下载文档原格式
判断题1.每一次大危机都会催生一些新技术，新技术是促进社会经济走出危机的推动力。
√2.2011年，物联网开始引起全球范围内的关注。
×3.现阶段，电子信息技术已经渗透到人们生活的各方面。
√4.产业和经济发展的需求对物联网的发展是是一种更大的推动力。
√5.技术难度有限、社会需求强烈的产物，快速发展是必然。
√6.传感器属于物联网产业链的标识环节的内容。
×7.2009年射频识别技术中的读写器市场规模超过了38亿。
×8.2010年被称为“感知中国”的发展元年。
×9.条形码可以识别单品。
×10.条形码是可视传播技术。
√11.条形码比较能够实现透明跟踪和贯穿供应链全过程。
×12.电子标签在本质上是一种物品标识的手段。
√13.射频识别技术不能同时识别多个对象。
×14.射频识别技术不能识别高速运动的物体。
×15.支持物联网产品电子代码的对象名字服务器等不可能采用集中式的服务器和数据库。
16.物联网在我国的迅速升温是在2009年8月7日。
√17.物联网提出已逾10年，业已形成统一明晰的定义。
×18.物联网是独立于互联网的存在。
×19.物联网是在互联网基础上的延伸和拓展。
√20.物联网中的“物”可在网络中共享被识别的编号。
√21.自动化不属于物联网的基本特征。
×22.人物相联、物物相联是物联网的基本要求之一。
√23.RFID是一种目前比较先进的接触式识别技术。
×24.电子标签具有各种形状，且任意形状都能满足阅读距离的要求。
×25.无源标签的工作电源完全有其内部电池供给。
×26.微波电子标签的工作频段在125KHz-134KHz之间。
×27.超高频电子标签的工作原理一般是电磁耦合。
×28.无源电子标签的作用距离一般是3-10m。
×29.超高频UHF以上频段的系统一般采用无源标签。
基于数据挖掘技术的中学成绩分析系统研究
郝尚富;王志辉
【期刊名称】《电脑知识与技术》
【年(卷),期】2010(006)029
【摘要】现有的中学教学管理软件中,很少涉及深层次的成绩分析,不利于充分挖掘这些数据所隐含的信息,无法进行科学的教学评价.利用数据挖掘技术可以精确地展现学生成绩分布的多个方面,找出影响成绩变化的规律性因素.系统采用标准分数作为数学模型,选用SOA架构标准模范,以JAVAJSP为开发语言,研发出一套科学、高效的成绩分析系统,为学校教务部门提供决策支持信息,促使教学工作更好地开展,最终提高教学质量.
【总页数】2页(P8164-8165)
【作者】郝尚富;王志辉
【作者单位】河北北方学院,信息科学与工程学院,河北,张家口,075000;河北北方学院,信息科学与工程学院,河北,张家口,075000
【正文语种】中文
【中图分类】TP311
【相关文献】
1.基于数据挖掘技术的中职学校成绩分析应用 [J], 袁炜文
2.基于数据挖掘技术的成绩分析系统研究 [J], 胡宏算
3.基于数据挖掘技术的学生成绩分析 [J], 狄晓娇
4.基于数据挖掘技术的大学生英语四级考试成绩分析方法探讨 [J], 梁玮
5.数据挖掘技术在教学管理中的应用——以对某中学高中文科综合考试成绩进行聚类分析为例 [J], 吕岚;林玉连
因版权原因，仅展示原文概要，查看原文内容请购买。
基于数据挖掘技术的学生成绩分析信息技术的发展及应用以及如何利用信息技术提高高校的管理水平，是高职院校面临的重大课题。
在学习和工作的过程中接触到数据挖掘这一先进的概念，力图通过数据挖掘从学生的成绩中找到隐含在其中的有效信息，这样既可以帮助老师了解学生的学习情况，又可以帮助学生了解学习重点，达到教学相长的目的。
利用数据挖掘技术中的决策树的相关知识和方法，以多届学生的《计算机应用基础》成绩，对学生的成绩进行分析。
主要使用数据挖掘中的决策树知识将决策树应用在学生成绩数据挖掘的模型上，使用SPSS Modeler 软件利用C 5.0 算法分析出哪些因素对于《计算机应用基础》考试的影响最大，揭示其中规律，为今后教学工作及教学安排提供有效的科学的指导依据。
