基于數(shù)據(jù)挖掘的學(xué)生選課及學(xué)習(xí)行為分析算法研究

摘 要： 依據(jù)教育數(shù)據(jù)挖掘技術(shù)，通過關(guān)聯(lián)規(guī)則挖掘中的確定因素法和序列模式挖掘，分別對學(xué)生課程選擇的最小關(guān)聯(lián)規(guī)則和學(xué)生的臨時(shí)興趣學(xué)習(xí)模式進(jìn)行挖掘，以此進(jìn)行學(xué)生的行為分析。首先，通過最小關(guān)聯(lián)規(guī)則挖掘中的確定因素（DF）法，從課程數(shù)據(jù)庫中挖掘?qū)W生課程選擇的最小關(guān)聯(lián)規(guī)則。其次，通過臨時(shí)興趣序列模式（TIPS）技術(shù)，在學(xué)習(xí)活動序列中發(fā)現(xiàn)短期的學(xué)習(xí)行為模式。最后，通過數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證該算法具有實(shí)際意義。

關(guān)鍵詞： 數(shù)據(jù)挖掘； 關(guān)聯(lián)規(guī)則； 確定因素法； 序列模式

中圖分類號： TN911?34； TM417 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2016）13?0145?04

Abstract： According to the educational data mining （EDM） technology， the minimum association rule of students course selection and student temporary interest learning pattern are mined respectively by means of definite factor method and sequence pattern mining in association rules mining to analyze the student behavior. The definite factors （DF） method in minimum association rule mining is used to mine the minimum association rules of students course selection in the courses database. And then， the temporary interest sequence pattern （TIPS） technique is used to find out the short?term learning behavior pattern in learning activity sequences. The experimental verification results show this algorithm has a practical significance.

Keywords： data mining； association rule； definite factor method； sequence pattern

近些年，圍繞著大數(shù)據(jù)可被用于造福教育與學(xué)習(xí)科學(xué)這一共同利益，兩個(gè)方面的技術(shù)逐漸得到了發(fā)展，這兩個(gè)方面就是教育數(shù)據(jù)挖掘（EDM） 以及學(xué)習(xí)分析[1]。隨著教育數(shù)據(jù)挖掘的快速發(fā)展，數(shù)據(jù)挖掘中的各項(xiàng)技術(shù)，諸如關(guān)聯(lián)規(guī)則挖掘，序列模式挖掘等技術(shù)都相繼得到了應(yīng)用，這也進(jìn)一步促進(jìn)了教育數(shù)據(jù)挖掘技術(shù)的發(fā)展。同時(shí)，通過教育數(shù)據(jù)挖掘?qū)逃龜?shù)據(jù)進(jìn)行的數(shù)據(jù)挖掘而得到的潛在信息或是關(guān)聯(lián)規(guī)則也得到了更多的應(yīng)用，通過這些潛在信息和關(guān)聯(lián)規(guī)則，管理者可以更好地制定管理策略和教學(xué)策略，這對提高學(xué)校的管理和教學(xué)有著非常重要的意義[2]。

1 學(xué)生課程選擇的最小關(guān)聯(lián)規(guī)則的挖掘

學(xué)生的課程選擇是大學(xué)生日常學(xué)習(xí)生活中必須接觸到的，并且會直接影響到學(xué)生在校學(xué)習(xí)，所以課程選擇顯然是一種重要的學(xué)生行為[3]。因此，采用確定因素法，從課程數(shù)據(jù)庫中挖掘?qū)W生課程可以采用最小關(guān)聯(lián)規(guī)則挖掘技術(shù)。

1.1 關(guān)聯(lián)規(guī)則

（1） 關(guān)聯(lián)規(guī)則的挖掘

關(guān)聯(lián)關(guān)系可以采用置信度、支持度、期望置信度、作用度四個(gè)標(biāo)量進(jìn)行表述。通常來說，置信度就是關(guān)聯(lián)規(guī)則下準(zhǔn)確度的衡量標(biāo)準(zhǔn)，而支持度則體現(xiàn)了重要性標(biāo)準(zhǔn)。支持度越大，說明這個(gè)關(guān)聯(lián)規(guī)則就更加重要。如果在數(shù)據(jù)挖掘中，存在關(guān)聯(lián)規(guī)則的置信度較高，但是支持度卻相對較低，那么這種規(guī)則的實(shí)際應(yīng)用效果就很難保障[4]。

