任 鸽,吴 猛,汗古丽·力提甫,杨 勇

(新疆师范大学 计算机科学技术学院,乌鲁木齐 830054)

高校学生成绩一直是直接评价学生学业水平的重要指标,也是间接评价高校教师教学效果及高校管理水平的指标之一[1].随着高校学生成绩信息量的不断增加,对学生成绩进行简单的统计、对比等信息处理方式难以满足学生和教育工作者的实际需求,学生成绩预警研究已成为当今高校信息管理领域研究的热点[2–5].

成绩预警是指通过对学生课程成绩进行分析,挖掘各门课之间的联系,基于已有的成绩数据,对学生未来的成绩走向进行预警.挖掘课程之间的相互联系,构建完善的预警规则库是学生成绩预警研究中的关键点[6–9].高校课程之间具有很强的关联性[10],这种关联性体现在专业知识体系构建以及知识传授的前后次序.挖掘深层次的课程关联关系,可以为学生成绩的预警分析提供决策支持,对高校提高教学管理水平具有重要应用价值.

关联规则挖掘[11]是数据挖掘中一种重要的数据分析方法,这其中经典的Apriori 算法[12]可有效地从某一任务的事务集中挖掘出客户感兴趣且富有价值的隐藏规则.近年来,将Apriori 算法应用在高校成绩预警分析中成为一个研究热点,何楚等[13]采用Apriori 算法和FP-growth 算法挖掘学生成绩的频繁规则并结合基于图论的谱聚类算法对规则中涉及的公共课与专业课进行分类,提出基于课程关联分类模型的学生成绩预测,研究……