书名：教育数据挖掘技术与应用
定价：68.0
ISBN：9787121420733
作者：无
版次：第1版
出版时间：2021-10

内容提要：
本选题首先深入剖析了教育大数据的特征，提出教育大数据分析与挖掘技术的目标和应用前景，梳理教育领域常用的分析挖掘技术，揭示教育大数据分析的本质。随后，从教育数据获取与预处理、数据降维、分析与预测、多维关联挖掘、聚类分析、滞后时间序列分析、社会网络分析等七个方面介绍教育数据挖掘的原理和实践。本选题不仅阐释了决策树、人工神经网络、支持向量机、朴素贝叶斯分类器、Logistic回归、Apriori算法、K-Means聚类、层次聚类等分析技术的原理，也利用SPSS Modeler、GSEQ、Ucinet、Gephi等软件结合案例和实操对这些算法的应用场景进行了全面介绍。本选题结合案例将复杂的数据分析技术进行深入浅出的讲解，选用教育领域的数据进行预处理、降维、预测、聚类、关联分析、时间序列分析和社会网络分析。与此同时，结合微视频讲解案例操作，形成立体化教材，努力将本书打造成在内容设计上面具有实践性，在知识层面上具有发展性，在表现形式上具有富媒体性的图书。



作者简介：
丁继红，博士，浙江工业大学教育科学与技术学院硕士生导师，讲师。具有教育技术学、计算机科学与技术的跨学科研究背景，多年来一直从事智能教学系统、自适应学习和教育精准服务等相关研究工作，主持国家自然科学青年基金、浙江省哲学社会科学基金等项目7项，第二参与国家基金2项，以**作者发表20多篇SCI一区，SSCI一区、CSSCI、CSCD研究论文。

目录：
第1章 教育数据挖掘概述 / 1
1.1 数据挖掘及其要解决的问题 / 1
1.2 教育数据的来源和特点 / 3
1.3 教育数据分类 / 4
1.4 教育数据挖掘的目标和价值 / 6
1.5 教育数据挖掘技术概述 / 8
本章小节 / 14

第2章 教育数据采集和预处理 / 15
2.1 教育数据采集 / 15
2.2 初始数据存在的杂乱性 / 19
2.3 数据清洗 / 20
2.4 数据集成 / 23
2.5 数据变换 / 26
2.6 数据规约 / 27
2.7 教育数据预处理应用案例 / 28
本章小节 / 35




第3章 教育数据降维 / 36
3.1 数据降维概述 / 37
3.2 两种数据降维方法 / 37
3.3 特征选择数据降维方法 / 38
3.4 特征提取数据降维方法 / 40
3.5 特征选择数据降维方法在教育数据中的应用案例 / 44
3.6 特征提取数据降维方法在教育数据中的应用案例1 / 51
3.7 特征提取数据降维方法在教育数据中的应用案例2 / 56
本章小节 / 65

第4章 决策树、人工神经网络和支持向量机 / 66
4.1 分类预测概述 / 66
4.2 决策树 / 67
4.3 C5.0算法及其应用 / 73
4.4 决策树应用案例 / 86
4.5 人工神经网络 / 94
4.6 神经网络应用案例 / 101
4.7 支持向量机 / 105
4.8 支持向量机应用案例 / 113
本章小节 / 117

第5章 朴素贝叶斯分类器、贝叶斯网络和二项Logistic回归 / 118
5.1 贝叶斯概率和贝叶斯定理 / 118
5.2 朴素贝叶斯分类器 / 119
5.3 朴素贝叶斯分类应用案例 / 121
5.4 贝叶斯网络 / 126
5.5 贝叶斯网络应用案例 / 131
5.6 二项Logistic回归分析 / 136
5.7 二项Logistic回归分析应用案例 / 146
本章小节 / 159
第6章 关联分析 / 160
6.1 关联分析概述 / 160
6.2 Apriori算法 / 165
6.3 经典应用案例——购物篮关联分析 / 170
6.4 教育应用案例——学习行为关联分析 / 177
本章小节 / 184

第7章 聚类分析 / 185
7.1 聚类分析概述 / 185
7.2 K-Means聚类及应用 / 189
7.3 层次聚类及其应用 / 198
7.4 两步聚类及其应用 / 202
7.5 Kohonen网络聚类 / 211
本章小节 / 222

第8章 滞后序列分析 / 223
8.1 行为序列分析和滞后序列分析概述 / 223
8.2 滞后序列分析工具 / 225
8.3 基于滞后序列分析法的学习行为分析流程 / 232
8.4 基于滞后序列分析法的学习行为分析应用 / 235
8.5 基于滞后序列分析法的学习行为分析应用案例 / 237
本章小节 / 242

第9章 社会网络分析 / 243
9.1 社会网络分析概述 / 243
9.2 社会网络分析过程和方法 / 246
9.3 UCINET / 253
9.4 Gephi / 259
本章小节 / 268