基于QFD模型和双向聚类技术电子商务专业学生能力分析,该文是关于聚类论文范文，为你的论文写作提供相关论文资料参考。
聚类论文参考文献：
【摘 要】
互联网的发展极大地促进了电子商务的普及,而人才匮乏已成为电子商务实现高速发展的瓶颈.为了解决这一问题,越来越多的学者参和到电商专业人才培养的研究中.目前对于电商专业学生能力的研究大多聚焦于课程建设、教学模式的构建以及从理论角度分析岗位对学生能力的需求,而对学生专业能力的定量分析较少.本研究以一个中高职电商专业“三位一体”在线教育平台为例,运用QFD模型根据学生在分销系统中的微店运营绩效数据对学生所具备的专业能力进行评估,并运用双向聚类这一数据挖掘技术对能力评估结果进行特征提取,从理论学习的角度进一步探究造成学生能力差异的课程因素,所得结果可以帮助学生进行自身能力定位,同时为教学方了解学生能力分布特征,指导学生进行深入学习和职业生涯发展规划提供依据.
【关键词】 电子商务；在线教育；教育数据挖掘；QFD模型；双向聚类
【中图分类号】 G442 【文献标识码】 A 【文章编号】 1009-458x（2017）02-0033-12
一、引言
随着信息技术的飞速发展,互联网作为一种高效、便捷的连接工具,已渗透到人们生活的各个方面.在教育领域,通过互联网进行在线教育的教学方式已成为传统课堂教学的重要补充,甚至在一定程度上代替了传统教学,成为一种新的教学模式.目前,在线教育平台在国内呈现出快速普及的状态,其中以MOOC（大规模开放在线课程）为代表的在线教育平台已为人熟知,国内大量优秀大学均在这类平台上开设了相关课程.在这些规模较大的在线教育平台课程体系中,基础学科课程居多,职业教育类课程较少.其中,电子商务作为一门和互联网息息相关的学科,其专业人才的市场需求度和人才培养之间的不平衡已日渐显现,人才匮乏已成为电子商务高速发展的瓶颈.为了满足市场对电子商务专业人才的培养需求,构建在线教育平台转变传统课堂教学模式,已成为一种必然的趋势.
和现有在线教育平台相同,电子商务在线教育平台可以汇聚大规模的学习者,并通过多样化的网络学习行为产生种类众多的教育数据.这些数据中蕴含着大量有用的信息,通过对这些信息进行提取和识别,可以帮助研究者进行课程构建、学习模式分析以及学习规律发现,为电子商务专业人才培养提供依据.不同于传统教育研究中通过调查问卷、观察法等手段获取学习行为数据,在线教育通过学生在系统中的操作行为可以收集大量的学习数据.这些数据普遍呈现出规模巨大、结构多样的特征,潜藏着更加全面、准确的学习行为信息.这些信息一方面可以为教育研究者发现学生学习模式和规律提供可能；另一方面也对数据挖掘技术提出了挑战.由此可以看出,为了使在线教育平台的效用最大化,对平台中的数据进行有效挖掘,发现其中潜在的特征具有重要的意义.
教育数据挖掘领域的研究目前主要集中在预测型数据分析和描述型数据分析方面（田娜, 陈明选, 2014）.其中,预测型分析通常由分析得到和某个变量相关的模型,以此为依据对该变量未来的变化趋势进行预测.常用的预测方法包括回归、人工神经网络和决策树等.Al-Radaideh等（2006）分别采用ID3、C4.5和朴素贝叶斯模型,对约旦耶尔穆克大学参加C++课程的学生期末考试成绩进行了预测.结果表明,在对教育数据进行分析时决策树模型比其他模型具有更好的预测效果.Hijazi 和Naqvi（2006）通过对巴基斯坦旁遮普大学附属学院学生的在校表现和上课态度、课后学习时间、家庭收入、母亲年龄以及教育程度进行回归分析发现,母亲的教育程度和家庭收入和其在校表现具有高度的相关性.孙力等（2015）运用C5.0决策树方法,通过分析网络学历教育学生英语学习及相关信息,预测了其英语统考成绩,同时提出了相应策略以提高网络教育学生英语学习水平和统考通过率.舒忠梅等（2015）在构建学生投入模型的基础上,结合典型相关分析和数据挖掘方法,识别出学生投入的相关因素,并对学生学习行为进行了分类研究.分析发现学生投入和学生家庭背景、学生入学前特征、学校特征及课程作业之间存在显著相关关系.描述型分析则通过分析数据发现新的模式或结构.常用的方法有聚类分析、因素分析和关联规则挖掘等.在这些方法中,聚类分析可以用来识别数据中具有共同特征的群体或模式,从而对一些现象进行解释和建模,在教育数据挖掘中被广泛使用.Aher和Lobo（2013）对学生在MOODLE 上的课程学习记录进行聚类和关联规划分析,向学生推荐合适的课程.Romero等（2013）运用分类和聚类的方法分析了学生对社交网络论坛的使用情况和期末考试成绩之间的关系,结果显示了课程结束时进行后期预测和课程结束前进行前期预测的适用性,表明了相较于传统识别学生表现模型的分类方法,聚类分析和关联规则挖掘有更大的解释力.吴林静等（2014）研究了教育资源的聚类组織方法,设计并实现了一个面向e-Learning的教育资源聚类系统,从而为学习者提供更加精确的资源导航和更为快速的资源定位.
从国内外教育数据挖掘的研究成果可以看出,聚类分析已成为该研究领域中普遍使用的方法.目前在运用该方法识别学生学习特征时,所使用的多是传统聚类算法.而众多关于高维数据聚类分析的研究已表明,这样的算法在处理大规模数据时具有一定的局限性.除此之外,在查阅电子商务专业学生能力培养的相关研究时还发现,目前对于该问题的研究大多是对专业课程建设和教学模式构建的探索以及从理论角度分析岗位对学生能力的需求,从数据角度对学生专业能力进行定量分析的研究较少.在此背景下,本文以某中高职电子商务专业“三位一体”在线教育平台为例,通过QFD模型对学生所具备的专业能力进行定量评估,并运用双向聚类技术对能力评估结果进行特征提取.在此基础上,从理论学习的角度进一步分析造成学生能力差异的课程因素,所得结果可以帮助平台中的学生掌握自己的能力情况,实现自我定位,同时为教学方了解学生能力分布特征,指导学生进行深入学习和职业生涯发展规划提供依据.
结论：适合不知如何写聚类方面的相关专业大学硕士和本科毕业论文以及关于聚类算法论文开题报告范文和相关职称论文写作参考文献资料下载。
高职电子商务专业计算机类课程的设置
为了适应电子商务发展的需要，高职院校开设电子商务专业。从近10多年来看，与电子商务专业相对应的电子商务行业得到了突飞猛进的发展，电商人才缺口。
论数据分析类课程在电子商务专业设置中的重要性
摘 要：电子商务专业学生低就业率现象和电子商务专业的结构设置有关。高校在进行电子商务专业结构改革、增加数据分析类课程时，应充分考虑和调研自身在商。
信息技术教学中对学生能力培养
教育科研是以教育科学理论和知识为武器，以教育领域中发生的现象和问题为研究对象，以探索教育规律为目的的创造性认识活动。简言之，就是用教育理论去研究。
贸易类中小企业电子商务网络营销
摘要：随着互联网经济的快速发展，经济全球化进程不断加快，电子商务在我国也得到了日新月异的发展，其发展速度也是相当惊人。然而对于电子商务网络营销则。