-
题名基于多元线性回归的学生成绩预测研究
被引量：13
- 1
-
-
作者
刘晓雲
刘鸿雁
李劲松
王冠帮
-
机构
渤海大学教育科学学院
渤海大学信息科学与技术学院
-
出处
《计算机技术与发展》
2022年第3期203-208,共6页
-
基金
辽宁省自然科学基金项目(2019-ZD-0503)
辽宁省教育科学研究项目(WJ2020004,LJ2020003)。
-
文摘
随着数据挖掘技术在教育领域的深入应用,使得成绩预测成为改进教学质量的重要手段之一。对学生进行成绩预测,可以督促学生提高学习效率以及鞭策教师改进教学质量,更好地完善教学,达到最佳效果。但在目前研究中,虽然对成绩预测应用已十分广泛,但是多是基于学生全部成绩对某门课程成绩的预测,忽略了成绩预测的时效性。因此提出基于多元线性回归方法构建一年级成绩预测毕业成绩的预测模型。以某学校计算机应用专业的学生课程成绩为研究对象,构建相应的多元线性回归预测模型。通过大量实验以及检验证明,利用一年级成绩预测毕业成绩可行,并且构建的成绩预测模型具有极高的预测精度,可以为改进教学方案提供参考信息,有助于提高学校的教学质量和学生的学习效果。
-
关键词
成绩预测
教育数据挖掘
线性回归
教学质量
显著性检验
-
Keywords
achievement prediction
educational data mining
linear regression
teaching quality
significance test
-
分类号
TP305
[自动化与计算机技术—计算机系统结构]
G420
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于K-Means的学生成绩预测方法研究
被引量：3
- 2
-
-
作者
王冠帮
刘鸿雁
李劲松
刘晓雲
-
机构
渤海大学教育科学学院
渤海大学信息科学与技术学院
-
出处
《信息技术》
2023年第2期1-6,共6页
-
基金
辽宁省自然科学基金项目(2019-ZD-0503)
辽宁省教育厅科学研究项目(WJ2020004,LJ2020003)。
-
文摘
学生成绩预测是改进教学、提高教学质量的一种重要辅助方法。目前成绩预测研究多数是基于全部训练样本构建预测模型,训练样本没有针对性,未能考虑类内样本的相似性和类间样本的差异性对预测模型的构建和预测效果的影响。因此,为了充分利用类内样本的相似性特性,提出一种基于K-Means的学生成绩预测方法。以某学校汉语言文学和计算机应用两门专业学生的课程成绩为对象,经过大量的实验证明,该方法构建的成绩预测模型具有更高的预测精度,进而可以为改进教学提供更为准确的参考信息,辅助提升学校的教学质量。
-
关键词
数据挖掘
K-MEANS
多元线性回归
成绩预测
教学质量
-
Keywords
data mining
K-Means
multiple linear regression
score prediction
teaching quality
-
分类号
TP3-05
[自动化与计算机技术—计算机科学与技术]
G420
[文化科学—课程与教学论]
-
-
题名建筑工程安全设计中防火系统的创新与应用
- 3
-
-
作者
刘晓雲
-
机构
菏泽市规划管理服务中心
-
出处
《新材料·新装饰》
2024年第17期118-121,共4页
-
文摘
随着现代建筑工程的不断发展,社会对建筑安全的需求日益增加,尤其是防火系统作为保障人员生命安全和财产安全的重要组成部分备受关注.文章分析了建筑工程安全设计中防火系统的应用现状,探究了建筑工程安全设计中防火系统的创新应用要点及建筑工程安全设计中防火系统设计的创新方向,并对建筑工程安全设计中防火系统的应用实践进行了说明,以期提高建筑内部的火灾防范和应急处理能力.
-
关键词
建筑工程
安全设计
防火系统
-
分类号
TU85
[建筑科学]
-
-
题名基于特征选择的学生成绩预测方法研究
- 4
-
-
作者
刘晓雲
刘鸿雁
李劲松
王冠帮
-
机构
渤海大学研究生学院
渤海大学信息科学与技术学院
-
出处
《信息技术》
2023年第10期17-22,共6页
-
基金
教育部产学合作协同育人项目(202002151003,20210-2085003)
辽宁省教育厅科研项目(WJ2020004,LJ2020003)
+2 种基金
辽宁省教学改革项目(10167-649,10167-636)
研究生创新基金项目(YJC2021-030)
研究生教育教学改革项目(YJG20210002,YJG20210005)。
-
文摘
学习成绩是反映学习效果和教学质量的重要指标,对成绩进行预测可改进学习和教学方法,进而提高教学质量,如何准确地预测成绩已成为教育数据挖掘领域的一个热点研究课题。为提高预测的准确度,提出了基于特征选择的成绩预测方法。首先利用序列前向选择算法对样本数据进行特征选择,从而选出最优特征子集来构建多元线性回归预测模型,再利用模型对成绩进行预测。为检验方法的有效性,在真实数据集上进行了验证,实验结果表明:文中方法具有更高的预测精度,可以为改进教学方法和教学质量提供数据支持。
-
关键词
数据挖掘
特征选择
数据降维
多元线性回归
成绩预测
-
Keywords
data mining
feature selection
data dimension reduction
multiple linear regression
scores prediction
-
分类号
TP3-05
[自动化与计算机技术—计算机科学与技术]
G420
[文化科学—课程与教学论]
-
