首页--文化、科学、教育、体育论文--教育论文--教学理论论文--教学法和教学组织论文--学绩管理和考试论文--考试论文

基于数据挖掘技术的考试体系分析统计

摘要第6-7页
ABSTRACT第7页
第一章 绪论第12-17页
    1.1 课题研究背景及意义第12-14页
    1.2 国内外研究现状第14-15页
    1.3 本文所做的工作及论文结构第15-16页
        1.3.1 本文研究的内容第15-16页
        1.3.2 本文的组织结构第16页
    1.4 本章小结第16-17页
第二章 传统考试分析体系第17-28页
    2.1 传统考试报名分析第17-18页
        2.1.1 报名分析指标第17-18页
        2.1.2 报名分析框架第18页
    2.2 传统考试成绩分析第18-22页
        2.2.1 成绩评价指标第19-21页
        2.2.2 成绩评价框架第21-22页
    2.3 传统试卷质量分析第22-26页
        2.3.1 经典测试理论第22-24页
        2.3.2 项目反应理论第24-25页
        2.3.3 RASCH模型第25-26页
    2.4 传统考试分析体系的不足第26-27页
        2.4.1 分析结果缺乏直观性第26页
        2.4.2 分析体系不统一第26-27页
    2.5 本章小结第27-28页
第三章 相关数据挖掘算法第28-34页
    3.1 C4.5 决策树算法第28-30页
        3.1.1 C4.5 决策树算法分类的概念第28-29页
        3.1.2 C4.5 算法的主要步骤第29页
        3.1.3 C4.5 算法的优点和不足第29-30页
    3.2 APRIOR算法第30-31页
        3.2.1 APRIORI算法的概念第30页
        3.2.2 APRIOR算法的主要步骤第30-31页
        3.2.3 APRIOR算法存在优点和不足第31页
    3.3 K-MEANS算法第31-32页
        3.3.1 K-MEANS算法的概念第31-32页
        3.3.2 K-MEANS算法的主要步骤第32页
        3.3.3 K-MEANS算法存在的不足第32页
    3.4 本章小结第32-34页
第四章 基于数据挖掘技术的考试分析体系第34-37页
    4.1 基于C4.5 决策树算法的报名分析体系第34-35页
    4.2 基于APRIOR算法的成绩分析体系第35页
    4.3 基于K-MEANS算法的试卷质量分析体系第35-36页
    4.4 本章小结第36-37页
第五章 数据挖掘考试分析体系与传统分析案例对比第37-59页
    5.1 数据采集及预处理第37-38页
    5.2 报名分析对比第38-45页
        5.2.1 传统报名分析第38-41页
        5.2.2 C4.5 决策树算法的报名分析第41-45页
        5.2.3 分析结果对比第45页
    5.3 成绩分析对比第45-52页
        5.3.1 传统成绩分析第45-49页
        5.3.2 APRIOR算法的成绩相关性分析第49-51页
        5.3.3 分析结果对比第51-52页
    5.4 试卷质量分析对比第52-57页
        5.4.1 传统RASCH模型的试卷质量分析第53-54页
        5.4.2 K-MEANS算法的试卷质量分析第54-57页
        5.4.3 分析结果对比第57页
    5.5 本章小结第57-59页
第六章 结论与展望第59-60页
    6.1 总结第59-60页
        6.1.1 数据挖掘算法可以有效补充传统考试分析体系第59页
        6.1.2 数据挖掘算法可以帮助统一考试分析体系的分析口径第59-60页
        6.1.3 数据挖掘算法可以提高考试分析的效率第60页
    6.2 下一步工作第60页
致谢第60-62页
参考文献第62-67页
作者读研期间所取得的读研成果第67页

论文共67页,点击 下载论文
上一篇:基于孟子良心思想的中学生良心研究
下一篇:大学生自尊和心理资本在“大五”人格与创造力间的链式中介作用