基于校園數(shù)據(jù)的大學(xué)生行為畫像研究與分析?

董瀟瀟 胡 延 陳彥萍

1 引言

大數(shù)據(jù)時(shí)代，高校有著豐富的數(shù)據(jù)來源。校園數(shù)據(jù)即來自于校園的學(xué)生行為數(shù)據(jù)，是指學(xué)生在學(xué)校進(jìn)行學(xué)習(xí)、生活等活動(dòng)時(shí)留下的數(shù)據(jù)，隨著智慧校園的興起，使得這些數(shù)據(jù)被存儲(chǔ)在各種平臺(tái)上。面對(duì)海量的校園數(shù)據(jù)，以及數(shù)據(jù)挖掘技術(shù)在各方面的廣泛應(yīng)用，教育數(shù)據(jù)挖掘逐漸成為各高校研究的重點(diǎn)，利用校園數(shù)據(jù)解決一些不可見問題，從中挖掘出學(xué)生的一些特征和共性，從而對(duì)推進(jìn)教務(wù)和教學(xué)管理工作提供信息支持。

在2006年ITS會(huì)議的教育數(shù)據(jù)挖掘EDM工作組會(huì)議前言中，教育數(shù)據(jù)挖掘被定義為：“將教育系統(tǒng)中的原始數(shù)據(jù)轉(zhuǎn)換成有用信息的過程，這個(gè)過程被用于提供設(shè)計(jì)決策和回答研究問題”［1］。教育數(shù)據(jù)挖掘研究從此得到開展，文獻(xiàn)［2］介紹了美國教育數(shù)據(jù)分析公司自成立以來就為大學(xué)提供數(shù)據(jù)分析云平臺(tái)和服務(wù)，以幫助高校提升學(xué)生學(xué)習(xí)效果和保有率；文獻(xiàn)［3～5］詳細(xì)介紹了關(guān)聯(lián)規(guī)則挖掘算法學(xué)生成績分析中的具體應(yīng)用，得出課程設(shè)置與課程成績之間存在著一定的聯(lián)系；文獻(xiàn)［6～9］通過將數(shù)據(jù)挖掘技術(shù)應(yīng)用到大學(xué)生校園消費(fèi)數(shù)據(jù)，挖掘出了對(duì)高校貧困生認(rèn)定有輔助作用的信息；文獻(xiàn)［10～11］提出了通過分析校園數(shù)據(jù)，預(yù)測(cè)學(xué)生成績，發(fā)掛科預(yù)警，提高了教學(xué)質(zhì)量；鑒于以上對(duì)校園數(shù)據(jù)的分析均是對(duì)單一行為數(shù)據(jù)的分析，很少涉及利用多種校園數(shù)據(jù)對(duì)學(xué)生的綜合分析，大學(xué)生行為畫像，借助大學(xué)生的各種校園數(shù)據(jù)信息，根據(jù)學(xué)生的基本屬性、學(xué)習(xí)行為、消費(fèi)行為等信息，為每個(gè)學(xué)生打標(biāo)簽，對(duì)學(xué)生行為進(jìn)行客觀綜合的描述，抽象出一個(gè)標(biāo)簽化的學(xué)生模型。

2 大學(xué)生行為畫像的構(gòu)建

大學(xué)生行為畫像是利用校園數(shù)據(jù)將學(xué)生行為信息標(biāo)簽化。通過收集大學(xué)生相關(guān)信息數(shù)據(jù)，構(gòu)建大學(xué)生行為畫像，從而對(duì)大學(xué)生以綜合全面的角度進(jìn)行分析，進(jìn)一步準(zhǔn)確了解大學(xué)生學(xué)習(xí)和生活中存在的問題。對(duì)行為畫像進(jìn)行構(gòu)建，主要流程有基礎(chǔ)數(shù)據(jù)收集、行為數(shù)據(jù)處理、構(gòu)建行為畫像，如圖1所示。

圖1 行為畫像構(gòu)建流程

2.1 基礎(chǔ)數(shù)據(jù)收集

2.1.1 數(shù)據(jù)選擇

大學(xué)生行為畫像，是通過從海量大學(xué)生行為數(shù)據(jù)中挖掘隱藏信息，盡可能全面細(xì)致地勾畫出一個(gè)學(xué)生的信息全貌。對(duì)大學(xué)生進(jìn)行行為畫像，涉及到各個(gè)方面的校園行為數(shù)據(jù)。然而，并不是所有的數(shù)據(jù)都適合于大學(xué)生行為畫像，選擇相關(guān)的行為信息，剔除不必要的信息，確定進(jìn)行畫像所包含的信息數(shù)據(jù)。

