數(shù)據(jù)挖掘技術(shù)在輔修教學(xué)管理中的應(yīng)用研究

2013-01-16 07:49:46施美華姚衛(wèi)新

東華大學(xué)學(xué)報(bào)(社會科學(xué)版) 2013年4期

施美華，姚衛(wèi)新，劉冰

(東華大學(xué) 教務(wù)處，上海 201620)

隨著知識經(jīng)濟(jì)時(shí)代的到來，單一的專業(yè)教育已不適應(yīng)社會對復(fù)合型或綜合型人才的需要，社會的發(fā)展需要培養(yǎng)和造就一大批高素質(zhì)的、有創(chuàng)造力的復(fù)合型或綜合型人才。在這種社會需求大背景下，21世紀(jì)初各高校紛紛大力發(fā)展輔修教學(xué)，鼓勵(lì)學(xué)有余力的學(xué)生在學(xué)習(xí)主修專業(yè)課程的同時(shí)輔修另一專業(yè)的主要課程，掌握更多的科學(xué)文化知識，成為基礎(chǔ)扎實(shí)、知識面寬、適應(yīng)性強(qiáng)的復(fù)合型人才，增強(qiáng)畢業(yè)后的就業(yè)競爭力，主動(dòng)適應(yīng)社會經(jīng)濟(jì)建設(shè)的需要。

在這十幾年的輔修教學(xué)歷程中，隨著同學(xué)修讀規(guī)模的不斷擴(kuò)大，輔修專業(yè)在各高?；緦?shí)現(xiàn)了信息化和網(wǎng)絡(luò)化的教學(xué)管理，如輔修報(bào)名、排課管理、成績管理等等，但僅限于簡單的數(shù)據(jù)錄入、查詢和統(tǒng)計(jì)，而沒有開展深入的數(shù)據(jù)研究。同時(shí)根據(jù)以學(xué)生為本的教學(xué)管理要求，需要了解學(xué)生對輔修教學(xué)過程的認(rèn)知和評價(jià)，如學(xué)生選報(bào)輔修專業(yè)的學(xué)習(xí)動(dòng)機(jī)、輔修專業(yè)的教學(xué)效果反饋等等，這些都沒有權(quán)威的數(shù)據(jù)來支撐，為此有必要從學(xué)生的角度出發(fā)，建立輔修教學(xué)調(diào)查評價(jià)體系，采集數(shù)據(jù)。通過綜合輔修各方面信息，并深入數(shù)據(jù)研究，我們就可以在教學(xué)管理中有針對性地加強(qiáng)引導(dǎo)和強(qiáng)化管理。

從數(shù)據(jù)自身出發(fā)，找出潛在規(guī)律，正是數(shù)據(jù)挖掘技術(shù)的要旨。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識[1]。把數(shù)據(jù)挖掘技術(shù)應(yīng)用于輔修教學(xué)管理領(lǐng)域，通過相關(guān)算法，對大量數(shù)據(jù)進(jìn)行挖掘分析，就有可能得到數(shù)據(jù)背后所隱含的規(guī)律。

由此，我們根據(jù)需求建立輔修教學(xué)調(diào)查評價(jià)體系，并收集調(diào)查數(shù)據(jù)信息，同時(shí)主要運(yùn)用聚類分析中的k-中心點(diǎn)算法和關(guān)聯(lián)規(guī)則中的Apriori算法進(jìn)行數(shù)據(jù)挖掘，期望通過數(shù)據(jù)挖掘的一些方法，對輔修教學(xué)招生、教學(xué)安排、教學(xué)評價(jià)中存在的一些關(guān)聯(lián)和潛在的規(guī)則進(jìn)行分析和評估，引導(dǎo)學(xué)生的選報(bào)或修讀，并為實(shí)施因材施管提供決策依據(jù)。

一、輔修教學(xué)調(diào)查指標(biāo)體系的建立

輔修的生源來自不同的學(xué)校、不同的專業(yè)，學(xué)生流動(dòng)性大。因其教學(xué)有特殊性，有必要全方位了解輔修教學(xué)管理的客觀狀況，如對學(xué)生選報(bào)輔修學(xué)習(xí)的動(dòng)機(jī)、學(xué)生對任課教師教學(xué)情況的評價(jià)、學(xué)生對輔修教學(xué)軟硬件管理情況的一個(gè)評價(jià)和認(rèn)可、教學(xué)實(shí)際效果和修讀的穩(wěn)定性等等，只有掌握了這些數(shù)據(jù)才能對教學(xué)情況作出評價(jià)和引導(dǎo)。因此教學(xué)調(diào)查指標(biāo)體系的建立從這四個(gè)層面著手，設(shè)計(jì)出的教學(xué)調(diào)查問卷能使學(xué)生從自身利益出發(fā)來綜合反映輔修的教學(xué)情況，評估教學(xué)的質(zhì)量及學(xué)生的滿意水平。

