扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

宣城职业技术学院Jun, Wu带着2024年第1篇SCI来了!

论论资讯 | 2024-05-14 6热度

Applied Mathematics and Nonlinear Sciences

Explore content

About the journal

Publish with us

Integration of higher education student management and pedagogical concepts based on data-based decision making

Wu J.

Published:2024-01-01
DOI:10.2478/amns-2024-0991

研究背景

随着大数据在教育领域的影响日益增长,如何更好地管理高等职业教育学生数据成为一个重要议题。目前,学生管理存在的问题主要表现在如何科学有效地根据学生表现进行分类和管理,以提高教育质量和学生发展。

研究内容

这项研究旨在通过基于“三环教育”理念的模型,整合K-prototypes和LS-SVM算法,解决高等职业学院学生表现的分类和管理问题。研究结果显示,学生主要分为三类:高绩优生(43.65%)、平均表现者(23.38%)和面临挑战者(32.97%),每组在学术成功指标上存在明显差异。该模型还能以不到1.077%的误差预测学生入学人数,为教育管理者提供了可靠的决策工具,有助于有效制定学生管理策略。

研究意义

这项研究的创新之处在于将数据驱动的决策与高等教育学生管理相结合,为教育管理者提供了更科学、更有效的管理手段。通过这种整合,可以更好地了解学生表现并提供个性化的教育服务,从而促进学生的全面发展和提高教育质量。 这篇文章简明扼要地介绍了一项关于高等教育学生管理的重要研究,希望对中学生们理解大数据在教育领域的应用有所帮助。

图片赏析

图1. 职业院校"7S"学生管理模式
图2.高职院校学生素质的相关性研究
图3.K在 [2,10] 时每个簇的轮廓系数
见图4. 基于最小二乘支持向量机的学生人数预测模型
表1. 学生群体的聚类结果与群体特征
表2. 基于最小二乘支持向量机的预测模型与实际数据的比较

微信扫码即可查看