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:
通过考试成绩来评价学生学习情况是我国基础教育最常用的方式.然而,考试成绩单往往只能提供成绩排名和及格率等数据,要从成绩单中直接获取学生在班级中的成绩分布以及偏科情况等具有一定难度.文章采用机器学习中的K-Means聚类算法,对学生文理科成绩分数进行聚类分析,进而针对聚类结果作出分析与评价,为实施个性化教学策略提供直观参考数据.
推荐文章
基于聚类分析的K-means算法研究及应用
数据挖掘
聚类分析
数据库
聚类算法
基于Hadoop的Canopy-K-means并行算法的学生成绩与毕业流向关系分析
Hadoop
Canopy-K-means
最小最大原则
MapReduce
教务
毕业流向
基于Spark的并行K-means算法研究
Spark
K-means
PSO
迭代计算
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 基于K-Means算法的学生成绩聚类分析
来源期刊 教育信息技术 学科
关键词 K-Means 学生成绩聚类 机器学习
年,卷(期) 2021,(5) 所属期刊栏目 探索与实践
研究方向 页码范围 56-58
页数 3页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1671-3176.2021.05.015
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (5)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(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
K-Means
学生成绩聚类
机器学习
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
教育信息技术
月刊
1671-3176
44-1529/G4
大16开
广州市江南大道中233号
46-255
1980
chi
出版文献量(篇)
5557
总下载数(次)
17
论文1v1指导