2.1.2 數(shù)據(jù)的處理

由于收集來的原始數(shù)據(jù)大都是雜亂的、不完整的、重復(fù)的，在進(jìn)行畫像之前，需對(duì)數(shù)據(jù)進(jìn)行處理，大學(xué)生行為畫像的數(shù)據(jù)處理包括數(shù)據(jù)的清洗、數(shù)據(jù)的重構(gòu)、數(shù)據(jù)的整合等。

數(shù)據(jù)的清洗工作是對(duì)不符合實(shí)際情況的數(shù)據(jù)進(jìn)行調(diào)整或者剔除。一般來說，收集的數(shù)據(jù)并非來自同一個(gè)系統(tǒng)，數(shù)據(jù)格式存在不一致性，需將所有數(shù)據(jù)統(tǒng)一格式并存儲(chǔ)在同一個(gè)數(shù)據(jù)庫或數(shù)據(jù)倉庫中；另外，現(xiàn)實(shí)的數(shù)據(jù)庫存儲(chǔ)的數(shù)據(jù)中，經(jīng)常存在空值，通常采用替換法，用“0”或者用該項(xiàng)的平均值進(jìn)行替換。數(shù)據(jù)的重構(gòu)工作即生成新的字段和記錄。數(shù)據(jù)的整合是對(duì)相關(guān)的數(shù)據(jù)進(jìn)行合并處理。

2.2 畫像標(biāo)簽設(shè)計(jì)

標(biāo)簽通常是人工定義的高度精煉的特征標(biāo)識(shí)，語義化是標(biāo)簽呈現(xiàn)出的一個(gè)重要特征，它賦予標(biāo)簽一定的含義，使人們能夠容易理解這些標(biāo)簽［12］。標(biāo)簽化是大學(xué)生行為畫像的核心，標(biāo)簽化的大學(xué)生行為畫像既方便人的理解，有方便計(jì)算機(jī)的處理。

就目前來說，給大學(xué)生添加標(biāo)簽仍以人工整理方式為主，一般通過綜合整理大學(xué)生的基本信息和各種校園數(shù)據(jù)確定標(biāo)簽的定義及表示。根據(jù)大學(xué)生校園行為數(shù)據(jù)包括了學(xué)生的成績數(shù)據(jù)信息、消費(fèi)數(shù)據(jù)信息、借閱數(shù)據(jù)信息、門禁數(shù)據(jù)信息以及上課簽到數(shù)據(jù)信息等，畫像的標(biāo)簽可以基本確定，包括了大學(xué)生的基本屬性標(biāo)簽和動(dòng)態(tài)屬性標(biāo)簽，如表1所示。

表1 大學(xué)生行為畫像標(biāo)簽

2.3 行為畫像構(gòu)建

在對(duì)大學(xué)生校園數(shù)據(jù)進(jìn)行分析時(shí)，為了從綜合的角度多方面分析一個(gè)學(xué)生的全貌，需要對(duì)大學(xué)生進(jìn)行行為畫像，從而對(duì)分析學(xué)生的學(xué)習(xí)成績、消費(fèi)能力等信息提供數(shù)據(jù)基礎(chǔ)。行為畫像是真實(shí)學(xué)生在校園活動(dòng)中的形象勾勒，為學(xué)生打上一系列標(biāo)簽，實(shí)現(xiàn)學(xué)生校園行為信息標(biāo)簽化。

大學(xué)生行為畫像建模的核心是根據(jù)學(xué)生的基礎(chǔ)信息、成績信息、消費(fèi)流水等數(shù)據(jù)歸納出一種方便分析學(xué)生信息的模型，使學(xué)生信息標(biāo)簽化，以便后續(xù)對(duì)學(xué)生情況的分析，例如，可以使用“女，網(wǎng)絡(luò)工程班，成績優(yōu)秀等”來描述學(xué)生行為畫像。根據(jù)設(shè)計(jì)好的標(biāo)簽屬性對(duì)大學(xué)生行為進(jìn)行描述。