在問卷調(diào)查中，所需測評的本質(zhì)是一個(gè)定量分析的過程，即用數(shù)字去反映顧客對測量對象的態(tài)度。量表的設(shè)計(jì)分兩步：第一步是“賦值”，根據(jù)設(shè)定的規(guī)則，對不同的態(tài)度特性賦予不同的數(shù)值；第二步是“定位”，將這些數(shù)字排列或組成一個(gè)序列，根據(jù)受訪者的不同態(tài)度，將其在這一序列上進(jìn)行定位，之所以將測量指標(biāo)量化(數(shù)字化)，一是因?yàn)閿?shù)字便于統(tǒng)計(jì)分析，二是數(shù)字使態(tài)度測量活動(dòng)本身變得容易[2]。教學(xué)情況測評了解的是學(xué)生對教學(xué)軟硬件、教學(xué)質(zhì)量、教學(xué)效果的看法和態(tài)度等，考慮到教學(xué)情況調(diào)查表將由學(xué)生在網(wǎng)上填寫，學(xué)生希望看到的問題能明確，回答能簡單和便捷，故對這類問題的測量采用了“5級李克特量表”，采用的5級態(tài)度是：完全不同意、較為不同意、基本同意、較為同意、完全同意，相應(yīng)賦值為1、2、3、4、5。

綜合以上情況和要求，建立了輔修教學(xué)調(diào)查情況指標(biāo)體系，具體見附表1。其中在學(xué)生學(xué)習(xí)動(dòng)機(jī)層面根據(jù)內(nèi)外因設(shè)計(jì)了10個(gè)題項(xiàng)，教師教學(xué)情況層面根據(jù)教師教學(xué)態(tài)度和課堂教學(xué)質(zhì)量設(shè)計(jì)了8個(gè)題項(xiàng)，教學(xué)管理情況設(shè)計(jì)了8個(gè)題項(xiàng)，教學(xué)效果層面從知識掌握程度、能力提高情況、教學(xué)效果穩(wěn)定性方面共設(shè)計(jì)了9個(gè)題項(xiàng)，教學(xué)調(diào)查表的建立，基本能反映輔修教學(xué)管理的客觀狀況。

二、聚類算法

(一) 聚類算法概述和策略

聚類算法主要是借助數(shù)學(xué)手段進(jìn)行一定歸類的數(shù)據(jù)簡化技術(shù)，它把基于相似數(shù)據(jù)特征的變量或個(gè)案組合在一起,是一種無監(jiān)督的學(xué)習(xí)和分類。聚類算法用于數(shù)據(jù)挖掘時(shí)，它既可以作為一個(gè)獨(dú)立的方法，用以發(fā)現(xiàn)數(shù)據(jù)庫中一些內(nèi)在的數(shù)據(jù)分布信息，也可以作為數(shù)據(jù)挖掘算法中的一個(gè)預(yù)處理步驟，其他挖掘算法能夠在聚類分析所生成的簇上作進(jìn)一步的分析和處理。

k-中心點(diǎn)算法是聚類算法中基于有代表性對象的劃分方法，它的目的是對N個(gè)數(shù)據(jù)對象給出k個(gè)劃分，它對在中小規(guī)模的數(shù)據(jù)庫中發(fā)現(xiàn)球狀簇很適用。k-中心點(diǎn)算法的基本策略是：首先為每個(gè)簇隨意選擇一個(gè)代表對象Oj，剩余的對象根據(jù)其與代表對象的距離分配給最近的一個(gè)簇，然后反復(fù)地用非代表對象Orandom來代替代表對象Oj，由此不斷改進(jìn)聚類的質(zhì)量。聚類結(jié)果的質(zhì)量用一個(gè)代價(jià)函數(shù)來估算，該函數(shù)度量對象與其參照對象之間的平均相異度。如果一個(gè)當(dāng)前的中心點(diǎn)對象被非中心點(diǎn)對象所代替，代價(jià)函數(shù)計(jì)算平方-誤差所產(chǎn)生的差異。替換的總代價(jià)是所有非中心點(diǎn)對象所產(chǎn)生的代價(jià)之和。如果總代價(jià)是負(fù)的，那么實(shí)際的平方-誤差將會減小，Oj可以被Orandom替代。如果總代價(jià)是正的，則當(dāng)前的中心點(diǎn)Oj被認(rèn)為是可接受的，在本次迭代中不發(fā)生變化[3]。k-中心點(diǎn)算法的流程具體如下：

