基于教育数据挖掘的大学生学习成果分析

基于经典的大学生发展理论,通过实证分析,从大学生学习经历角度,采用逐步回归和神经网络等教育数据挖掘技术,在学生个体和学校两大层面构建大学生学习成果的预测和评价模型,对大学生学习成果及其影响因素进行分析。分析发现,在学生个体方面,学生学习投入是影响学习成果的最重要因素;在学校方面,学习资源和校园文化是影响学习成果的重要因素;在学校因素和学生因素融合方面,在校学习满意度对学习成果具有一定的影响。另外,学生在其学习经历中,与学校系统内部的学术系统和社交系统相融合则可取得较好的学习成果。     

大数据时代高校信息管理与决策机制研究

高等教育机构正处于数据爆炸但知识贫乏的大数据时代,多年积累的海量教育教学数据为高校的管理与决策带来了挑战。分析了高校海量数据现状及其存在的问题,对如何有效利用数据以提升管理与决策支持机制进行了探索,提出高校要进一步推进海量数据信息集成建设,通过信息技术对教育发展进行变革,从信息技术上采用商业智能等大数据处理技术、从行政管理上落实全面的数据管理机制,构建完善的高校教育教学数据质量保障体系,从根本上解决和满足大数据时代高校对信息的需求,从而提升管理效益。