3 群體大學(xué)生行為畫像分析

3.1 行為畫像處理

由于在對(duì)大學(xué)生行為畫像聚類時(shí)，涉及到多個(gè)標(biāo)簽值，而不同標(biāo)簽數(shù)值的取值范圍可能存在數(shù)量級(jí)級(jí)別的差異，比如，借閱冊(cè)數(shù)：5，學(xué)期總消費(fèi)額：5000，從而使得綜合聚類過程中，有的標(biāo)簽貢獻(xiàn)微乎其微。因此，在聚類錢，需將各標(biāo)簽值進(jìn)行［0，1］歸一化處理。

歸一化是物理系統(tǒng)中一種無量綱處理手段，對(duì)大學(xué)生行為畫像進(jìn)行歸一化處理旨在將不同取值范圍的標(biāo)簽數(shù)據(jù)統(tǒng)一映射到［0，1］區(qū)間。常用的歸一化處理方法有線性函數(shù)轉(zhuǎn)換、數(shù)函數(shù)轉(zhuǎn)換、反正切函數(shù)轉(zhuǎn)換等。其中線性函數(shù)轉(zhuǎn)換為

其中，U、V分別標(biāo)識(shí)轉(zhuǎn)換后、轉(zhuǎn)換前的值，Vmax、Vmin分別表示帶轉(zhuǎn)換值的最大值和最小值。

數(shù)函數(shù)轉(zhuǎn)換為

即以10為底的對(duì)數(shù)函數(shù)轉(zhuǎn)換。

反正切函數(shù)轉(zhuǎn)換為

3.2 行為畫像聚類

對(duì)已經(jīng)構(gòu)建好的行為畫像進(jìn)行聚類，目的是根據(jù)大學(xué)生行為畫像間相似程度，將相似的行為畫像聚為一類，使得類別內(nèi)部的差異盡可能小，而類別之間的差異盡可能大［16］。聚類是一個(gè)無監(jiān)督的分類，沒有任何先驗(yàn)知識(shí)可以利用。行為畫像聚類的形式可以描述為

令 P=｛p1，p2，…，pm｝表示行為畫像集合，其中pi表示第 i個(gè)行為畫像。Ci=｛pi1，pi2，…，pin｝表示聚類后的第i個(gè)分類，其中pij表示Ci分類中的第j個(gè)元素。聚類結(jié)束后，各分類應(yīng)滿足以下三個(gè)條件：

式（4）指所有的聚類以后的畫像類別之和構(gòu)成全部的行為畫像；式（5）指聚類后的兩個(gè)不同類別之間的差異較大，幾乎不存在任何交集；式（6）中指的是兩個(gè)行為畫像pi和pj的相似度，表示的是一種距離，整個(gè)公式表達(dá)的意思是同一個(gè)聚類類別中兩個(gè)行為畫像的最大相似度距離應(yīng)小于不同聚類類別中兩個(gè)行為畫像的最小相似度距離。

通過聚類結(jié)果，可以發(fā)現(xiàn)各類行為畫像間隱含的信息，提取各類行為畫像的信息，為某一類具有相似度的大學(xué)生設(shè)計(jì)教學(xué)指導(dǎo)。以劃分式聚類算法中經(jīng)典的K-Means算法來描述群體大學(xué)生行為畫像分析。K-Means算法是一種使用較廣泛的聚類算法［17～19］，實(shí)現(xiàn)過程比較直觀，預(yù)先設(shè)置K的取值，其分析大學(xué)生行為畫像的流程［20～21］如圖2所示。

圖2 基于K-Means算法的行為畫像聚類流程

4 大學(xué)生行為畫像的應(yīng)用與分析

4.1 應(yīng)用

4.1.1 基礎(chǔ)數(shù)據(jù)收集

確定為某高校計(jì)算機(jī)學(xué)院的全體學(xué)生構(gòu)建行為畫像，該行為畫像基于學(xué)生基礎(chǔ)信息、消費(fèi)信息和借閱信息等，選取該院學(xué)生的基本屬性數(shù)據(jù)、教務(wù)管理系統(tǒng)中的成績數(shù)據(jù)以及校園一卡通中的消費(fèi)數(shù)據(jù)和借閱數(shù)據(jù)。