輸入：N個(gè)對象的數(shù)據(jù)庫，期望得到的簇的數(shù)目k;

輸出：k個(gè)簇，使得所有對象與其最近中心點(diǎn)的相異度總和最小。

方法：

(1) 隨機(jī)選擇k個(gè)對象作為初始的中心點(diǎn)；

(2) 把每個(gè)剩余的對象指派給離它最近的中心點(diǎn)所代表的簇；

(3) 隨機(jī)地選擇一個(gè)非中心點(diǎn)對象Orandom；

(4) 計(jì)算用非中心點(diǎn)對象Orandom代替中心點(diǎn)Oj的總代價(jià)S；

(5) 如果總代價(jià)S為負(fù),則Orandom替換Oj,形成新的k個(gè)中心點(diǎn)的集合；

(6) 重復(fù)第2步到第5步，直到不再發(fā)生變化。

在輔修數(shù)據(jù)分析中選擇聚類挖掘，是希望能夠通過對不同類型的修讀輔修的學(xué)生進(jìn)行聚類，把學(xué)生劃分成不同類型的群體，在同一群體內(nèi)試圖找出某種未曾引起注意的共性特點(diǎn)，在不同群體間找出主要的區(qū)別因素，同時(shí)也能深入了解輔修各個(gè)層面的信息。

用SQL語言來實(shí)現(xiàn)算法的關(guān)鍵點(diǎn)是根據(jù)臨時(shí)表中存放的距離值，找出數(shù)據(jù)表中每個(gè)點(diǎn)i到最近中心點(diǎn)的距離，并嘗試把i劃分給該中心點(diǎn)；計(jì)算Orandom替換Oj后的總代價(jià)的變化，以此決定是否真正需要用Orandom替換Oj，形成新的中心點(diǎn)。如果所有的Orandom都不再能夠替換Oj，則現(xiàn)有中心點(diǎn)就是最終結(jié)果。

(二) 聚類算法的實(shí)證研究

對教學(xué)信息調(diào)查主題庫按教學(xué)各個(gè)層面用k-中心點(diǎn)算法進(jìn)行了挖掘，經(jīng)過預(yù)處理后，有效數(shù)據(jù)為2 096條，我們將學(xué)生按學(xué)習(xí)動(dòng)機(jī)、教學(xué)效果、教學(xué)質(zhì)量、教學(xué)軟硬件各個(gè)層面分別進(jìn)行聚類挖掘，限于篇幅，列舉兩個(gè)聚類結(jié)果分析。

