， Ｏ＝ ＋ ， 回 ） 若ｚ（ １≠ｚ（， １ Ｉ Ｉｊ ２ － ， ￣ ＩＩ ｌ 返 －ｋ 效度、 区分度 等 分析 。 常难 以发 现其 中隐 藏 的规 律 。 通 找到影 响学生 学 习成绩 的关键 因素【 聚类 是深 层次 的 步骤２ 否 则算 法结 柬 。 ” 。 ． 数 据信 息分 析方法 ． 是一 种 重要 的数据 挖掘 方法 。 于 １ 基 ． 用 于试卷 聚类 分析 的 Ｃｅ ｎｉｅ 件 ２应 ｌ ｍｅ ｔ 软 ｎ
聚类 的考试分 析可 以将 成绩 特 征相 同 的考生 聚集 为 一 对 试 卷进 行 聚类 分析 工 作量 巨大 ．通 常借 用数 据 类 ．从 而更加 客 观和准 确 地揭 示考 生 的知识 和 能力 水 挖掘 软件 来实 现 。 目前 市面 在售 的数 据挖 掘 软件种 类 平。 可得 到传统 的试 卷分 析 难 以发现 的 现象 和规 律 ． 对 较 多 ． 主流 的 有 Ｓ Ｓ公 司 的 Ｅ ｔ ｐｉ ｎ 、Ｂ 公 司 Ａ ｎｅ ｒ ｅＭｉｅ Ｉ Ｍ ｒ ｓ 于个 性化 教学 和 素质教 育有 较 大 的指导 意义 和 推广 价 的 Ｉｔ ｌ ｅ ｔ ｎｒＯ ａ ｌ 公 司 的 Ｄ ｒ ｉ ｎｅ ｉ ｎ Ｍｉｅ ． ｒｃｅ ｌｇ ａｗｎ等 ，它 们 功 值［ ］ ２ 。本文 采用 Ｃｅ ｎｉｅ 件 中的 Ｋ Ｍｅ ｎ 聚类模 能完 善 。 理 能力 强 ， 通 常 以编程 为主 ， 统 计专 业 － ３ ｌｍｅ ｔ 软 ｎ — ａｓ 处 但 非 块 对学 生考试试 卷 成绩 进行 分类 评 价 ．提 出了 采用 可 的人 员掌 握起 来较 为 困难 。Ｓ Ｓ Ｐ Ｓ公 司的 Ｃ ｅ ｎｉｅ是 ｌ ｍｅｔ ｎ 视 化 的数据挖 掘工 具处 理 初 中信息 技术 课程 考 试数 据