关联规则在学生成绩分析中的应用

 

摘 要：关联规则是数据挖掘的主要技术之一，是描述数据库中一组数据项之间的某种潜在关系的规则。以学生的考试成绩数据为研究对象，运用关联规则Apriori算法，对学生四年中各门课程的成绩进行分析，从而发现课程之间的联系和基础课程对专业课程的影响，为教务部门安排课程提供参考，教师可以应用这些知识指导学生，如重要的基础课应安排较多的时间，从而为将来专业课的学习打好基础；针对关联度较小的课程安排适当的时间，以便学生有效地安排好自己的大学生活。

关键词：关联规则；数据挖掘；学生成绩分析

随着计算机存储技术的飞速发展，各行各业都收集了大量的数据。但如果缺乏有效的分析工具，这些数据往往难得再被人们访问和利用。如何从这些数据中发现潜在的知识，日渐成为人们感兴趣的话题。数据挖掘，又称知识发现，就是从大量不完全的、有噪声的、模糊的和随机的实际应用数据中，提取隐含其中的新颖的、潜在的、有用的信息和知识的过程，在许多应用领域显示出巨大的潜力。目前常用的数据挖掘方法有：关联规则分析、序列模式分析、分类分析、聚类等。

学习是一个循序渐进的过程，其与课程之间有一定的关联和前后顺序关系。如果基础课程没有学好，肯定会影响到后续专业课程的学习。但哪些课程会影响到后续课程，以及哪些课程联系密切，还没有一种量化的分析。此外，每学期安排课程的多少，也会影响学生的学习效果。本文使用关联规则算法，对科技大学本科的学生成绩进行分析。通过对考试成绩进行挖掘分析，发现有几门课程与将来专业课的成绩密切相关，教师可以应用这些知识指导学生，如重要的基础课应安排较多的时间，从而为将来专业课的学习打好基础；针对关联度较小的课程安排适当的时间，以便学生有效地安排好自己的大学生活。

1      关联规则介绍

关联规则是由R·Agrawal等人于1993年提出的，它反映了一个事物与其他事物之前的相互依存性和关联性。如果两个和多个事物间存在一定的关联关系&