随着高等教育的不断普及和高等教育研究的不断深入,环境对高校学生学业表现的影响越来越受到业界的重视.然而,传统的研究方法数据量少,分析方法简单,缺少数据分析技术的应用,无法满足现代高校教育信息化的需求.文章在传统研究方法的基础上进行了改进,通过对在校学生进行统计得到420条数据,运用贝叶斯网络、神经网络、Cart树以及CHAID模型等多种算法,对高校学生受环境影响进行数据挖掘并进行算法效率对比,最后得出在校环境影响比家庭环境影响更重要的结论,且能够以较高的准确率预测学生学业表现,并提出措施以提高学生学业表现.
NETL
NSTL
万方数据
