45、巴西高等教育数据挖掘：提升教学质量与学生满意度

巴西高等教育数据挖掘：提升教学质量与学生满意度

1. 引言

在巴西，国家学生表现考试（ENADE）自2004年起由国家教育研究与研究机构（INEP）每年举办，它是国家高等教育评估系统（Sinaes）的一部分。该考试针对巴西高等教育机构（IES）的大一和大四本科生进行抽样，以评估高等教育课程的质量，并为本科课程进行统一分类。

本次研究聚焦于2014 - 2016年与巴西路德大学（ULBRA）相关的机构，对INEP提供的学生问卷数据进行挖掘，旨在识别学生最相关的抱怨，并提出改进教学过程的替代方案。

2. 数据挖掘技术概述

数据挖掘是一个多学科研究领域，涉及数据库、统计学和机器学习，用于从数据库中发现知识。在数据挖掘中，识别模式是提取有意义和有用信息的重要任务，关联规则是一种有效的数据挖掘技术，它试图找到属性之间的联系。

Apriori算法是最广泛用于发现关联规则的算法，它通过彻底测试属性来寻找表示其模式的扩展规则。在使用Apriori算法时，支持度、置信度和提升度等指标会影响规则的发现。
- 支持度 ：包含A和B的案例的百分比。
- 置信度 ：有A的案例中包含B的百分比。
- 提升度 ：置信率与包含B的案例百分比的比值。

3. 研究方法

基于数据挖掘技术的比较研究以及教育领域的数据挖掘研究，本研究选择Apriori算法来发现关联规则，并采用CRISP - DM参考模型进行数据挖掘步骤。

3.1 业务理解

ULBR