标签：数据挖掘；考试成绩；决策树；关联规则1 决策树的基本概念在已有的大量源数据中得到有效的分类器有许多种办法，决策树就是其中一种有效的办法。
他在数据挖掘中尤其在数据分类领域中应用十分广泛。
决策树算法主要是通过一组输入样本数据然后对样本进行决策树归纳的一种方法。
决策树的表现形式是一个倒树状结构图，并且在树枝的节点上一般还附带概率结果，它是一种是直观的使用统计概率来分析对象的图表示方法。
2 几种常用的决策树算法常见的算法有CHAID、CART、Quest和C5.0。
判断决策树算法是否合适，就看每一个决策树分组的组之间的差别是否够大，属性差别越大就是算法越合适。
决策树算法擅长处理离散型数据，并且处理非数值性数据时效率的方面也有不错的表现。
3 决策树的评价标准建立了决策树模型后需要给出该模型的评估值，这样才可以来判断模型的优劣。
学习算法模型使用训练集（training set）建立模型，使用校验集（test set）来评估模型。
经过校验集评估后决策树进行评价。
评估指标有分类的准确度，描述的简洁性和计算的复杂程度等指标。
4 决策树在计算机成绩分析中的应用4.1 确定挖掘对象本次挖掘的对象是以《计算机基础》为基础信息，之所以选择这门课程，是因为它是新生入学的第一门与计算机相关的课程，也是今后继续学习计算机相关课程的基础。
教育数据挖掘技术在学生成绩分析中的应用研究概述教育数据挖掘技术是一项利用机器学习和统计学原理来挖掘教育数据中潜在模式和知识的技术。
在学生成绩分析中，教育数据挖掘技术能够帮助教育工作者更好地了解学生的学习表现、预测学生成绩、识别学习障碍，同时为个性化教育提供支持。
本文将探讨教育数据挖掘技术在学生成绩分析中的应用研究。
教育数据挖掘技术的基本原理教育数据挖掘技术主要包括数据预处理、特征选择、算法建模和模型评估等步骤。
数据预处理阶段对原始学生数据进行清洗、去噪、缺失值填充等处理，以确保数据的质量。
特征选择阶段用于从众多特征中选择与学生成绩相关性最高的特征，以提高模型的准确性。
算法建模阶段利用机器学习算法，如决策树、贝叶斯网络、神经网络等，构建学生学习模型。
模型评估阶段用于评估模型的性能和准确度，并根据评估结果对模型进行改进。
教育数据挖掘技术在学生成绩分析中的应用实例1. 学生成绩预测通过教育数据挖掘技术，可以根据学生的历史学习数据，预测其未来的学习成绩。
例如，可以利用学生的课堂表现、作业提交情况、课程参与度等数据，结合机器学习算法，建立学生学习模型来预测他们的未来成绩。
这种预测模型可以帮助教师及时发现学习较为薄弱的学生，及早采取干预措施，提高学生的学习效果和成绩。
2. 学习行为分析教育数据挖掘技术可以通过分析学习过程中学生的行为数据，了解学生的学习行为特征和学习策略。
例如，可以分析学生学习时长、课程参与度、访问频率等指标，进而评估学生的学习态度和学习动力。
这样的分析结果对于教师来说，可以提供有针对性的指导建议，帮助学生改进学习策略，提高学习效果。
3. 学习障碍识别教育数据挖掘技术还可以通过挖掘学生学习数据中的潜在模式，识别学生的学习障碍。
例如，可以根据学生的作业得分、测试成绩等数据，利用机器学习算法，建立学生学习挑战的模型。
这样的模型可以帮助教师及时发现学生的学习障碍，针对性地提供帮助和支持，促进学生成绩的提升。
基于数据挖掘的学生评价系统设计与实现随着信息技术的普及和发展，数据挖掘技术正逐渐应用到学生评价系统中，为学生提供更加全面、科学的评价服务。
在本文中，我们将探讨基于数据挖掘的学生评价系统的设计与实现。
一、数据挖掘技术在学生评价系统中的应用数据挖掘技术是一种可以从大量数据中自动提取出有用信息的技术。
在学生评价系统中，可以应用数据挖掘技术对学生的课堂表现、作业完成情况、考试得分等信息进行分析和挖掘。
这种分析和挖掘不仅可以提供给学生科学的评价结果，还可以为老师提供科学的教学反馈和指导。
