教育数据挖掘技术与应用

教育数据挖掘技术与应用
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
2021-10
版次: 1
ISBN: 9787121420733
定价: 68.00
装帧: 其他
开本: 其他
纸张: 胶版纸
页数: 276页
9人买过
  • 本选题首先深入剖析了教育大数据的特征,提出教育大数据分析与挖掘技术的目标和应用前景,梳理教育领域常用的分析挖掘技术,揭示教育大数据分析的本质。随后,从教育数据获取与预处理、数据降维、分析与预测、多维关联挖掘、聚类分析、滞后时间序列分析、社会网络分析等七个方面介绍教育数据挖掘的原理和实践。本选题不仅阐释了决策树、人工神经网络、支持向量机、朴素贝叶斯分类器、Logistic回归、Apriori算法、K-Means聚类、层次聚类等分析技术的原理,也利用SPSS Modeler、GSEQ、Ucinet、Gephi等软件结合案例和实操对这些算法的应用场景进行了全面介绍。本选题结合案例将复杂的数据分析技术进行深入浅出的讲解,选用教育领域的数据进行预处理、降维、预测、聚类、关联分析、时间序列分析和社会网络分析。与此同时,结合微视频讲解案例操作,形成立体化教材,努力将本书打造成在内容设计上面具有实践性,在知识层面上具有发展性,在表现形式上具有富媒体性的图书。 丁继红,博士,浙江工业大学教育科学与技术学院硕士生导师,讲师。具有教育技术学、计算机科学与技术的跨学科研究背景,多年来一直从事智能教学系统、自适应学习和教育精准服务等相关研究工作,主持国家自然科学青年基金、浙江省哲学社会科学基金等项目7项,第二参与国家基金2项,以作者发表20多篇SCI一区,SSCI一区、CSSCI、CSCD研究论文。 第1章  教育数据挖掘概述    /  1