4.1.2 行為數(shù)據(jù)處理

根據(jù)收集的基礎(chǔ)數(shù)據(jù)有個(gè)人信息、成績、消費(fèi)以及借閱數(shù)據(jù)，可以確定大學(xué)生行為畫像的標(biāo)簽為：（學(xué)號(hào)，姓名，班級(jí)，平均成績，平均交易額，日均交易額，借書冊(cè)數(shù)，還書冊(cè)數(shù)）。到此，已經(jīng)做好了對(duì)行為畫像進(jìn)行構(gòu)建的準(zhǔn)備工作。

4.1.3 構(gòu)建行為畫像

采用統(tǒng)計(jì)等方法，將處理好的行為數(shù)據(jù)利用SQL腳本語句綜合到一個(gè)二維表中，得到該校計(jì)算機(jī)學(xué)院行為畫像的原始數(shù)據(jù)為了構(gòu)建的大學(xué)生行為畫像更語義化，將平均成績分為不及格、及格、良好、優(yōu)秀四個(gè)等級(jí)；參考全校學(xué)生的學(xué)期交易金額、日均交易金額、學(xué)期借還書冊(cè)數(shù)，將交易金額、日均交易金額、借書冊(cè)數(shù)、還書冊(cè)數(shù)四個(gè)行為標(biāo)簽劃分為較多、一般、較少、無四個(gè)級(jí)別。在SPSS中利用將變量重新編碼為相同變量功能進(jìn)行語義化處理［13］，得到大學(xué)生行為畫像如圖3所示。

圖3 大學(xué)生行為畫像

4.2 分析

對(duì)已經(jīng)構(gòu)建好的畫像進(jìn)行群體分析，則要對(duì)行為畫像聚類，考慮多個(gè)行為標(biāo)簽的取值范圍差異較大，避免在綜合聚類過程中有的標(biāo)簽貢獻(xiàn)度較大而有的標(biāo)簽恭喜度較小，需將原始畫像數(shù)據(jù)進(jìn)行歸一化［0，1］處理。此處，選取線性函數(shù)轉(zhuǎn)換法，借用IBM SPSSStatistics工具的計(jì)算變量功能進(jìn)行［0，1］歸一化處理。

借用數(shù)據(jù)挖掘工具IBM SPSSModeler，采用K-Means均值算法，對(duì)歸一化處理后的行為畫像進(jìn)行聚類，在此，設(shè)K=5，即將行為畫像聚為5個(gè)類別，以成績、學(xué)期交易金額、日均交易額、借書量和還書量為輸入值，以基本信息學(xué)號(hào)、姓名、班級(jí)為目標(biāo)值［14］，聚類結(jié)果如圖4所示。

圖4 行為畫像聚類結(jié)果

在將該校計(jì)算機(jī)學(xué)院的學(xué)生聚為5類，以對(duì)聚類-1中大學(xué)生行為畫像的分析為例進(jìn)行詳細(xì)描述。結(jié)合圖4和聚類-1各標(biāo)簽值的單元分布圖5，容易看出該類學(xué)生包含了285名學(xué)生，占全院學(xué)生總數(shù)的25.6%，基本上所有的學(xué)生的借書冊(cè)數(shù)量和還書冊(cè)數(shù)量較多，個(gè)別學(xué)生的借書冊(cè)數(shù)量和還書冊(cè)數(shù)量一般，有一半的人交易金額較少、日均交易金額一般，從學(xué)習(xí)成績上來看，該類學(xué)生學(xué)習(xí)成績一般者較多，及格與優(yōu)秀的也占一大部分，幾乎沒有不及格的學(xué)生。從這些量的數(shù)據(jù)來看，該類學(xué)生是該院較為優(yōu)秀的學(xué)生，基本上不存在學(xué)習(xí)與生活上的困難或問題。

聚類-2中有184名學(xué)生，大多數(shù)借書冊(cè)數(shù)較少，還書冊(cè)數(shù)自然也較少，學(xué)習(xí)成績上及格的學(xué)生占據(jù)小一半，不及格的人也較多，而生活上消費(fèi)金額較少，應(yīng)考慮該類學(xué)生是否存在生活困難等問題，并且對(duì)于該類學(xué)生，應(yīng)提醒其增加學(xué)習(xí)的主動(dòng)性，多借書，從而在學(xué)習(xí)成績上也取得一定的進(jìn)步。