二、基于数据挖掘的学生评价系统设计方案1. 数据采集：首先需要采集学生的各种数据，包括学生基本信息、课堂表现、作业完成情况、考试得分等。
这些数据可以通过各个系统自动采集，也可以由学生或老师手动输入。
2. 数据预处理：采集到的数据需要进行预处理，包括数据清洗、数据过滤、数据转换等。
这样可以保证数据的准确性和真实性，避免造成错误的评价结果。
3. 数据分析：利用数据挖掘技术对采集到的数据进行分析和挖掘，得出学生的评价结果。
分析和挖掘的方法包括聚类分析、分类分析、关联规则分析等。
4. 评价结果展示：通过可视化的方式将学生的评价结果展示出来，方便学生和老师查看和理解。
展示方式可以包括柱状图、折线图、雷达图等等。
5. 反馈和指导：除了展示评价结果外，还可以为学生和老师提供相应的反馈和指导。
例如，针对学生的评价结果，可以推荐相应的学科课程；对于老师的教学反馈，可以提供相应的教学改进建议。
三、基于数据挖掘的学生评价系统的实现基于数据挖掘的学生评价系统的实现需要依赖于相关的技术和工具。
以下是关键技术和工具的说明：1. 数据库技术：学生评价系统需要用到数据库技术来存储和管理采集到的数据。
例如，可以使用MySQL、Oracle等关系型数据库。
2. 数据挖掘工具：对采集到的数据进行分析和挖掘需要使用相应的数据挖掘工具。
例如，可以使用Weka、RapidMiner等数据挖掘软件。
数据挖掘技术在学生成绩预测中的应用研究随着信息化技术的迅速发展，数据挖掘技术成为了越来越多领域的热门研究，其中学生成绩预测是其中一个重要的应用领域。
利用数据挖掘技术对学生的历史成绩和其他相关因素进行分析，可以预测学生未来的学业成绩，从而对教育管理、学生个性化辅导等方面提供决策依据，这是非常有意义和实用的研究方向。
一、数据挖掘技术的基本概念数据挖掘技术是一种利用统计学、数据库技术、机器学习、模式识别等交叉学科的知识，在海量数据中自动发现有价值的信息的技术。
数据挖掘技术通常包括数据预处理、模式发现、模型建立等几个阶段。
其中，数据预处理是对原始数据进行清洗和转换，以便投入到算法中进行分析；模式发现是利用各种算法手段在数据中寻找有价值的信息，如发现趋势、分群、异常检测等；模型建立是将从数据中挖掘出来的重要规律或模式表示成可供使用的模型，以支持数据分析和推理。
二、学生成绩预测的重要性和难度学生成绩预测是教育管理中重要的一环，也是学校和老师在提高学生学习质量和教学效果方面的核心应用之一。
常见的成绩预测因素包括学生的前期学习成绩、性别、年龄、家庭背景、家庭收入等个人因素，以及课程难度、上课时段等学校因素。
因此，在成绩预测中，需要对海量、复杂的学生和课程数据进行处理和分析，从而得出准确的预测结果。
然而，学生学习过程和成绩受到众多因素的影响，既包括实际学习因素如知识掌握程度、学业热情等，也包括非学习因素如兴趣爱好、家庭背景、心理状态等。
这些复杂因素之间相互作用，增加了成绩预测的难度。
三、数据挖掘技术在学生成绩预测中的应用1.数据预处理在成绩预测中，数据预处理是非常重要的，它往往可以决定模型建立的质量。
数据挖掘技术通常包括数据清理、数据集成、数据转换和数据归约等几个方面的处理。
首先，进行数据清理，包括去重、筛选、填充空值等操作，以保证数据完整性和可靠性。
然后，进行数据集成，将来自不同数据源的数据集成为一个整体数据集。
数据挖掘技术在高校学生成绩分析中的应用【摘要】本文主要介绍了数据挖掘技术在高校学生成绩分析中的应用。
首先从学生成绩数据获取开始，通过数据清洗与整理，将原始数据进行清洗处理。
然后进行特征选择与建模，选择适当的特征进行建模分析。
接着进行模型评估与优化，对建立的模型进行评估和优化。
最后进行结果解释与应用，解释模型的结果并应用于实际场景中。
通过本文的研究，我们可以更好地了解数据挖掘技术在高校学生成绩分析中的作用，为未来的发展方向提供指导，并总结了结论，强调了数据挖掘技术在提升高校教育质量和学生成绩管理方面的重要作用。