    1.1  数据挖掘及其要解决的问题    /  1

    1.2  教育数据的来源和特点    /  3

    1.3  教育数据分类    /  4

    1.4  教育数据挖掘的目标和价值    /  6

    1.5  教育数据挖掘技术概述    /  8

    本章小节     /  14

      第2章  教育数据采集和预处理    /  15

    2.1  教育数据采集    /  15

    2.2  初始数据存在的杂乱性    /  19

    2.3  数据清洗    /  20

    2.4  数据集成    /  23

    2.5  数据变换    /  26

    2.6  数据规约    /  27

    2.7  教育数据预处理应用案例    /  28

    本章小节     /  35

      第3章  教育数据降维    /  36

    3.1  数据降维概述    /  37

    3.2  两种数据降维方法    / 37 

    3.3  特征选择数据降维方法    / 38 

    3.4  特征提取数据降维方法    /  40

    3.5  特征选择数据降维方法在教育数据中的应用案例    /  44

    3.6  特征提取数据降维方法在教育数据中的应用案例1    /  51

    3.7  特征提取数据降维方法在教育数据中的应用案例2    /  56

    本章小节     /  65

      第4章  决策树、人工神经网络和支持向量机    /  66

    4.1  分类预测概述    /  66

    4.2  决策树    /  67

    4.3  C5.0算法及其应用    /  73

    4.4  决策树应用案例    /  86

    4.5  人工神经网络    /  94

    4.6  神经网络应用案例    /  101

    4.7  支持向量机    /  105

    4.8  支持向量机应用案例    /  113

    本章小节     /  117

      第5章  朴素贝叶斯分类器、贝叶斯网络和二项Logistic回归    /  118

    5.1  贝叶斯概率和贝叶斯定理    /  118

    5.2  朴素贝叶斯分类器    /  119

    5.3  朴素贝叶斯分类应用案例    /  121

    5.4  贝叶斯网络    /  126

    5.5  贝叶斯网络应用案例    /  131

    5.6  二项Logistic回归分析    /  136

    5.7  二项Logistic回归分析应用案例    /  146

    本章小节     /  159

      第6章  关联分析    /  160

    6.1  关联分析概述    /  160

    6.2  Apriori算法    /  165

    6.3  经典应用案例——购物篮关联分析    /  170

    6.4  教育应用案例——学习行为关联分析    /  177

    本章小节     /  184

      第7章  聚类分析    /  185

    7.1  聚类分析概述    /  185

    7.2  K-Means聚类及应用    /  189

    7.3  层次聚类及其应用    /  198

    7.4  两步聚类及其应用    /  202

    7.5  Kohonen网络聚类    /  211

    本章小节     /  222

      第8章  滞后序列分析    /  223

    8.1  行为序列分析和滞后序列分析概述    /  223

    8.2  滞后序列分析工具    /  225

    8.3  基于滞后序列分析法的学习行为分析流程    /  232

    8.4  基于滞后序列分析法的学习行为分析应用    /  235

    8.5  基于滞后序列分析法的学习行为分析应用案例    /  237

    本章小节     /  242

      第9章  社会网络分析    /  243

    9.1  社会网络分析概述    /  243

    9.2  社会网络分析过程和方法    /  246

    9.3  UCINET    /  253

    9.4  Gephi    /  259

    本章小节     /  268
  • 内容简介:
    本选题首先深入剖析了教育大数据的特征,提出教育大数据分析与挖掘技术的目标和应用前景,梳理教育领域常用的分析挖掘技术,揭示教育大数据分析的本质。随后,从教育数据获取与预处理、数据降维、分析与预测、多维关联挖掘、聚类分析、滞后时间序列分析、社会网络分析等七个方面介绍教育数据挖掘的原理和实践。本选题不仅阐释了决策树、人工神经网络、支持向量机、朴素贝叶斯分类器、Logistic回归、Apriori算法、K-Means聚类、层次聚类等分析技术的原理,也利用SPSS Modeler、GSEQ、Ucinet、Gephi等软件结合案例和实操对这些算法的应用场景进行了全面介绍。本选题结合案例将复杂的数据分析技术进行深入浅出的讲解,选用教育领域的数据进行预处理、降维、预测、聚类、关联分析、时间序列分析和社会网络分析。与此同时,结合微视频讲解案例操作,形成立体化教材,努力将本书打造成在内容设计上面具有实践性,在知识层面上具有发展性,在表现形式上具有富媒体性的图书。
  • 作者简介:
    丁继红,博士,浙江工业大学教育科学与技术学院硕士生导师,讲师。具有教育技术学、计算机科学与技术的跨学科研究背景,多年来一直从事智能教学系统、自适应学习和教育精准服务等相关研究工作,主持国家自然科学青年基金、浙江省哲学社会科学基金等项目7项,第二参与国家基金2项,以作者发表20多篇SCI一区,SSCI一区、CSSCI、CSCD研究论文。
  • 目录:
    第1章  教育数据挖掘概述    /  1

    1.1  数据挖掘及其要解决的问题    /  1

    1.2  教育数据的来源和特点    /  3

    1.3  教育数据分类    /  4

    1.4  教育数据挖掘的目标和价值    /  6

    1.5  教育数据挖掘技术概述    /  8

    本章小节     /  14

      第2章  教育数据采集和预处理    /  15

    2.1  教育数据采集    /  15

    2.2  初始数据存在的杂乱性    /  19

    2.3  数据清洗    /  20

    2.4  数据集成    /  23

    2.5  数据变换    /  26

    2.6  数据规约    /  27

    2.7  教育数据预处理应用案例    /  28

    本章小节     /  35

      第3章  教育数据降维    /  36

    3.1  数据降维概述    /  37

    3.2  两种数据降维方法    / 37 

    3.3  特征选择数据降维方法    / 38 

    3.4  特征提取数据降维方法    /  40

    3.5  特征选择数据降维方法在教育数据中的应用案例    /  44

    3.6  特征提取数据降维方法在教育数据中的应用案例1    /  51

    3.7  特征提取数据降维方法在教育数据中的应用案例2    /  56

    本章小节     /  65

      第4章  决策树、人工神经网络和支持向量机    /  66

    4.1  分类预测概述    /  66

    4.2  决策树    /  67

    4.3  C5.0算法及其应用    /  73

    4.4  决策树应用案例    /  86

    4.5  人工神经网络    /  94

    4.6  神经网络应用案例    /  101

    4.7  支持向量机    /  105

    4.8  支持向量机应用案例    /  113

    本章小节     /  117

      第5章  朴素贝叶斯分类器、贝叶斯网络和二项Logistic回归    /  118

    5.1  贝叶斯概率和贝叶斯定理    /  118

    5.2  朴素贝叶斯分类器    /  119

    5.3  朴素贝叶斯分类应用案例    /  121

    5.4  贝叶斯网络    /  126

    5.5  贝叶斯网络应用案例    /  131

    5.6  二项Logistic回归分析    /  136

    5.7  二项Logistic回归分析应用案例    /  146

    本章小节     /  159

      第6章  关联分析    /  160

    6.1  关联分析概述    /  160

    6.2  Apriori算法    /  165

    6.3  经典应用案例——购物篮关联分析    /  170

    6.4  教育应用案例——学习行为关联分析    /  177

    本章小节     /  184

      第7章  聚类分析    /  185

    7.1  聚类分析概述    /  185

    7.2  K-Means聚类及应用    /  189

    7.3  层次聚类及其应用    /  198

    7.4  两步聚类及其应用    /  202

    7.5  Kohonen网络聚类    /  211

    本章小节     /  222

      第8章  滞后序列分析    /  223

    8.1  行为序列分析和滞后序列分析概述    /  223

    8.2  滞后序列分析工具    /  225

    8.3  基于滞后序列分析法的学习行为分析流程    /  232

    8.4  基于滞后序列分析法的学习行为分析应用    /  235

    8.5  基于滞后序列分析法的学习行为分析应用案例    /  237

    本章小节     /  242

      第9章  社会网络分析    /  243

    9.1  社会网络分析概述    /  243

    9.2  社会网络分析过程和方法    /  246

    9.3  UCINET    /  253

    9.4  Gephi    /  259

    本章小节     /  268
查看详情
12
相关图书 / 更多
教育数据挖掘技术与应用
教育无痕:掌握家庭教育核心法则,与孩子共同成长
王琳
教育数据挖掘技术与应用
教育写作:从教改实践走向成果表达 大夏书系
颜莹
教育数据挖掘技术与应用
教育,让自己长出力量 大夏书系
王木春
教育数据挖掘技术与应用
教育与教师教育(教师教育哲学译丛)
[英]理查德·S·彼得斯
教育数据挖掘技术与应用
教育信息化案例设计
王会军
教育数据挖掘技术与应用
教育政策与教师专业重构——国际比较的视角
(法)罗知北、刘敏、(葡)路易斯·米格尔·卡瓦略、(巴西)达莉拉·安德拉德·奥利韦拉、(加)路易·勒瓦瑟 编
教育数据挖掘技术与应用
教育与激情:社会转型背景下县城高中教师情感能量研究
胡鹏辉
教育数据挖掘技术与应用
教育法学原论 (管华著)
管华
教育数据挖掘技术与应用
教育数字化转型研究与实践
丁雪峰,殷婕,郭真
教育数据挖掘技术与应用
教育政策与法规
刘若谷
教育数据挖掘技术与应用
教育,就是给孩子高情绪价值
贾杜晶,岳贤伦著
教育数据挖掘技术与应用
教育信息化政策和总体规划论纲
苗逢春 译