表1 按學(xué)生學(xué)習(xí)動(dòng)機(jī)進(jìn)行聚類,選擇的聚類數(shù)為3

注：按完全同意每選項(xiàng)5分計(jì)，內(nèi)因共為25分，外因共為25分。

表2 將學(xué)生按照教學(xué)效果的三個(gè)方面進(jìn)行聚類，選擇的聚類數(shù)為4

注：按完全同意每選項(xiàng)5分計(jì)，知識掌握共為10分，能力提高共為15分，教學(xué)穩(wěn)定共為20分。

從表1中看出以中心點(diǎn)1為代表的是指選報(bào)受內(nèi)因一定影響的學(xué)生，同時(shí)也受到外因一定影響，這部分占了總?cè)藬?shù)的24.8%。以中心點(diǎn)2為代表的是選報(bào)受內(nèi)因影響不大的學(xué)生，受外在因素影響也不大，這一類群體屬于學(xué)習(xí)動(dòng)機(jī)相對較模糊，不明確，這部分占了36.3%。以中心點(diǎn)3為代表的是指選報(bào)以內(nèi)因?yàn)橹鲗?dǎo)的學(xué)生，他們幾乎不受外在因素的影響，這部分占了大概38.9%，這部分學(xué)生有強(qiáng)烈的求知欲望，學(xué)習(xí)主動(dòng)性比較強(qiáng)。表2將學(xué)生按教學(xué)效果分成四類，如以中心點(diǎn)1為代表的為知識掌握、能力提高及教學(xué)穩(wěn)定性方面非常滿意的學(xué)生，這部分學(xué)生比較多，占了總?cè)藬?shù)的21.8%，說明教學(xué)效果不錯(cuò)，學(xué)生非常認(rèn)可。以中心點(diǎn)4為代表的是對知識掌握、能力提高和教學(xué)穩(wěn)定性方面都較滿意的學(xué)生，這部分占的比重為31%，在管理中要加強(qiáng)這兩部分人在班集體中的引導(dǎo)作用，促進(jìn)大家學(xué)習(xí)的積極性。

由此，對輔修教學(xué)的各個(gè)層面進(jìn)行聚類挖掘，根據(jù)挖掘到的信息從輔修管理的各個(gè)層面進(jìn)行了分類，并掌握了各個(gè)分類的特性，從而深入地了解輔修管理的各個(gè)層面的情況，能對輔修教學(xué)管理作出一些建設(shè)性的指導(dǎo)意見，并以此聚類結(jié)果作進(jìn)一步挖掘的預(yù)處理。

三、關(guān)聯(lián)規(guī)則挖掘在輔修教學(xué)中的應(yīng)用研究

(一) 關(guān)聯(lián)規(guī)則算法概述和策略

關(guān)聯(lián)規(guī)則挖掘通過支持度和可信度定量地描述這種關(guān)聯(lián)關(guān)系的程度，以指導(dǎo)數(shù)據(jù)分析的過程。關(guān)聯(lián)規(guī)則的典型應(yīng)用是購物籃分析，通過分析指導(dǎo)商品貨架設(shè)計(jì)、倉儲規(guī)劃、降價(jià)銷售等系列決策行為，發(fā)現(xiàn)大量數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系在選擇購物、決策分析和商務(wù)管理方面是非常有用的。對于給定的一個(gè)交易集D，關(guān)聯(lián)規(guī)則的挖掘過程就是產(chǎn)生大于最小支持度和最小置信度的關(guān)聯(lián)規(guī)則的過程。規(guī)則?X?Y在交易數(shù)據(jù)庫D中的支持度(support)是交易集中包含X和Y的交易數(shù)與所有交易數(shù)之比，記為support(X?Y)，規(guī)則XY在交易集中的置信度(confidence)是指包含X和Y的交易數(shù)與包含X的交易數(shù)之比，記為confidence(XY)[4]。

Apriori算法是最經(jīng)典的關(guān)聯(lián)規(guī)則算法之一，它可在一個(gè)事務(wù)數(shù)據(jù)庫中，找出所有滿足最小支持度的項(xiàng)集(itemsets)。其使用逐層搜索的迭代方法，首先找出頻繁1-項(xiàng)集的集合，記作L1，把L1用于尋找頻繁2-項(xiàng)集的集合L2，而L2用于找L3，如此下去，把k-項(xiàng)集應(yīng)用于對 (k+1)-項(xiàng)集的探索，直到不能找到頻繁k-項(xiàng)集，表明已找出所有滿足條件的規(guī)則[5]。在找每個(gè)Lk時(shí)，利用“Apriori性質(zhì)”的重要特性，事先識別出一部分非頻繁項(xiàng)集，對它們不再需要通過掃描數(shù)據(jù)庫加以驗(yàn)證?！癆priori性質(zhì)”指的是：頻繁項(xiàng)集的所有非空子集都必須也是頻繁的，對于一個(gè)k-候選項(xiàng)集，檢查候選項(xiàng)集的所有(k-1)-子項(xiàng)集是否頻繁，若有一個(gè)不是頻繁的，則可以直接刪除這個(gè)候選項(xiàng)集，不必為它掃描數(shù)據(jù)庫[6]。