【关键词】数据挖掘技术、高校、学生成绩分析、引言、背景介绍、研究意义、正文、学生成绩数据获取、数据清洗与整理、特征选择与建模、模型评估与优化、结果解释与应用、结论、作用、未来发展方向、结论总结1. 引言1.1 背景介绍高校学生成绩分析一直是教育领域的重要研究课题，通过对学生成绩数据进行挖掘和分析，可以帮助学校和教师更好地了解学生的学习情况，从而制定更有效的教学计划和个性化教育方案。
随着信息技术的不断发展和普及，数据挖掘技术在高校学生成绩分析中的应用也变得日益重要。
在传统的学生成绩分析中，往往只能利用少量的简单统计方法来对学生成绩进行评估和分析，无法深入挖掘和发现隐藏在数据中的规律和规律。
而数据挖掘技术通过利用大数据处理和分析的方法，可以对学生成绩数据进行全面深入的挖掘，发现不同学生之间的学习特点和规律，为教育工作者提供更多的参考和决策依据。
借助数据挖掘技术进行高校学生成绩分析具有非常重要的意义，能够为学校和教师提供更加全面准确的学生学习情况信息，帮助他们更好地制定教学方案和教育政策，促进学生成绩的提升和个性化教育的实施。
1.2 研究意义高校学生成绩一直是教育领域的重要研究课题，通过对学生成绩进行分析可以帮助学校更好地了解学生的学习情况，发现问题并制定合理的解决方案。
数据挖掘技术的应用为高校学生成绩分析提供了新的思路和方法。
基于数据挖掘的学生成绩分析与预测研究随着社会的进步和教育的发展，学校中的数据量已经逐渐增多，包括学生的学习成绩、行为记录、教师评价等等。
如何利用这些数据为学校管理和教育教学提供重要参考，成了一个值得探讨的话题。
数据挖掘技术是一种可以帮助我们从大量数据中挖掘出有价值的信息和知识的方法，因此成为了一个重要的工具。
一、数据挖掘在学生成绩分析方面的应用学生成绩是学校管理和教学中最重要的数据之一，是评估学生学习情况的重要参考。
采用数据挖掘技术对学生成绩进行分析和预测，有如下优点：1.更好地了解学生的真实情况，对学生做出合理评价；2.获取学生学习特征和发现学习规律，为教学提供有益参考；3.针对个别学生进行分析，为教师提供差异化的教学服务；4.预测学生未来成绩，帮助学生制定合理的学习计划和目标；5.全面评价教学效果，了解教学质量和课程设计的优劣。
二、数据挖掘在学生成绩分析方面的方法1. 聚类分析聚类分析是一种对数据进行分类和分组的方法，通过找到不同数据的相似之处，将它们分组，进而了解这些数据的共性和特征。
在学生成绩分析中，聚类分析可以根据学生的成绩、性别、专业等特征，将学生分成不同的群组，从而指导教师制定分组教学方案。
2. 关联分析关联分析可以找到数据之间的关联关系，比如学生的物理成绩和数学成绩之间的关系。
在学生的学习中，不同科目之间存在着一定的关联关系，理解这些关系可以帮助教师更好地设计科目课程，提高学生学习效率。
3. 分类预测分类预测是利用已有的数据，通过挖掘有用信息，对新数据进行分类预测的技术。
在学生成绩方面，可以根据历史数据预测学生未来的成绩，为教学管理提供有益的参考和指导。
三、学生成绩分析与预测的案例研究为了更好地了解数据挖掘在学生成绩分析与预测方面的应用，以下列举一些案例研究的实例：1. 基于学生成绩的聚类分析通过对学生的成绩数据进行聚类分析，可以将学生分成不同的群组，方便教师进行个性化、差异化的教学。
基于数据挖掘技术的学生成绩预测研究随着教育信息化的不断发展，学校大量的学生学习信息、考试成绩等数据将产生。
借助数据挖掘技术对这些数据进行分析和利用，可以为学校提供科学的帮助和决策支持，特别是对学生成绩预测的研究。
一、学生成绩预测的意义学生成绩预测是指通过定量方法对学生的学习情况进行预测，包括预测学生将获得的考试成绩。
对于教育机构来说，学生成绩预测是一项具有重要意义的工作。
首先，它可以帮助教育机构及时了解学生的学习情况，指导学校在教学方面做进一步调整和优化；其次，对个别学生来说，学生成绩预测还可以预警可能存在的问题，使得学生及时采取措施做好学习计划。
