1. 研究目的与意义
自 2020 年初，由于新冠肺炎疫情暴发，为了防止疫情进一步蔓延，大部分的学校都采取停课等措施来应对。据不完全统计数据，全球范围内有近 70%的学生无法参加正常的教学活动。越来越多的学校逐渐将传统的授课模式改为远程线上授课，发展远程教育的重要性不言而喻。在改变传统的教学模式，提升我国的教育水平质量，远程授课的方式在未来教育方面占有举足轻重的位置。由于学校招生规模不断扩大，在校生数量呈日益增长趋势，教务工作也越来越繁重。教务管理工作当中，学生的成绩管理是极为重要的一项教务工作。特别是集中在期末，学生需要进行各科的学业成就考试，教师要把每个学生的卷面成绩、平时成绩和总评成绩统计出来，是一项工作量庞大的工作。而且，学生进行了考试之后，也需要知道自己的各科成绩，以便知道自己的学习成果进行更加有方向地完善自身学习。传统的人工管理方式效率较低、数据的更新和维护较困难、数据共享程度低，难以满足现代教学管理的需求。由此有必要设计一个成绩分析系统，对学生的学业成绩进行分析和研究。
很多公司都利用互联网技术和相关的挖掘技术应用到在线教育中。在国外，Mastery Connect 为全球的教育工作者提供形成性评价和基于能力的学习解决方案，它基于网络的移动平台去帮助教师来实时衡量学生的理解水平，并针对学生进行干预且为教学提供指导。Civitas Learning 专注于通过使用预测性分析、机器学习来提高每个学生的成绩，它已经成功建立了高等教育领域中最大的一个跨校学习数据库，通过这些数据，可以实时地查看每个学生的分数、出勤率、辍学率和保留率的主要趋势，让用户可以探测性地知道导致辍学和学习成绩表现不良的一些警告性信号。Desire2Learn 推出了一个互联网项目，供高等教育领域的学生根据他们自己过去的学习成绩数据进行预测和提高他们的未来考试成绩。通过与同学在线互动交流、完成考试与测验，可以系统地收集和分析每个学生的教育数据，并预测学生的期末考试成绩。在国内，猿辅导基于互联网技术进行个性化教学，基于学生能力进行定制课件。VIPKID 利用 AI 互联网技术赋能教学，具有学习报告反馈，课堂行为检测，自适应联系体系机测，个性化学习内容以及智能学习路径的功能。 很多学者在研究教育数据挖掘相关领域。Liang J等人利用 MOOC 平台中用户的日志数据预测辍学，可以帮助教师了解每个学生在课程中辍学的可能性。Ganesan Kavitha等人将教育挖掘技术用于学生评估结果数据库中，可以找出在期末考试中取得良好成绩并通过课程的学生，帮助教师找出他们当前的教学策略与学生的学习能力相适应的程度。Fernandes E等人利用分类模型预测学生表现，找出影响学生不通过的关键因素，指导老师和管理人员做出有关学年和课程设置等方面的决策。Qazdar A等人利用过去几个学期的学生成绩预测学生未来的成绩，根据预测结果强化学生的课程，提高考试通过的几率。马丹利用相关的挖掘算法来分析教育数据，预测入学新生能否在第一学期通过考试，预测一个学生是否有重修的风险，和通过分析学生成绩来判断学生、课程和成绩之间的关系。夏华利用关联规则和决策树算法分析和挖掘学生成绩，提高教学质量，并且提出了改进的 Apriori 算法，有效地减少了频繁项集的产生。戴园园利用大数据技术以分布式方式抽取、转换和加载教育大数据，以提高数据处理效率，并且使用 No SQL 数据库用于存储教育大数据的多维数据，构建分布式仓库。武书舟利用高校信息系统的各个维度的数据，构建学生消费行为轨迹，构建高校学生用户画像，并且对申请贫困生的学生的家庭经济状况进行评估。赵志设计了教育大数据平台，建立教育数据预测模型，对学生和教师数据预测未来发展趋势。
2. 研究内容与预期目标