（2） 關(guān)聯(lián)規(guī)則挖掘的過程

關(guān)聯(lián)規(guī)則的挖掘需要通過兩個(gè)階段來實(shí)現(xiàn)：第一個(gè)階段就是從現(xiàn)有的數(shù)據(jù)集合中找到高頻項(xiàng)目組，并進(jìn)行整合；第二個(gè)階段就是通過這些高頻項(xiàng)目組構(gòu)建關(guān)聯(lián)規(guī)則。

在第一個(gè)階段中涉及到的高頻項(xiàng)目組中的高頻內(nèi)涵指的是其中某一個(gè)具體的項(xiàng)目組出現(xiàn)的頻率，只有這個(gè)項(xiàng)目組在記錄中出現(xiàn)的頻率達(dá)到了某一個(gè)水平，那么就叫做高頻項(xiàng)目組。而且一個(gè)項(xiàng)目組出現(xiàn)的頻率實(shí)際上就是支持度。比如以包含了物品集合和物品集合的項(xiàng)目為例，通過式（1）就能夠獲得的項(xiàng)目支持度。

通過式（1）計(jì)算出來的支持度如果大于設(shè)定的最小支持度，那么{A，B}這個(gè)項(xiàng)目組就可以稱作高頻項(xiàng)目組。比如某個(gè)項(xiàng)目組K?滿足了這個(gè)最小支持度，就說明這個(gè)項(xiàng)目組K?是高頻項(xiàng)目組，可以使用Large k表示這種高頻項(xiàng)目組。然后關(guān)聯(lián)算法就從Large k中進(jìn)行延伸，從而產(chǎn)生Large k+1，直到找到了所有的高頻項(xiàng)目組。

關(guān)聯(lián)規(guī)則的第二個(gè)階段自然就是找到關(guān)聯(lián)規(guī)則。實(shí)際上很多高頻項(xiàng)目組就是產(chǎn)生關(guān)聯(lián)規(guī)則的搖籃。利用第一個(gè)過程中的項(xiàng)目組K?獲得關(guān)聯(lián)規(guī)則。在設(shè)置最小置信度的門檻下，如果每一個(gè)關(guān)聯(lián)規(guī)則超過了這個(gè)置信度，那么這個(gè)規(guī)則就能夠作為有意義的關(guān)聯(lián)規(guī)則進(jìn)行評估和可視化。

1.2 教育數(shù)據(jù)挖掘中的最小關(guān)聯(lián)規(guī)則

教育類數(shù)據(jù)是挖掘明顯的最小關(guān)聯(lián)規(guī)則中的一種潛在資源，這些規(guī)則對于協(xié)助高校的管理者或是高校的教師在做出正確的決策和制定完善的教學(xué)方案時(shí)有著非常好的作用。這一研究的重要性在于，它能夠發(fā)現(xiàn)所選的課程中不尋常的關(guān)聯(lián)[5]。進(jìn)一步而言，它還可以反映在大學(xué)的課程問題上頻繁和最低規(guī)則的結(jié)合中可能存在的規(guī)則。這一研究的結(jié)果可以讓學(xué)校老師給某一類的學(xué)生提供合適的課程作出指導(dǎo)。事實(shí)上，它可以幫助大學(xué)政策制定者理解和提高目前的教學(xué)水平，整體提升管理流程水平[6]。

采用確定因素（Definite Factors，DF）法檢測學(xué)生已選擇的大學(xué)課程之間的不尋常關(guān)系。事實(shí)上，確定因素法可以考慮到大學(xué)課程之間的頻繁和最低的結(jié)合因素，用以生成想要的最低管理規(guī)則。在生成這些規(guī)則之前采用LP?3和LP?增長算法。

1.3 確定因素法

設(shè)指的是一系列稱為常數(shù)值的項(xiàng)目，指的是一系列非負(fù)實(shí)數(shù)稱為權(quán)重的項(xiàng)目，指的是業(yè)務(wù)中的數(shù)據(jù)集，而業(yè)務(wù)中的是一系列特別的項(xiàng)目，每個(gè)業(yè)務(wù)可以由一個(gè)特殊的識別碼TID進(jìn)行識別。