我們采用SQL語言實(shí)現(xiàn)該算法的主要步驟如下：

輸入?yún)?shù)T:數(shù)據(jù)表；min_support:最小支持度；min_confidence:最小置信度

輸出參數(shù)R:存儲關(guān)聯(lián)規(guī)則的數(shù)據(jù)表

步驟：

(1) 生成頻繁1-項(xiàng)集:從T中選擇支持度>min_support的每個(gè)項(xiàng)itemi，存入表L1；

(2)k=2；

(3) 當(dāng)Lk<>條件成立時(shí),執(zhí)行第4步—第7步循環(huán)；

(4) 連接k-1項(xiàng)集Ck；

(5) 如果k>2，則應(yīng)用“Apriori性質(zhì)”,修剪Ck中候選項(xiàng)集；

(6) 生成頻繁k-項(xiàng)集：驗(yàn)證Ck中的每個(gè)候選項(xiàng)集，把滿足在T中的支持度>min_support的候選項(xiàng)集存入Lk；

(7)k=k+1；

(8) 結(jié)束該循環(huán)；

(9) 從L1，…，Lk中提取規(guī)則，把置信度>min_confidence的規(guī)則存入表R中。

在用SQL語言實(shí)現(xiàn)算法時(shí)主要步驟就是由L1→C2→L2→ … →Ck→Lk的過程，通過迭代循環(huán)，直到不能產(chǎn)生新的頻繁項(xiàng)集的集合為止，最后從L1, …,Lk中提取關(guān)聯(lián)規(guī)則。為了提高算法的效率，不必對數(shù)據(jù)表T進(jìn)行掃描，可以直接由Lk-1和Lk產(chǎn)生形式如item1∪item2∪…∪itemk-1→itemk的規(guī)則。

(二) 關(guān)聯(lián)規(guī)則算法實(shí)證研究

Apriori算法可以對輔修數(shù)據(jù)的多個(gè)層面進(jìn)行挖掘分析，如對學(xué)生修讀信息主題庫進(jìn)行關(guān)聯(lián)挖掘、按教學(xué)層面聚類所得的簇進(jìn)行關(guān)聯(lián)規(guī)則挖掘、教學(xué)調(diào)查主題庫中學(xué)生基本信息以及通過聚類所得的簇進(jìn)行關(guān)聯(lián)規(guī)則挖掘，從而得出了一系列在學(xué)生選報(bào)、修讀、教學(xué)管理各個(gè)環(huán)節(jié)的隱性特征。如表3為學(xué)生基本信息，以及通過聚類所得的簇進(jìn)行挖掘的關(guān)聯(lián)規(guī)則，選取最小支持度為5%，最小置信度為60%。

表3 教學(xué)調(diào)查表中學(xué)生基本信息以及通過聚類所得的簇進(jìn)行關(guān)聯(lián)規(guī)則挖掘結(jié)果

從表3中，我們可以挖掘到一些特征如下：(1)管理和經(jīng)濟(jì)學(xué)科背景對輔修教師的教學(xué)質(zhì)量認(rèn)可度比較高，如序號10中可以看到主修學(xué)科為經(jīng)濟(jì)學(xué)的同學(xué)對教學(xué)質(zhì)量滿意的占到70.3%，序號11中主修學(xué)科為管理學(xué)的同學(xué)對教學(xué)質(zhì)量滿意的占到82%。(2)外校生源，主修學(xué)科為文學(xué)，輔修學(xué)科類別為藝術(shù)，對教學(xué)效果非常滿意的占到93.8%。(3)主修學(xué)科為管理，修讀輔修學(xué)科為經(jīng)濟(jì)的，修讀動(dòng)機(jī)是以內(nèi)因?yàn)橹鲗?dǎo)的占到81.5%。(4)對于工科學(xué)生，選報(bào)專業(yè)的動(dòng)機(jī)方面有性別傾向，從序號1中可以看到工科女生選報(bào)文學(xué)為輔修學(xué)科的選報(bào)動(dòng)機(jī)不足，比較盲目的占到67.1%，而工科的男生選報(bào)管理為輔修學(xué)科的以內(nèi)因?yàn)橹鲗?dǎo)的，則占到71.4%。由此我們可以根據(jù)挖掘到的結(jié)果進(jìn)行分析和有針對性的引導(dǎo)。

在進(jìn)行關(guān)聯(lián)挖掘中，輸出的關(guān)聯(lián)規(guī)則很多，但真正有效的規(guī)則很少，這就需要我們對關(guān)聯(lián)規(guī)則能進(jìn)行很好的解釋。在運(yùn)行程序時(shí)，合理地選擇最小支持度和最小置信度非常重要。

