作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将主分量分析(PCA)应用于学生成绩分析,能够揭示学生成绩的分异特点、课程间的相互关系以及影响学生成绩分异的主要课程,从而为课堂教学、课程设置以及对学生的因材施教提供合理的建议.
推荐文章
数据挖掘技术在学生成绩分析中的应用
数据仓库
数据挖掘
学生成绩
关联规则
Apriori算法
数据挖掘在学生成绩分析中的应用
数据挖掘
学生
成绩分析
数据分析
因子分析在学生成绩综合评价中的应用
因子分析
各科成绩
综合评价
实例分析
聚类算法在学生成绩分析中的应用
聚类算法
学生成绩
教学改革
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 PCA法在学生成绩分析中的应用
来源期刊 理工高教研究 学科 教育
关键词 主分量分析 主成分 成绩分析 学生成绩 负荷量 PCA法 典范对应分析 数学分析 课程成绩 大学英语
年,卷(期) lggjyj_2003,(5) 所属期刊栏目
研究方向 页码范围 71-74
页数 4页 分类号 G64
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 丁梅芳 11 127 6.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2003(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
主分量分析
主成分
成绩分析
学生成绩
负荷量
PCA法
典范对应分析
数学分析
课程成绩
大学英语
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
理工高教研究
双月刊
1671-606X
42-1661/G4
武昌珞狮路122号
出版文献量(篇)
3411
总下载数(次)
0
论文1v1指导