（1） 定義

針對本文中所使用的算法，為了使其易于理解，在這里，先給出一些定義。

定義1 設(shè)為一個(gè)項(xiàng)目集，該項(xiàng)目集合為項(xiàng)目K?，稱為項(xiàng)目集K?。

定義2 該項(xiàng)目集的支持值是即supp（X）被定義為一項(xiàng)包括了業(yè)務(wù)的項(xiàng)目數(shù)據(jù)。

定義3 設(shè)為一個(gè)項(xiàng)目集，和之間的關(guān)聯(lián)規(guī)則是在的情況下，其中，和分別表示原因和結(jié)果。

定義4 關(guān)聯(lián)規(guī)則支持值即supp則定義為包括了業(yè)務(wù)中的數(shù)據(jù)。

定義5 關(guān)聯(lián)規(guī)則的置信區(qū)間，即conf，定義為包含的業(yè)務(wù)中的數(shù)據(jù)的一種概率。所以，conf的計(jì)算公式如下：

定義6 確定因素是在不同的項(xiàng)目集里，通過一個(gè)項(xiàng)目集的頻繁程度與基準(zhǔn)頻率進(jìn)行對比，開發(fā)支持值的公式。項(xiàng)目集的基準(zhǔn)頻率應(yīng)假設(shè)為統(tǒng)計(jì)上是獨(dú)立的。

確定因素，即DF，且：

（2） 最低關(guān)聯(lián)規(guī)則的構(gòu)造定義

若一個(gè)規(guī)則符合以下兩個(gè)條件歸類為最小相關(guān)規(guī)則定義（SLAR） 。一是，相關(guān)規(guī)則的DF必須大于預(yù)設(shè)的最低DF。最小DF是在0～1之間。二是，相關(guān)規(guī)則的因果條件必須既不是最低項(xiàng)目也不是頻繁項(xiàng)目[7]。每個(gè)相關(guān)規(guī)則DF的計(jì)算都應(yīng)該采用定義6的方法確定。DLAR算法構(gòu)建的完整過程如下：

1.4 實(shí)驗(yàn)結(jié)果

用確定因素方法取得實(shí)驗(yàn)文本，所有關(guān)聯(lián)規(guī)則的權(quán)重都會根據(jù)這一方法進(jìn)行分配。在此，學(xué)生可以在原始圖表中根據(jù)固定定位選擇8個(gè)課程。每個(gè)課程的實(shí)際定位是根據(jù)固定課程進(jìn)行設(shè)置的。在某大學(xué)里，共計(jì)為某屆學(xué)生提供822個(gè)本科課程。根據(jù)這些數(shù)據(jù)，160名學(xué)生選擇了342個(gè)本科課程，可以歸類為47個(gè)類型領(lǐng)域。從中抽出了5個(gè)課程列在表1中。同時(shí)，在實(shí)驗(yàn)中還用到了確定因素法中的LP?樹和LP?成長算法。

經(jīng)過實(shí)驗(yàn)，共有4 177個(gè)相關(guān)規(guī)則被成功提取出來，如圖1所示，學(xué)生一共選擇了一些（或沒有選擇） 相關(guān)的計(jì)算機(jī)課程，大約有32%的學(xué)生沒有申請計(jì)算機(jī)科學(xué)課程，大約有36%的學(xué)生選擇了4門計(jì)算機(jī)課程。如圖2所示為采用不同支持范圍的相關(guān)規(guī)則的總數(shù)。較高的相關(guān)規(guī)則數(shù)支持值低于1%，而最低值相關(guān)規(guī)則的支持范圍應(yīng)為2%～3%，進(jìn)一步分析表明，專注于支持值大于3%的規(guī)則。3%的最小支持值相當(dāng)于在本項(xiàng)目中必須至少出現(xiàn)五次的項(xiàng)目集。表2列舉了前十位最小值為3%的相關(guān)規(guī)則。

表3給出了根據(jù)表2的相關(guān)規(guī)則的意義。由于課程領(lǐng)域的矛盾，第一個(gè)規(guī)則到第五個(gè)規(guī)則是比較奇怪的。第六個(gè)規(guī)則就非常真實(shí)，因?yàn)樵诨A(chǔ)要求上兩個(gè)項(xiàng)目有著相似之處。第六到第十個(gè)規(guī)則，解釋起來則比較難比較復(fù)雜，因?yàn)檫@些課程中并無相關(guān)的興趣。據(jù)此，可以看到，學(xué)生們在選擇大學(xué)課程的過程中混淆了他們的幾種興趣?？傊诖髮W(xué)選課數(shù)據(jù)庫中現(xiàn)存的相關(guān)規(guī)則是有例外的。這一信息對全面了解學(xué)生的興趣以及如何引導(dǎo)他們選擇更合適的大學(xué)課程是非常有意義的。

