基于大数据分析与挖掘的学业发展预测系统研究与实现开题报告

随着信息技术的发展，面向教学的管理信息系统已经得到了广泛的应用，但也存在着诸多不足，例如仅仅是对数据的简单集成、统计等，没有对信息的深入挖掘，另外随着数据规模的发展，数据资源流通不畅，管理能力较弱，数据价值难以被有效挖掘利用。

目前大数据环境下的数据来源丰富，数据类型多种多样，存储和分析挖掘的数量庞大，对数据展现的要求较高，追求数据的高效性和可用性。

如何利用大数据技术来进行教务数据的挖掘，通过大量数据的训练和分析，能够找到影响学生学业发展的因素，并进行深刻分析，有效地为学生进行预警，针对性地采取措施，为学生的学业发展保驾护航，为高校教师教学质量的提升、教务部门的学风建设有着重大的参考价值和决策依据。

2. 研究内容和预期目标

研究内容：1.研究典型的数据挖掘与机器学习算法：如决策树、随机森林等2.对已有的数据挖掘算法，进行分布式架构下的负载均衡的研究3.对已有的数据挖掘算法，进行并发性对比，列出局限与拓展性4.对决策树归纳算法、模型的过分拟合、评估比较分类器的研究5.对决策树算法的应用场景、适用范围的研究6.决策树对于常规统计方法的优缺点对比7.对决策树剪枝在不同样本集中的研究8.利用决策树算法对数据进行分类挖掘预期目标1掌握理解数据挖掘的基本原理和技术特点，查找、阅读和分析文献资料2通过查询、阅读资料，了解分布式平台的数据挖掘方法以及应用领域3在学生学业分析应用环境中实现机器学习算法并进行测试4基于数据挖掘、机器学习算法，设计实现一个学生学业发展预测功能模块5深入学习理解云计算等分布式计算环境及机器学习等方面你的基本理论、技术和实践方法，在其基础上实现分布式平台下的数据挖掘方法，最后在学生学业分析应用环境中对算法进行应用和测试。

3. 研究的方法与步骤

研究内容：1.研究典型的数据挖掘与机器学习算法：如决策树、随机森林等2.对已有的数据挖掘算法，进行分布式架构下的负载均衡的研究3.对已有的数据挖掘算法，进行并发性对比，列出局限与拓展性4.对决策树归纳算法、模型的过分拟合、评估比较分类器的研究5.对决策树算法的应用场景、适用范围的研究6.决策树对于常规统计方法的优缺点对比7.对决策树剪枝在不同样本集中的研究8.利用决策树算法对数据进行分类挖掘预期目标1掌握理解数据挖掘的基本原理和技术特点，查找、阅读和分析文献资料2通过查询、阅读资料，了解分布式平台的数据挖掘方法以及应用领域3在学生学业分析应用环境中实现机器学习算法并进行测试4基于数据挖掘、机器学习算法，设计实现一个学生学业发展预测功能模块5深入学习理解云计算等分布式计算环境及机器学习等方面你的基本理论、技术和实践方法，在其基础上实现分布式平台下的数据挖掘方法，最后在学生学业分析应用环境中对算法进行应用和测试。

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] 郭平,王可,罗阿理,等.大数据分析中的计算智能研究现状与展望[J].软件学报, 2015,26(11):3010-3025.[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.[4] 陈明.大数据可视化分析[J].计算机教育, 2015(5):94-97.[5] 张思,刘清堂,雷诗捷,等.网络学习空间中学习者学习投入的研究——网络学习行为的大数据分析[J].中国电化教育,2017(4):24-30.[6] 杜婧敏,方海光,李维杨,等.教育大数据研究综述[J].中国教育信息化, 2016(19):1-4.[7] 张玉杰,于双元.大数据查询综述[J].计算机与现代化,2017(4):82-88.[8] 马世龙,乌尼日其其格,李小平.大数据与深度学习综述[J].智能系统学报, 2016,11(6):728-742.[9] 胡可云 ,田凤占 ,黄厚宽 . 数据挖掘理论与应用[M].第一版.北京:清华大学出版社,2008年:18-23.[10]王倩.决策树在信息检索中的性能研究 [J].微计算机信息,2008,1-3:207-208

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 4、2022.3 ---- 2022.4 根据概要设计，对系统进行详细设计 5、2022.4 ---- 2022.5 编写代码及设计 6、2022.5 ---- 2022.5 程序调试，毕业论文资料收集，撰写论文提纲 7、2022.5 ---- 2022.6 整理设计文档， 撰写毕业论文