基于关系矩阵二分网络与Louvain聚类算法的学生学业表现分析

摘要

随着教育信息化和数字化的不断深入，利用学生的表现数据分析学生的突出能力和行为模式等有利于对学生进行个性化培养。研究从各维度的学生基础数据中建立学业分析的数据集。采用基于机器学习算法进行数据挖掘，获得数据集中的特征信息。之后结合关系矩阵的二分网络方法和基于模块度优化的多层次社区发现算法建立学生学业表现分析的模型。最后采用Louvain算法提取复杂图网络中的特征，对学生完成综合评价分组。仿真试验和实例应用的结果表明，经关系矩阵的二分网络方法处理较标准化处理的模块度值高近2.6倍，学生群组2、3、4和1中获得在校奖学金的比例分别为66.15%、46.54%、33.98%和22.20%,而获得科研竞赛的比例分别为24.77%、15.99%、9.82%、9.15%。分组结果证明组内相关性强，而组间相关性弱。结合分组情况和组内学生的学业表现进行分析，可以有效地提取出各个组别学生的行为特征和实践能力等，更有助于学生个性化和精细化培养。研究结果为信息化教育提供了一种新的思路。

关键词

关系矩阵 / Louvain算法 / 特征提取 / 模型 / 学业表现分析 / 二分网络法

基金资助

陕西省教育厅一般专项科研计划项目(22JK0025)