聚類-3中有250名學(xué)生，在學(xué)習(xí)成績、消費(fèi)以及圖書借閱上均是中等，需在各方面進(jìn)行些許提高指導(dǎo)。

聚類-4中有90名學(xué)生，該類學(xué)生在消費(fèi)水平上是中上等，在學(xué)習(xí)成績提高以及借閱量上還需提高。

聚類-5中有304名學(xué)生，該類學(xué)生在生活上不存在問題，借書量以及學(xué)習(xí)成績上有待提高。

通過聚類將大學(xué)生行為畫像分類，從而為某一類群體進(jìn)行分析，挖掘該類學(xué)生學(xué)習(xí)生活特征，進(jìn)一步制定相應(yīng)的教學(xué)指導(dǎo)［15］。

5 結(jié)語

針對(duì)現(xiàn)階段高校校園數(shù)據(jù)的海量積累，而教育數(shù)據(jù)挖掘在校園數(shù)據(jù)分析方面，很少有結(jié)合不同種類的數(shù)據(jù)加以綜合分析，本文提出了大學(xué)生行為畫像概念，分別用成績、消費(fèi)水平、借閱頻率等屬性標(biāo)簽對(duì)大學(xué)生進(jìn)行行為畫像，并用聚類算法對(duì)大學(xué)生行為畫像做了分類，通過聚類結(jié)果，對(duì)學(xué)生在學(xué)習(xí)和生活上進(jìn)行監(jiān)督，使每位學(xué)生都能度過一個(gè)高質(zhì)量的學(xué)校生活。

圖5 聚類-1各標(biāo)簽值的單元分布

［1］Heiner，C.etl.Preface［C］//In：Work shop on Educational Data Mining at the 8th International Conference on Intelligent Tutoring Systems，Taiwan，2006.

［2］于娜.高校快被數(shù)據(jù)“淹死”了？快來看看大數(shù)據(jù)的正確使用姿勢(shì)［J］.麥可思研究，2016.

YU Na.Does Colleges“Drown”by Data？Come and Have a Look at the Correct Position of the Using on Big Data［J］.MyCOS_Research，2016.

［3］崔學(xué)文.關(guān)聯(lián)規(guī)則挖掘算法Apriori在學(xué)生成績分析中的應(yīng)用［J］.河北北方學(xué)院學(xué)報(bào)（自然科學(xué)版），2011，27（1）：44-47.

CUI Xuewen.Application of Association Rules for Mining Apriori Algorithm to Analysis of Students'Performance［J］.Journal of Hebei North University（Natural Science Edition），2011，27（1）：44-47.

［4］姚文迪.基于關(guān)聯(lián)規(guī)則算法的數(shù)據(jù)挖掘在高校成績中的研究與應(yīng)用［D］.成都：西南交通大學(xué)，2015.

YAO Wendi.Research of Data Mining by Association Rules and Its Application to the Analysis of Academic Achievements［D］.Chengdu：Southwest Jiaotong University，2015.

［5］吳喜萍.基于關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)的高校學(xué)生學(xué)習(xí)成績分析［D］.成都：西南交通大學(xué)，2010.

WU Xiping.The Analysis of College Student Achievement based on Association Rules Mining Technology［D］.Chengdu：Southwest Jiaotong University，2010.

［6］王雪飛.數(shù)據(jù)挖掘在高校貧困生校園卡流水?dāng)?shù)據(jù)中的應(yīng)用研究［D］.長春：東北師范大學(xué)，2014.

WANG Xuefei.Application of College Students with Financial Difficulties on Campus Card Flow Data of Data Mining［D］.Changchun：Northeast Normal University，2014.

［7］張冬冬，李玉龍，王玉鑫.數(shù)據(jù)挖掘技術(shù)在高校貧困生認(rèn)定中的應(yīng)用［J］.西安文理學(xué)院學(xué)報(bào)（自然科學(xué)版），2013，16（4）：90-94.

ZHANGDongdong，LIYulong，WANGYuxin.The Application of Data Miniing Technology in Identifying Needy College Students［J］.Journal of Xi'an University of Arts&Science（Nat Sci Ed），2013，16（4）：90-94.

［8］單菊芬.基于數(shù)據(jù)挖掘技術(shù)的高校貧困生管理系統(tǒng)設(shè)計(jì)和分析［D］.南京：南京郵電大學(xué)，2012.

SHAN Jufen.Design and Analysis Based on the Data Mining Technology of Poverty Stricken Students'Management System in Colleges［D］.Nanjing：Nanjing University of Posts and Telecommunications，2012.

［9］吳喜萍.基于關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)的高校學(xué)生學(xué)習(xí)成績分析［D］.成都：西南交通大學(xué)，2010.