为了适应教育教学的发展、改进现有学生成绩管理的系统结构、提高学校管理成绩的效率，设计和开发一套学生大学生学情分析预测及预警系统显得尤为重要。借助学生大学生学情分析预测及预警系统对学生成绩信息进行规范的管理、科学的统计和快速简要的查询，从而减少管理方面的工作量，以达到有效管理学生成绩信息、打好教学日常管理基础的目的。每次考试结束后，教育学院都需要对这次考试的成绩进行分析，包括区整体情况和每个学校的成绩情况，查找出问题的主要原因所在，使老师的教学质量进一步提高，学生的成绩进步。针对这些成绩数据，需要对其进行处理、统计、挖掘、分析、汇聚成图表，最终以 Word 报告的形式呈现。因此，本文设计并实现了大学生学情分析预测及预警系统，利用 Apriori 算法挖掘科目知识块之间的关系，进而帮助教育工作者更好地理解这些数据，提高效率，节省时间。
3. 研究方法与步骤
本文主要采用文献分析法，对于本课题相关的研究资料进行综述，为本文的研究奠定一定的理论基础，然后对相关技术进行概述，为本文的研究提供一定的技术支持。然后采用系统设计思路，首先对大学生学情分析预测及预警系统进行需求分析、系统设计以系统实现。
4. 参考文献
-
赵磊,邓彤,吴卓平.基于数据挖掘的MOOC学习者学业成绩预测与群体特征分析[J/OL].高教研究:1-13[2021-01-08]. [2] 毛天怡. 基于学生画像和课程相似度的学生成绩预测模型[D].浙江大学,2020. [3]潘飞. 基于日常成绩的高校学生分类预测及画像构建研究[D].河北农业大学,2020. [4]于雪萌. 基于学生行为分析的教育数据挖掘算法研究[D].山东师范大学,2020. [5]王伟奇. 基于机器学习的数学成绩预测[D].西藏大学,2020.[6]宋洁. 基于校园大数据的学习行为分析及学习成绩预测[D].华中师范大学,2020. [7]吴蓓. 基于决策树算法的成绩预测模型研究及应用[D].西安理工大学,2019. [8]付小兵. 基于学习分析的在线学习成绩预测建模研究[D].云南师范大学,2019. [9]王莎莎. 基于统计学习方法的学习者行为分析及学习风险预测[D].东北石油大学,2019. [10]史泽弘. 基于多源数据综合分析的成绩预测研究与实践[D].内蒙古大学,2019. [11]李俭虹. 数据挖掘技术在高校成绩分析预测中的应用研究[D].辽宁工程技术大学,2019. [12]毛千恩. 在线学习社区学习者学业成绩预测系统的设计与实现[D].华中师范大学,2019. [13]门瑞,杨芳萍.基于知识图谱及案例推理的MOOC资源推荐算法研究[J].陇东学院学报,2018,29(01):10-13.[14]李逢庆,韩晓玲.混合式教学质量评价体系的构建与实践[J].中国电化教育,2017(11):108-113.[15]郭文革.高等教育质量控制的三个环节:教学大纲、教学活动和教学评价[J].中国高教研究,2016(11):58-64.[16]孙洪涛,郑勤华,陈耀华,陈丽.基于学习分析的在线学习测评建模与应用——课程综合评价参考模型研究[J].电化教育研究,2016,37(11):25-31.
5. 工作计划
（1）2022.1.10 ---- 2022.2.20查阅资料，了解课题背景， 撰写开题报告（2）2022.2.21 ---- 2022.3.18根据课题要求，进行需求分析，熟悉开发工具（3）2022.3.19 ---- 2022.3.31根据需求分析结果，对系统进行概要设计 （4）2022.4.1 ---- 2022.4.15 根据概要设计，对系统进行详细设计（5）2022.4.16 ---- 2022.5.9 编写代码及设计实现（6）2022.5.10 ---- 2022.5.17程序调试，毕业论文资料收集，撰写论文提纲（7）2022.5.18 ---- 2022.5.31整理设计文档，撰写毕业论文 （8）2022.6.1---- 2022.6.10准备答辩相关材料，参加毕业答辩
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