二、数据挖掘技术在学生成绩预测中的应用数据挖掘是一种从大量数据中提取有用信息和知识的技术。
在学生成绩预测领域，数据挖掘技术可以针对学生的历史学习数据及其他相关数据，进行复杂计算和分析，提取出学生成绩与其他因素之间的关系和规律。
常用的数据挖掘技术包括分类、聚类、关联规则学习和序列挖掘。
其中，分类技术是指根据学生成绩与其他因素的关系，将学生分为不同的类别，以判断学生今后会属于哪种类别；聚类技术是指根据学生成绩和其他因素的共同特征，将学生分为不同的组，以了解学生的差异；关联规则学习是指根据学生成绩和其他因素之间的联系，找出其中的因果关系；序列挖掘则是指按照时间顺序找出学生成绩和其他因素的演变规律。
三、学生成绩预测的方法学生成绩预测方法包括传统的回归分析，以及基于数据挖掘技术的预测方法。
1. 传统回归预测方法传统回归分析是一种建立数学模型的方法，通过回归方程来预测学生的考试成绩。
它的具体操作方法是，先确定参考因素，然后将参考因素与学生成绩进行回归计算，得出平均绩点预测值。
传统回归分析的优点是易于操作，模型可解释性好，但缺点也非常明显：回归模型需要人为选定参考因素和回归方程，过度依赖人的贡献。
此外，回归模型对数据的要求很高，对数据的异常值比较敏感，容易导致预测结果不准确。
本科毕业设计（论文）欧阳家百（2021.03.07）题目: 基于数据挖掘技术的学生成绩分析系统的设计与实现姓名张宇恒学院软件学院专业软件工程班级 2010211503学号 10212099班内序号 01指导教师牛琨2014年5月基于数据挖掘技术的学生成绩分析系统的设计与实现摘要随着科技的不断发展和中国教育制度的日趋完善，各大高校对教务管理工作提出了越来越高的要求。
各大高校不再满足于传统的成绩管理方式，开始运用数据挖掘领域的先进方法对学生成绩进行分析和研究。
教务工作人员使用关联规则挖掘算法分析课程间的内在联系，可为学校的改进教学工作提供依据，并为学生的选课和学业规划提供指导；对学生进行分类，让学生能够对自己在校期间所学课程的成绩有一个全面而清晰的了解，方便学生扬长避短选择选修课程，及时对可能在学习上遇到困难的学生进行预警；运用聚类算法对学生进行聚类，找出具有共同特征的学生，并对不同学生群体分别采取不同的教学方法，初步体现因材施教的教育理念，最终探索出适合中国国情和教育制度的个性化培养模式。
本系统采用Eclipse作为开发平台，以Java作为开发语言。
通过对高校学生成绩分析系统的需求分析，本系统设计实现了可以使用关联规则挖掘算法分析课程间的内在联系，使用分类算法对学生进行分类，使用聚类算法对学生进行聚类。
希望本系统能对今后高校学生成绩分析系统的开发提供一定的参考价值。
关键词成绩分析关联规则分类聚类Design and implementation of student achievement analysis system based on data mining technologyABSTRACTWith the continuous development of technology and the Chinese education system maturing, Universities have put higher requirements to their academic administration.Universities are no longer satisfied with traditional performance management, began to apply advanced data mining methods to analyze and study students’ achievement.Staffof academic affairs use association rule mining