2 挖掘具有臨時(shí)興趣的學(xué)習(xí)行為模式

2.1 識別臨時(shí)興趣模式

在這一環(huán)節(jié)里，使用序列技術(shù)展現(xiàn)臨時(shí)興趣序列模式（TIPS） 技術(shù)并使其與興趣方法相符，從而辨識出學(xué)生行為中最具臨時(shí)興趣的部分，然后對其進(jìn)行視覺化處理[8]。每名學(xué)生的一系列不同行為都具有與其相關(guān)的序列，TIPS技術(shù)主要由四個(gè)基礎(chǔ)步驟組成：

（1） 通過在學(xué)生的學(xué)習(xí)活動序列中應(yīng)用序列模式挖掘法并生成候選模式（頻率底線為50%） ；

（2） 通過把每個(gè)候選模式映射到它在活動序列中發(fā)生的位置，算出其臨時(shí)覆蓋區(qū)域；

（3） 使用一種被應(yīng)用于每種模式的臨時(shí)覆蓋范圍中的理論興趣方法來提供候選模式的排名；

（4） 對于那些排名較高的模式，使用熱量地圖對其臨時(shí)覆蓋范圍做出視覺化處理，從而更輕易地獲取其用法趨勢和峰值。

為了定義TIPS技術(shù)的信息增益應(yīng)用表現(xiàn)出了兩個(gè)重要觀點(diǎn)：

（1） 當(dāng)使兩種模式的總發(fā)生幾率相同時(shí)，更具時(shí)間特異性（即特定時(shí)間域內(nèi)具有更多獨(dú)特活動）的模式則會具有更高的排名；

（2） 當(dāng)使兩種模式在相臨時(shí)域內(nèi)總發(fā)生幾率相同時(shí)，總計(jì)頻度更高的模式則會具有更高的排名。

2.2 Betty的大腦數(shù)據(jù)

在“Betty的大腦”這款軟件中，學(xué)生的學(xué)習(xí)和教導(dǎo)任務(wù)主要圍繞以下7種展開：閱讀相關(guān)材料獲取信息；在因果聯(lián)系圖中添加或移除聯(lián)系以組織聯(lián)系，然后把這些信息教授給Betty；詢問Betty對基于因果聯(lián)系圖域的看法；讓Betty參加由導(dǎo)師制作出的小測驗(yàn)以檢驗(yàn)其對于當(dāng)前圖中各種聯(lián)系的正誤理解；讓Betty說明她會使用哪種關(guān)系來回答小測驗(yàn)中的問題；記下筆記以供日后參考；標(biāo)注出聯(lián)系以記錄下通過測試與閱讀環(huán)節(jié)決定的正確性。

2.3 實(shí)驗(yàn)結(jié)果

從68名學(xué)生活動的序列來看，序列模式挖掘法識別出了超過一半的學(xué)生都具有的215種行為模式。為了獲取關(guān)于其用途隨著時(shí)間變化而發(fā)生演變的廣泛性，把各模式的出現(xiàn)值歸入活動范圍的以內(nèi)。

表4給出了由TIPS技術(shù)識別出的每位學(xué)生身上最常見的30種行為模式中的3種，以及依照出現(xiàn)頻率對TIPS排名和基線排名進(jìn)行對比。歸納出來的TIPS模式中近一半模式（30個(gè)中的13個(gè)）在發(fā)生率上的基線排名超過50；大多數(shù)模式（30個(gè)中的9個(gè)）的基線排名超過100。如果沒有TIPS技術(shù)的存在，那么此類低排名（在發(fā)生率上）模式將很容易被忽視。這種模式具有較高的發(fā)生率排名（因?yàn)樗哂休^高的平均發(fā)生率）和較高的TIPS排名（因?yàn)樗€具有強(qiáng)烈的時(shí)間變化）。學(xué)生們傾向于以這種模式展開學(xué)習(xí)活動，這種模式在學(xué)生的整個(gè)活動過程中最多占到了20%～40%的比例。

另一項(xiàng)通過TIPS技術(shù)識別出的臨時(shí)興趣模式是緊隨小測驗(yàn)之后的移除錯(cuò)誤因果聯(lián)系環(huán)節(jié)，學(xué)生們通常在后期使用這種行為模式。通過這種行為模式可以發(fā)現(xiàn)被學(xué)生用來在小測驗(yàn)中確定關(guān)聯(lián)是否錯(cuò)誤以及是否應(yīng)該被移除的監(jiān)管行為。隨著學(xué)生們添加越來越多的錯(cuò)誤關(guān)聯(lián)，這種形式的出現(xiàn)呈現(xiàn)出超出預(yù)期的上升趨勢。

