课题名称：基于数据挖掘的公选课资源共享个性化推荐模型研究——以广东省民办院校为例

课题批准号：CANFZG23087

研究领域：计算机科学与技术、普通教育学

课题负责人：刘丽娜、副教授、广州工商学院

主要成员：焦花花、廖细春、夏平、王准、钟百胜、余建想、陈超良、黄姣姣、陈燕君

正文：

一、研究内容与方法

1.研究内容

本课题采用改进的数据挖掘算法对广州工商学院及广州科技职业技术大学往届的学生数据进行挖掘，并将挖掘规则应用于新一届学生的公选课个性化推荐当中，本论文主要围绕以下三方面的内容展开研究。

（1）对基于Apriori的优化算法从挖掘范围、挖掘速度和挖掘维度上进行改善，使其支持多维度无序多分类数据的挖掘，并在同维度的条件下运行效率明显高于原来的算法，最后分析其实现效果；

（2）采用matlab平台实现改进的算法，对所收集的广州工商学院及广州科技职业技术大学历届的学生相关信息通过预处理后进行挖掘，形成各数据的关联规则；

（3）实现挖掘规则的应用理解，将其应用于实际中，分别根据兴趣偏好推荐模型、聚集偏好推荐模型或预选课程成绩预测模型为当前在校学生推荐适合的公共选修课程。

2.研究方法

主要采用调查法、实践检验法、经验总结法、实验法和文献资料法等研究手段进行研究。

调查法：对学校历届学生的数据进行调查收集，对已毕业的学生进行电话访谈，查漏补缺分析各要素。

实践检验法：在市场调查的基础上，制定具体实施方案。对挖掘出的关联规律进行实践检验，边实践边检验边调整边提高。

经验总结法：对实践活动中的具体情况及时归纳与分析，及时总结，使之更趋系统化、理论化，以报告及论文形成研究成果向学校管理层面推广。

实验法：对所收集到的数据通过挖掘模型不断进行测试实验，找出其中有利用价值的规律。

文献资料法：研读有关专著，收集有关课程教学改革资料及论文，借鉴成功经验，指导课题研究。

二、研究结论与对策

本课题以广东省两所民办院校近十年的学生数据为研究对象，构建公选课资源共享个性化推荐模型，在模型应用时实行资源共享学分互认，实现学校之间资源共享提高育人质量的效果。

1.构建公选课资源共享个性化推荐模型

数据挖掘主要包括数据清洗、数据建模、模型数据分析、行为数据分析与结果反馈四个阶段。

（1）数据清洗

数据挖掘的前期工作是收集数据，在确定挖掘目标后基于该目标准备数据，并对收集到的结构化与非结构化数据进行整理清洗去除数据中噪声不一致的数据，以便于后续的分析处理。

（2）构建挖掘模型

数据建模阶段可以选择不同的数据挖掘技术针对数据进行分析建模，从而发现潜在的规律和结构。

（3）模型数据分析

模型数据分析可以将模型应用于实际问题中，构建推荐算法，并对模型效果进行验证，从而自动地为用户进行推荐。基于数据挖掘算法的推荐系统可以实现个性化、精准地推荐，同时也可以不断优化算法以提高推荐的效果。

（4）行为数据分析与结果反馈

行为数据分析是将得到的推荐结果结合实际行为进行分析，从而为系统提供反馈机制。通过对用户的反馈进行分析和挖掘，可以发现用户的意见和需求，从而进一步改进并优化推荐系统。

2.利用KIApriori算法构建推荐模型

Apriori算法通过分析历史数据发现其中隐藏的规律，利用规律分析现有数据并找出关联结果，从而达到推荐的目的。而KIApriori算法是对Apriori算法处理多维复杂数据及执行效率的优化，KIApriori构建推荐模型的过程包括利用改进的算法SK-Means进行前期复杂数据的多维度分类、精简，然后利用改进的算法KIApriori根据支持度和置信度识别强规则，然后使用强规则实现推荐项目。

3.各层面实施应用

由学生、教师、试点学校和广东省民办院校合作四个层面构建公选课个性化推荐模型。

学生层面：分别根据学籍、成绩、一卡通和图书借阅等数据构建挖掘模型，为在校学生推荐适合的公共选修课程，为各种个性特征的学生提供充分的发展机会。

教师层面：通过数据挖掘分析，教师提出公共选修课科目的设置修改建议。

试点学校层面：协调课程、推荐选修，并根据推荐结果调整公选课程的安排，例如剔除选课人数较少的课程。

广东省民办院校层面：构建广东省民办院校跨校公选课资源共用共享及公选课学分互认机制，实现资源高效利用。

三、研究成果与影响

课题成果主要有4项，分别是论文3篇和中期检查报告1篇。论文1：基于数据挖掘的公选课资源共享个性化推荐模型研究——以广东省民办院校为例，《安徽电子信息职业技术学院学报》，2023年第4期；论文2. 融合冷启动的个性化推荐算法模型优化研究，《兰州职业技术学院学报》，2025年第3期或第4期；论文3. 基于超星学习通的数据结构课程混合式教学模式研究，《电脑采购》，2024年第6期。

项目成果先由广州工商学院工学院内推广，进而向我校其他院系，再推广至广州科技职业技术大学，后期如果应用效果显著可考虑推至广东省设有公共选修课程的民办高校。

四、研究改进与完善

本次公选课模型的构建及实施取得了一定的成效，但由于数据量有限且公选课设置不一致等问题，对规则生成及支持度、置信度有一定的影响，未来若能获取更多的分析数据，且数据更加规范，则公选课资源的推荐及结果适配度将有更好的实施效果，规则的可靠性也将更高。