WU Xiping.The Analysis of College Student Achievement based on Association Rules Mining Technology［D］.Chengdu：Southwest Jiaotong University，2010.

［10］唐雪.“學(xué)生畫像”發(fā)掛科預(yù)警［J］.大學(xué)生，2015（22）：35-37.

TANG Xue.“Students Portrait”Can Predict a Failure in Subjects［J］.China Campus，2015（22）：35-37.

［11］呂紅胤，連德富，聶敏，等.大數(shù)據(jù)引領(lǐng)教育未來：從成績預(yù)測(cè)談起［J］.大數(shù)據(jù)，2015（4）：118-121.

LV Hongyin，LIAN Defu，NIE Min，et al.Big Data Drives a New Epoch of Education：A Case Study of Academic Performance Prediction［J］.Big Data Research，2015（4）：118-121.

［12］牛溫佳，劉吉強(qiáng)，石川，等.用戶網(wǎng)絡(luò)行為畫像［M］.北京：電子工業(yè)出版社，2016：3-49.

NIU Wenjia，LIU Jiqiang，SHI Chuan，et al.The User's Network Behavior Portrait［M］.Beijing：Publishing House of Electronics Industry，2016：3-49.

［13］謝龍漢，尚濤.SPSS統(tǒng)計(jì)分析與數(shù)據(jù)挖掘［M］.北京：電子工業(yè)出版社，2012：102-157.

XIE Longhan，SHANG Tao.SPSS Statistics and Data Mining［M］.Beijing：Publishing House of Electronics Industry，2012：102-157.

［14］張文彤，鐘云飛.IBM SPSS數(shù)據(jù)分析與挖掘?qū)崙?zhàn)案例精粹［M］.北京：清華大學(xué)出版社，2013：358-369.

ZHANG Wentong，ZHONG Yunfei.The Mastery of Actual Cases on IBM SPSS Statistics and Mining［M］.Beijing：Tsinghua University Press，2013：358-369.

［15］Kurniawan Y，Halim E.Use data warehouse and data mining to predict student academic performance in schools：A case study（perspective application and benefits）［C］//in Teaching，Assessment and Learning for Engineering（TALE），2013 IEEE International Conference on ，vol.，no.，pp.98-103，26-29 Aug.2013.

［16］柳玉巧.聚類分析和關(guān)聯(lián)規(guī)則技術(shù)在成績分析中的研究及應(yīng)用［D］.武漢：華中師范大學(xué)，2014.

LIU Yuqiao.The Research and Application of Clustering Analysis and Assocation Rules in the Achievement Analysis［D］.Wuhan：Central China Normal University，2014.

［17］劉靈松.校園一卡通數(shù)據(jù)分析平臺(tái)研究與設(shè)計(jì)［D］.濟(jì)南：山東師范大學(xué)，2015.

LIU Lingsong.Design and Implementation of Campus Smart Card Data Analysis Platform［D］.Jinan：Shandong Normal University，2015.

［18］陳鋒.基于校園一卡通系統(tǒng)的高校用戶就餐消費(fèi)行為分析與數(shù)據(jù)挖掘［J］.中國教育信息化，2014（9）：47-49.

CHEN Feng.Analysis and Data Mining on Dinner Consume Behavior of Campus Users based on Campus Smart Card System［J］.The Chinese Journal of ICT in Education，2014（9）：47-49.

［19］夷臻.學(xué)生事務(wù)數(shù)據(jù)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［D］.蘇州：蘇州大學(xué)，2015.

YI Zhen.Design and Implementation of Student Affairs Data Analysis System［D］.Suzhou：Soochow University，2015.

［20］孟卓，袁梅宇.教育數(shù)據(jù)挖掘發(fā)展現(xiàn)狀及研究規(guī)律的分析［J］.教育導(dǎo)刊，2015（2）：29-33.

MENG Zhuo，YUAN Meiyu.The Analysis on Development Situation and Research rules of Educational Data Mining［J］.Journal of Educational Development，2015（2）：29-33.

［21］馬月.數(shù)據(jù)挖掘技術(shù)在教育信息化中的應(yīng)用研究［D］.西安：西安郵電大學(xué)，2014.

MA Yue.Research on Application of Data Mining Technology in Education Informationization［D］.Xi'an：Xi'an University of Posts and Telecommunications，2014.