基于分布式依赖挖掘的学业发展评价系统研究与实现开题报告

1. 研究目的与意义

随着高校扩招和信息技术的迅猛发展以及在高校管理中的广泛应用，学生管理系统中日益暴露出各种不足。例如学生发展数据，从数据量到维度上都日渐庞大和驳杂，而现有的系统往往只能对这些数据进行简单的处理和统计，诸如统计及格率、平均绩点等初步的应用，无法充分利用和挖掘出有价值的信息，以促进更高效的管理。此外，很多高校由于面临师资力量和硬件资源的不足，使用人工方式对大量的数据进行分析和挖掘是不现实的，因此有必要引入新的信息技术，尤其是数据挖掘领域的相关技术，来改进传统学生发展数据的管理和分析。

因此，本课题拟研究结合函数依赖（fd）发现算法设计实现一种新的学业发展评价系统。基于当前流行的分布式计算框架 spark 来编写构建分布式 fd 发现算法的核心模块，并完成从数据预处理到算法应用于数据集训练，再到输出结果可视化呈现，力图挖掘出有价值的信息，为高校在此后的学生管理和教学质量分析方面提供帮助。

本文围绕大规模分布式函数依赖发现算法在高校学生发展数据中的应用，从学生专业课程、校内活动及奖惩情况等多维度数据中，实现课程之间依赖关系分析、奖惩结果与校内活动之间的相互影响等方面的挖掘。这些应用发现在高校教学管理中有着实际意义。

随着高校扩招和信息技术的迅猛发展以及在高校管理中的广泛应用，学生管理系统中日益暴露出各种不足。例如学生发展数据，从数据量到维度上都日渐庞大和驳杂，而现有的系统往往只能对这些数据进行简单的处理和统计，诸如统计及格率、平均绩点等初步的应用，无法充分利用和挖掘出有价值的信息，以促进更高效的管理。此外，很多高校由于面临师资力量和硬件资源的不足，使用人工方式对大量的数据进行分析和挖掘是不现实的，因此有必要引入新的信息技术，尤其是数据挖掘领域的相关技术，来改进传统学生发展数据的管理和分析。

2. 研究内容和预期目标

研究内容：

1.通过查找、阅读和分析文献资料，了解数据挖掘技术的应用；

2.研究学习当前单机和分布式下的函数依赖发现算法；

3. 研究的方法与步骤

方法：

1．阅读任务书，了解数据挖掘在学业发展分析中的研究方向；

2．上网查找数据挖掘和学业发展分析的相关资料；

4. 参考文献

[1] 官思发,孟玺,李宗洁,等.大数据分析研究现状、问题与对策[j].情报杂志, 2015(5):98-104.

[2] 吉根林,赵斌.面向大数据的时空数据挖掘综述[j].南京师大学报(自然科学版), 2014, 37(1):1-7.

[3] 李馨.高等教育大数据分析:机遇与挑战[j].开放教育研究, 2016, 22(4):50-56.

5. 计划与进度安排

1、2022.1 ---- 2022.2 查阅资料,了解课题背景，撰写开题报告

2、2022.2 ---- 2022.3 根据课题要求，进行需求分析,熟悉开发工具

3、2022.3 ---- 2022.3 根据分析结果，对系统进行概要设计