学生成绩关键因素挖掘与成绩预测

来源：南京信息工程大学学报·自然科学版杂志2019年第3期北京时间：

作者：谢娟英

单位：谢娟英,陕西师范大学 计算机科学学院, 西安, 710062,张宜,陕西师范大学 计算机科学学院, 西安, 710062;陕西省蒲城县第三高级中学, 蒲城, 715500,陈恩红,中国科学技术大学 计算机科学与技术学院, 合肥, 230026,cheneh@ustc.edu.cnis_first_author:0,is_contact_author:,sequence:3,first_name:,middle_name:,last_name:,resume:,institute_superscript:

摘要：为了探索影响学习成绩的关键因素，为学生学习、教师教学和学校管理提供帮助，采用密度全局K-means算法对UCI机器学习数据库的葡萄牙学生数据、陕西蒲城县第三高级中学的学生数据进行聚类分析，挖掘影响学生成绩的相关因素，并对学生成绩进行预测分析.葡萄牙学生数据挖掘发现：学生成绩与其所在学校、家庭住址、母亲学历、家庭有无网络有极大相关性，与父亲受教育程度、上学路上花费时间、想上大学、在谈恋爱也有一定相关性.蒲城县第三高级中学学生数据分析发现：学生成绩与其监护人、父母年龄、父母学历、学习态度、课后学习量之间有极大相关性.成绩预测聚类结果显示：预测成绩与实际成绩一致.中外学生数据挖掘揭示：学生成绩与父母受教育程度，特别是母亲受教育程度密切相关，母亲受教育程度越高，孩子学习成绩越好；孩子成长过程中，父母作为监护人的陪伴作用不容忽视；激励和引导学生树立远大理想，调动学生学习的主动性，对学习成绩和成长至关重要；缩小城乡教育差距势在必行.

关键词：教育数据挖掘;学生成绩分析;密度全局K-means算法;关联分析;预测分析

基金资助：国家自然科学基金（61673251）；中央高校基本科研业务费项目（GK201701006，GK201806013）