algorithm to analysis intrinsic link between courses, which can provide the basis for improving the teaching of the school andguidance for the student's enrollment and academic ing classification algorithm to classify the students, so that students can have a clear understanding in their academic performance, and facilitate students in selecting courses.Warning students who probably face difficulties in the ing clustering algorithm to cluster the students to identify students with common characteristics, so that teachers can teach different students in different way,embodies the concept of individualized education, finally discover a personalized education model, which is suitable for China's national conditions and education system.The system was developedinEclipse, with java as a development language.By analyzing the need of student achievementanalysis system, this system uses association rule mining algorithm to analysis intrinsic link between courses, uses classification algorithm to classify the students, uses clustering algorithm to cluster the students to identify students.I hope this system can provide some reference value to the future development of college students’ achievement analysis system.KEYWORDS achievement analysisassociation rulesclassificationclustering目录第一章引言11.1选题的背景和意义11.2个性化培养的重要意义11.3国内外个性化培养的现状21.3.1国外个性化培养现状21.3.2 国内个性化培养现状31.4成绩分析系统的现状和存在的问题31.4.1成绩分析系统开发使用的现状31.4.2成绩分析系统建设存在的问题4第二章相关技术42.1相关数据挖掘知识理论42.1.1数据挖掘42.1.2 关联规则52.1.3 分类62.1.4 聚类62.2开发工具的选择72.2.1 Eclipse简介72.2.2 Eclipse的优势7第三章系统分析83.1软件过程模型83.2需求分析93.2.1 用例图93.2.2 需求的结构化描述10第四章系统设计与实现144.1系统概要设计144.1.1系统体系结构144.1.2 系统数据结构154.2系统详细设计164.2.1 文件导入数据164.2.2 数据预处理164.2.3 关联规则184.2.4 分类194.2.5 聚类204.2.6 导出文件224.3系统实现234.3.1 文件导入数据234.3.2 数据预处理234.3.3 关联规则234.3.4 分类244.3.5 聚类244.3.6 导出文件254.4系统应用26第五章结论30参考文献31致谢32第一章引言1.1 选题的背景和意义进入新世纪以来，我国的高等教育事业正在快速发展，各个领域的重大科研成果不断涌现，各知名院校的国际排名和知名度也不断攀升。