TIPS在對普通模式和具有高發(fā)生率模式的認(rèn)知過程中也同樣發(fā)揮著重要的作用。發(fā)現(xiàn)那些隨著時(shí)間的變化具有臨時(shí)性用處演變的模型對于教育以及其他領(lǐng)域的研究者和專家也具有極為重要的作用。

使用此項(xiàng)技術(shù)挖掘“Betty的大腦”中數(shù)據(jù)的結(jié)果體現(xiàn)出隨著時(shí)間的變化具有演變的認(rèn)知行為的潛在利益，同時(shí)也具體化了TIPS排名和發(fā)生率基線排名的差別。盡管考慮到系統(tǒng)條件和學(xué)習(xí)活動的限制，發(fā)生率排名的總體趨勢只能代表一些特定模式；但TIPS技術(shù)可以通過強(qiáng)有力的時(shí)間演變特性識別出這些模式，并確定一些預(yù)期模式；同時(shí)它也能辨識出與預(yù)期不符的一些模式，如果沒有TIPS技術(shù)，那么這些模式很容易就會被忽視?？傮w上講，這些結(jié)果闡釋了TIPS技術(shù)的效用，同時(shí)還說明TIPS排名和發(fā)生率排名中排名較高的模式是對重要學(xué)習(xí)行為模式的初期分析和鑒定最為有用的。

3 結(jié) 論

本文主要依據(jù)教育數(shù)據(jù)挖掘技術(shù)，通過關(guān)聯(lián)規(guī)則挖掘中的確定因素法和序列模式挖掘，分別對學(xué)生課程選擇的最小關(guān)聯(lián)規(guī)則和學(xué)生的臨時(shí)興趣學(xué)習(xí)模式進(jìn)行挖掘，以此進(jìn)行學(xué)生的行為分析。其中，通過挖掘?qū)W生課程選擇的最小關(guān)聯(lián)規(guī)則，以此確定學(xué)生選擇的大學(xué)課程中的特殊聯(lián)系，幫助管理者制定教學(xué)和管理策略，提高學(xué)生學(xué)習(xí)成績。其次，在基于電腦的學(xué)習(xí)環(huán)境下，識別出學(xué)習(xí)活動數(shù)據(jù)中的序列模式能夠幫助大家發(fā)現(xiàn)、理解和研究學(xué)生學(xué)習(xí)行為，通過TIPS技術(shù)在學(xué)習(xí)活動序列中發(fā)現(xiàn)具有臨時(shí)興趣的行為模式。通過對學(xué)生課程選擇和學(xué)生學(xué)習(xí)行為模式的教育數(shù)據(jù)挖掘?qū)W(xué)生行為進(jìn)行分析，幫助管理者和老師提高教學(xué)管理水平。

參考文獻(xiàn)

[1] 徐維.RFID在學(xué)生行為分析系統(tǒng)中的應(yīng)用[J].孝感學(xué)院學(xué)報(bào)，2010（z1）：22?25.

[2] 李婷，傅鋼善.國內(nèi)外教育數(shù)據(jù)挖掘研究現(xiàn)狀及趨勢分析[J].現(xiàn)代教育技術(shù)，2010（10）：13?16.

[3] 孫云帆，齊美玲.數(shù)據(jù)挖掘在教育應(yīng)用中的淺析[J].商場現(xiàn)代化，2012（24）：55?57.

[4] 楊永斌.數(shù)據(jù)挖掘技術(shù)在教育中的應(yīng)用研究[J].計(jì)算機(jī)科學(xué)，2006（12）：78?80.

[5] SCHEUER O， MCLAREN B M. Helping teachers handle the flood of data in online student discussions [C]// Proceedings of 2008 9th IEEE Conference on ITS. Montreal： Springer， 2008： 323?332.

[6] 王愛平，王占鳳.數(shù)據(jù)挖掘中常用關(guān)聯(lián)規(guī)則挖掘算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2010（4）：88?90.

[7] 孫云帆，齊美玲.數(shù)據(jù)挖掘在教育應(yīng)用中的淺析[J].商場現(xiàn)代化，2012（24）：90?92.

[8] 王登.數(shù)據(jù)挖掘技術(shù)及其在高校素質(zhì)教育應(yīng)用中的探討[J].現(xiàn)代電子技術(shù)，2007，30（4）：95?97.