-
公开(公告)号:CN112488236B
公开(公告)日:2024-05-28
申请号:CN202011461457.4
申请日:2020-12-07
Applicant: 北京工业大学
IPC: G06F18/232 , G06F18/23213 , G06F18/10 , G06F18/2433 , G06Q50/20
Abstract: 本发明针对调查问卷方法在收集数据方面的局限性,以及统计方法、监督学习方法和半监督学习方法对学生标签的严重依赖,提出了一种集成的无监督学生行为聚类方法。首先提取学生行为数据的特征,特征分为三部分,利用众数、平均值以及范围描述数据的集中趋势,利用最小值、第一分位数、中位数、第三分位数以及最大值表达数据的离散情况,利用香农熵衡量行为发生时间和地点的规律程度;然后利用方差和相关性分析选择最佳的行为特征;最后利用DBSCAN对学生的行为特征进行初始聚类,对于超大簇采用K‑means进一步细分,得到最终的聚类结果。本发明不依赖学生标签,仅通过分析行为数据完成聚类,为学生的精细化服务和管理奠定了基础。
-
公开(公告)号:CN117271649A
公开(公告)日:2023-12-22
申请号:CN202310435731.8
申请日:2023-04-22
Applicant: 北京工业大学
Abstract: 一种基于层级超图的学生社交可视分析方法涉及教育领域。学生社交关系与他们的身心健康、学业成绩等密切相关,但关于学生校园社交关系可视分析的研究较少,并且关于他们的高阶社区关系深入分析的少,无法表达学生间相互影响的复杂社交状态。因此,本发明提出了一种基于层级超图的学生社交可视分析方法,根据学生的时空共现特性构建社交关系网,利用Louvain进行学生社交关系的社区划分和社区融合。通过不同的视图分析,探索社区成员分布和行为时间分布,个体社交成员分布和行为时间分布,以及个体行为特征与成绩相关性。本发明基于学生基础信息、校园行为数据和学业成绩进行了案例分析研究和专家评价,验证了本发明的易用性和有效性。
-
公开(公告)号:CN112488236A
公开(公告)日:2021-03-12
申请号:CN202011461457.4
申请日:2020-12-07
Applicant: 北京工业大学
Abstract: 本发明针对调查问卷方法在收集数据方面的局限性,以及统计方法、监督学习方法和半监督学习方法对学生标签的严重依赖,提出了一种集成的无监督学生行为聚类方法。首先提取学生行为数据的特征,特征分为三部分,利用众数、平均值以及范围描述数据的集中趋势,利用最小值、第一分位数、中位数、第三分位数以及最大值表达数据的离散情况,利用香农熵衡量行为发生时间和地点的规律程度;然后利用方差和相关性分析选择最佳的行为特征;最后利用DBSCAN对学生的行为特征进行初始聚类,对于超大簇采用K‑means进一步细分,得到最终的聚类结果。本发明不依赖学生标签,仅通过分析行为数据完成聚类,为学生的精细化服务和管理奠定了基础。
-
-