四、結(jié)束語

輔修教學(xué)的管理是一個(gè)動(dòng)態(tài)的教學(xué)管理，在修讀的過程中變動(dòng)因素也較多，把數(shù)據(jù)挖掘到的大量的隱性規(guī)則和日常管理工作結(jié)合起來，在輔修教學(xué)的招生選報(bào)階段、修讀階段建立起輔修教學(xué)管理指導(dǎo)、測評系統(tǒng)，從而能有的放矢、針對性地進(jìn)行引導(dǎo)，全面規(guī)范輔修教學(xué)管理。如在招生選報(bào)階段，可以根據(jù)歷屆不同學(xué)科背景學(xué)生選報(bào)的動(dòng)機(jī)、學(xué)習(xí)情況的數(shù)據(jù)挖掘信息，對新生進(jìn)行選報(bào)測評、指導(dǎo)，從而能避免學(xué)生選報(bào)輔修專業(yè)的盲目性。在修讀的過程中，通過教學(xué)情況狀態(tài)數(shù)據(jù)挖掘，建立起教學(xué)過程監(jiān)測，及時(shí)了解不同主修專業(yè)背景、不同輔修專業(yè)學(xué)生類別對教學(xué)狀態(tài)的反饋，加強(qiáng)主動(dòng)性的管理，確保學(xué)生修讀的穩(wěn)定性。從而能在教育信息化條件下，利用數(shù)據(jù)挖掘技術(shù)，探討現(xiàn)代高校教學(xué)管理工作的新模式。

輔修教學(xué)管理是教務(wù)管理的一部分，可以把數(shù)據(jù)挖掘技術(shù)深入應(yīng)用到教務(wù)管理中，可以促進(jìn)教育管理的進(jìn)一步改革、完善和發(fā)展。通過對數(shù)據(jù)挖掘工具的有效利用，能較客觀地反映教務(wù)系統(tǒng)中存在的問題，為決策提供重要的依據(jù)。當(dāng)然，數(shù)據(jù)挖掘本身不是萬能的，它的應(yīng)用離不開實(shí)際背景，只有遵循以人為本的原則，才能使它真正具有現(xiàn)實(shí)的意義和廣闊的前景。

[1] 金延軍.數(shù)據(jù)挖掘技術(shù)在高校學(xué)生就業(yè)指導(dǎo)中的應(yīng)用.黑龍江工程學(xué)院學(xué)報(bào)：自然科學(xué)版，2009，(1):64-67.

[2] 趙連寶.如何進(jìn)行企業(yè)顧客滿意度研究[J].合作經(jīng)濟(jì)與科技，2006，(5s):15-16.

[3] 劉志成,文全剛.“k-中心點(diǎn)”聚類算法分析及其實(shí)現(xiàn)[J].電腦知識與技術(shù):技術(shù)論壇，2005，(2):20-24.

[4] 楊秋葉.Apriori算法改進(jìn)研究[J].電腦知識與技術(shù)，2013，(9)：33-35.

[5] 杜家強(qiáng).Web日志中用戶頻繁路徑快速挖掘算法研究[J].計(jì)算機(jī)工程與應(yīng)用，2005，(22):164-167.

[6] 況莉莉.Apriori算法與FP-tree算法的探討[J].淮北煤炭師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2010，(2)：44-49.

附錄1：教學(xué)情況調(diào)查表

教學(xué)情況表，主要涉及學(xué)生學(xué)習(xí)的動(dòng)機(jī)、任課教師教學(xué)情況、教學(xué)管理軟硬件情況、教學(xué)效果調(diào)查四個(gè)層面，具體的內(nèi)容如下：

一、基本情況調(diào)查

1.學(xué)生來源：[ ] 本校學(xué)生 [ ] 外校學(xué)生

2.你的性別：[ ] 男生 [ ] 女生

3.你的主修專業(yè)學(xué)科類別：[ ]文 [ ]理 [ ]工 [ ]管理 [ ]經(jīng)濟(jì) [ ]教育 [ ]法學(xué)

4.你的輔修專業(yè)學(xué)科類別：[ ]文 [ ]理 [ ]工 [ ]管理 [ ]經(jīng)濟(jì)

二、你為什么要學(xué)習(xí)輔修專業(yè)(其中1～5為學(xué)習(xí)動(dòng)機(jī)外因，6～10為學(xué)習(xí)動(dòng)機(jī)內(nèi)因)

1.學(xué)習(xí)輔修專業(yè)是因?yàn)楦改傅脑竿鸵蟆?/p>