摘要 | 第5-6页 |
Abstract | 第6-7页 |
1 绪论 | 第11-17页 |
1.1 论文研究的背景 | 第11-12页 |
1.2 论文研究现状及存在问题 | 第12-14页 |
1.2.1 我国中职生综合素质测评的现状 | 第12-13页 |
1.2.2 国外相关研究 | 第13页 |
1.2.3 研究方法现状分析 | 第13页 |
1.2.4 当前中职生综合素质测评中存在的主要问题 | 第13-14页 |
1.3 论文研究的内容及重点 | 第14-15页 |
1.3.1 论文研究的内容 | 第14-15页 |
1.3.2 论文研究的重点 | 第15页 |
1.4 论文的写作思路与创新之处 | 第15-17页 |
1.4.1 写作思路 | 第15页 |
1.4.2 创新之处 | 第15-17页 |
2 中职学生综合素质评价体系的建立 | 第17-31页 |
2.1 中职生综合素质评价的必要性 | 第17-18页 |
2.1.1 中职生综合素质测评概念界定 | 第17页 |
2.1.2 中职生综合素质测评的意义 | 第17-18页 |
2.2 中职生综合素质评价体系的建立原则 | 第18-19页 |
2.3 我校中职生评价体系建立的具体措施 | 第19-20页 |
2.3.1 企业调研 | 第19页 |
2.3.2 顶岗实习学生调研 | 第19-20页 |
2.4 评价体系的建立 | 第20-31页 |
2.4.1 问卷设计 | 第21-24页 |
2.4.2 数据分析 | 第24-26页 |
2.4.3 权重值确定 | 第26-31页 |
3 中职学生综合素质测评系统的开发 | 第31-37页 |
3.1 构建中职生综合素质测评系统 | 第31-32页 |
3.1.1 总体思路 | 第31页 |
3.1.2 系统的具体实施过程 | 第31-32页 |
3.1.3 系统结构模型图 | 第32页 |
3.2 中职生综合素质测评系统的开发 | 第32-36页 |
3.3 系统设计结果分析 | 第36-37页 |
4 数据挖掘技术的引进 | 第37-45页 |
4.1 数据挖掘的基本概念 | 第37页 |
4.2 数据挖掘的过程 | 第37-39页 |
4.2.1 数据准备阶段 | 第38-39页 |
4.2.2 数据挖掘阶段 | 第39页 |
4.2.3 结果分析与表达阶段 | 第39页 |
4.3 数据挖掘的主要方法 | 第39-41页 |
4.3.1 关联分析 | 第40页 |
4.3.2 分类和预测 | 第40页 |
4.3.3 聚类分析 | 第40页 |
4.3.4 决策树 | 第40-41页 |
4.3.5 遗传算法 | 第41页 |
4.4 数据挖掘在教育领域的研究现状 | 第41-42页 |
4.5 数据挖掘的工具 | 第42页 |
4.6 数据挖掘未来发展方向 | 第42-45页 |
5 数据挖掘在中职生综合素质测评中的应用 | 第45-63页 |
5.1 构建中职生综合素质的数据仓库 | 第45-46页 |
5.2 中职生综合素质评价数据的预处理 | 第46-49页 |
5.3 关联规则在学生综合素质测评中的应用 | 第49-57页 |
5.3.1 关联规则的基本概念 | 第49页 |
5.3.2 关联规则的挖掘过程 | 第49页 |
5.3.3 频繁项集挖掘的主要方法——Apriori算法 | 第49-53页 |
5.3.4 基于划分的Apriori算法改进 | 第53-56页 |
5.3.5 测试结果分析 | 第56-57页 |
5.4 决策树在中职生综合素质测评中的应用 | 第57-63页 |
5.4.1 决策树的概念与性质 | 第57-58页 |
5.4.2 ID3算法 | 第58-59页 |
5.4.3 决策树模型在中职就业分析中的应用 | 第59-63页 |
6 总结与展望 | 第63-65页 |
6.1 本论文的主要结论 | 第63-64页 |
6.2 研究的局限性 | 第64-65页 |
参考文献 | 第65-69页 |
致谢 | 第69-71页 |
学位论文数据集表 | 第71-72页 |