然而在这些光鲜靓丽的学术成果之下，各大高校对学生的管理工作却并没有跟上时代的步伐。
其实对于给大高校来说，学生的考试成绩是一笔非常宝贵的财富。
学生的成绩是反映学校教学水平的最直接的第一手资料，这些数据可以为学校改进招生和教学工作提供重要依据。
然而，学生成绩的管理工作并没有引起高校足够的重视，尤其是在对学生成绩的分析处理方面，绝大部分高校还停留在较为原始的数据库管理和查询阶段，没有对学生的成绩进行横向和纵向的对比研究，也缺乏对各学科之间成绩内在联系的挖掘。
学科成绩间的内在联系是广泛存在于各个专业的各门课程中的，学科成绩间内在联系的分析和研究对对学生和学校都有着十分重要的意义。
通过了解学科成绩间存在的内在联系，学生可以清楚地认识到基础课程、先导课程的重要性，并且在选择选修课的时候，做到扬长避短，通过更多地选择与自己优势课程成绩正相关的课程来帮助提高成绩。
而对于学校来说，分析学科成绩间的内在联系可以为各个专业的课程设置提供重要的参考依据。
在教务工作人员进行排课工作时，可参考对往届学生成绩的分析结果来调整课程的排布顺序，达到不断优化课程设置的目的。
个性化培养和发展是当今高等教育发展的主流方向，以往填鸭式、工厂式的教学方式已经被先进的教育理念所替代，而中国教育制度中流水线式的培养模式一直是一个被广泛诟病、急需解决的问题。
在这一方面，我们可以借鉴发达国家的先进经验，结合我国高等教育发展现状，探索并逐步建立由中国特色的、适合我国国情的个性化培养体系。
目前可以通过对学生的成绩进行挖掘和分析，对学生进行分群，为具有一定共同特征的学生制定个性化培养方案。
基于上述情况，本题目以完善高校培养制度和制定学生个性化培养方案为背景，通过运用数据挖掘及相关专业技术，设计并实现学生成绩分析系统。
1.2 个性化培养的重要意义个性化培养其实并不是一个新颖的概念，2000多年前，我国著名教育家孔子就提出了因材施教的教育理念，并且身体力行地用因材施教的方法教育自己的弟子。
在2000多年后的今天，多元化人才培养是高等教育发展的必然趋势。
个性化培养不仅是实现多元化人才培养最重要的方式，更是我国建立创新型国家战略对高等教育提出的必然需求。
只有摒弃传统的流水线式培养模式，在高等院校中全面推行个性化培养，我国高等教育才能真正完成人才培养方式的革命。
（1）个性化培养是高等教育发展的现实需要个性化教育，是社会对大学生的预期变化的结果。
在当今时代，社会要求每个人都能发挥自己独特而不可替代的作用，教育的使命也悄然转变为激发每一名学生的内在潜能。
在高等院校推行个性化教育是中国高等教育的发展方向，更是世界大多数国家的共识。
随着大学的扩招，原本曲高和寡的高等教育已经走进了普罗大众的生活。
但是大众化的高等教育不等于流水线式的培养，相反普及高等教育的意义正在于让更多的人进入大学，按照自己的兴趣和自身特点选择专业进行学习，成为独特的人才。
（2）个性化培养是创新型国家战略的必然要求2006年，国家制定了建设创新型国家的重大决策。
增强自主创新能力是建设创新型国家战略中最重要的一环，而作为高端人才培养基地的众多高等院校毫无疑问成为了自主创新的排头兵。
受制于特殊的国情和几千年的科举传统，我国目前的教育模式仍然是以死记硬背为主要学习手段，以分数作为评价学生优劣的主要甚至是唯一标准。
在这种教育模式中培养出来的学生中，相当一部分是与社会脱节的、毫无创新能力可言的“考试机器”。
