[发明专利]基于偏序模式的教育信息化课程关联模式发现方法及系统

说明书

技术领域

本发明属于教育数据挖掘领域，具体是一种基于偏序模式的教育信息化课程关联模式发现方法及其挖掘系统，适用于教育数据挖掘中课程关联模式发现，其模式可为教务管理、教育决策和教学改革提供科学的依据，该发明在教育信息化数据分析以及教育模式挖掘有重要的应用价值和广阔的应用前景。

背景技术

教育数据挖掘是数据挖掘一个重要应用研究分支，涉及计算机科学、教育学和统计学等多学科的研究领域，是一种从教育数据中挖掘那些事先未知的和有用的教育模式和教育知识的过程。现有的教育数据关联规则挖掘方法主要集中在教育数据关联模式挖掘方法、教育数据加权关联规则挖掘方法和教育数据完全加权关联规则挖掘方法等3个方面。

教育数据关联规则挖掘方法是传统的关联规则挖掘方法在教育信息化领域的具体应用，属于基于频度挖掘的传统关联规则挖掘方法。该方法的特点是只考虑项目在数据库中出现的频度，各个项目按平等一致的方式处理。当前，教育数据关联规则挖掘对象主要是学校的课程、学生计划、课程成绩等教学环境数据，挖掘其数据间的相关性、依存性和学生行为模式，为教务管理、课程体系设计等提供决策支持。该方法存在的缺陷是：在挖掘时只考虑课程的选修关联，没有考虑课程之间具有不同的重要性，更没有考虑学生选修课程后的教学效果（即课程考试成绩）。典型的教育数据关联规则挖掘算法是Apriori方法(R.Agrawal,T.Imielinski,A.Swami. Mining association rules between sets of items in large database[C].In Proceeding of 1993 ACM SIGMOD International Conference on Management of Data, Washington D.C.,1993, (5): 207-216.)及其改进方法，例如，董辉提出基于兴趣度的高职课程关联规则挖掘方法(董辉. 基于兴趣度的高职课程关联规则挖掘[J].吉首大学学报(自然科学版),2012,33(3):41-46.)，李忠哗等(李忠哗, 王凤利, 何丕廉.关联规则挖掘在课程相关分析中的应用[J]. 河北农业大学学报,2010,33(3):116-119.)采用一种改进的Apriori 方法挖掘课程关联模式，进行课程相关性分析，Pal(S. Pal.Mining Educational Data to Reduce Dropout Rates of Engineering Students[J]. International Journal of Information Engineering and Electronic Business, 2012(2):1-7. Published Online April 2012 in MECS)和Baradwaj(B. K.Baradwaj , S.Pal .Mining Educational Data to Analyze Students Performance[J] . (IJACSA) International Journal of Advanced Computer Science and Applications, 2011,2(6):63-69.)指出采用传统的关联模式挖掘技术可以对学生期末考试成绩进行分类，对学业成绩很差、很可能导致退学的一类学生给予更多的重视和学习辅导，使学生的辍学率得到控制和减少。