Resumen

Ahora, al entrar en el siglo XXI, con la mejora continua del nivel de educación superior en mi país, la tasa de matriculación de todas las universidades en todo el país está aumentando año tras año. Frente a la gestión de la información de un gran número de estudiantes, la carga de trabajo y la presión laboral de los asesores en diversas universidades se han duplicado. El rápido y efectivo desarrollo de software y hardware informático moderno también ha iniciado y desarrollado de manera efectiva el proceso de informatización de las universidades. El sistema de gestión estudiantil es el núcleo y la base de todo el sistema de gestión educativa escolar. Este estudio presenta principalmente la aplicación del análisis del comportamiento estudiantil y modelos de investigación basados en la tecnología de agrupamiento. Este documento utiliza la investigación aplicada del análisis del comportamiento estudiantil y el modelo de investigación basado en la tecnología de agrupamiento, utiliza la tecnología de agrupamiento para analizar el comportamiento estudiantil y analiza de manera razonable la viabilidad del algoritmo KMEANS y la minería de datos del campus. El algoritmo de análisis de agrupamiento se utiliza para dividir a los estudiantes en diferentes grupos según las características de los estudiantes, y luego se realizan análisis de datos y minería de reglas de asociación de datos en cada grupo de estudiantes. Al mismo tiempo, se utiliza el algoritmo del árbol de decisiones para predecir el futuro de los estudiantes basándose en los datos históricos de los estudiantes y los datos actuales de los estudiantes. El estado de desarrollo de la escuela ayuda a la escuela a comprender la situación de los estudiantes en tiempo real, hacer predicciones y advertencias sobre posibles situaciones, proporcionar aplicaciones personalizadas para profesores y estudiantes, y brindar apoyo a la toma de decisiones para la gestión. Se puede ver a partir del análisis experimental que la aplicación del análisis del comportamiento estudiantil y los modelos de investigación basados en la tecnología de agrupamiento ha aumentado la eficiencia de la educación estudiantil en un 17%. Las limitaciones del análisis del comportamiento estudiantil y la investigación sobre la tecnología de agrupamiento proporcionan buenas aplicaciones para el algoritmo KMEANS. Se obtienen análisis, discusión y resumen de los métodos y enfoques para enriquecer los resultados de la investigación académica.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Mejora continua; Tasa de matriculación; Sistema de gestión de estudiantes; Tecnología de agrupación; Algoritmo KMEANS; Minería de datos
• Keywords:Continuous improvement; Enrollment rate; Student management system; Clustering technology; KMEANS algorithm; Data mining