高校学生上网行为分析与数据挖掘研究

网络对于学生的学习既有正面作用,又有负面作用。为了制定合理、有效的网络管理措施,本研究以学生上网数据和学生成绩数据为研究对象,采用决策树、关联规则、逻辑回归三种数据挖掘方法对学生上网行为相关属性与学生学习质量之间的关系进行了研究。研究结果表明,学生上网行为的相关属性如"上网时长""入流量""出流量""总流量""上网次数"等均对学生的学习质量有不同程度的影响,且均呈现负相关关系。其中,"上网时长"是影响学习质量的主要因素,可以根据数据挖掘发现的关键数据节点,制定相应的网络管理措施限制学生过度上网。三种数据挖掘方法都较好地实现了预期效果,得出的结论基本一致,其中关联规则挖掘算法的总体性能最好,决策树算法的总体性能略好于逻辑回归算法。