數(shù)據(jù)挖掘技術(shù)在高校成績分析中的應(yīng)用

周國福

摘 要： 數(shù)據(jù)挖掘技術(shù)已經(jīng)成功地運用到商業(yè)中，但是它在高等教育行業(yè)中的應(yīng)用還有待于進一步深入研究。數(shù)據(jù)挖掘技術(shù)是為了從數(shù)據(jù)中識別和提取新的和潛在的有價值的知識。以福建省高校為例，利用數(shù)據(jù)挖掘技術(shù)對高校學(xué)生成績進行了分析并建立了數(shù)學(xué)模型。提出了一種基于數(shù)據(jù)挖掘技術(shù)的學(xué)生成績分析算法，基于學(xué)生在課程中的歷史表現(xiàn)對學(xué)生未來成績進行預(yù)測。同時，利用本文方法對本校水電與建筑專業(yè)的部分學(xué)生成績抽樣進行分析。結(jié)果表明：執(zhí)行早期的階段評估是有效的，對影響學(xué)生成績因素進行分析預(yù)測，從而能夠?qū)Τ煽儾焕硐氲膶W(xué)生采取必要的補救措施，以此提升學(xué)生的學(xué)習(xí)方法，從而提高教學(xué)效率。

關(guān)鍵詞： 數(shù)據(jù)挖掘技術(shù)； 分類； 預(yù)測； 高校學(xué)生成績分析

中圖分類號： TP 391.1 文獻標(biāo)志碼： A 文章編號： 1671-2153（2017）06-0090-04

0 引 言

數(shù)據(jù)挖掘可用于從大量數(shù)據(jù)中提取隱藏的有用信息，常用于預(yù)測知識的模式。對省高校學(xué)生成績的分析能夠預(yù)測學(xué)生的表現(xiàn)，通過定期收集學(xué)生成績的數(shù)據(jù)和信息，并進行數(shù)據(jù)處理和分析，有利于保證省高校教學(xué)質(zhì)量。在教育過程中應(yīng)用數(shù)據(jù)挖掘技術(shù)可以滿足每個參與者在教育過程中的具體需求：根據(jù)分析結(jié)果為學(xué)生推薦有助于改善學(xué)習(xí)的材料和課程；老師可以根據(jù)反饋意見因材施教；高校的行政人員根據(jù)分析結(jié)果進行課程設(shè)置的調(diào)整等。

1 研究方法

本研究數(shù)據(jù)是通過問卷調(diào)查的形式收集的，調(diào)查對象是水電與建筑專業(yè)的學(xué)生，統(tǒng)計關(guān)于計算機應(yīng)用基礎(chǔ)課程的相關(guān)數(shù)據(jù)，消除不完整的數(shù)據(jù)后，樣本的數(shù)量是257份。將257份有效樣本作為輸入，每一個樣本信息的序號、屬性以及取值類型如表1所示。

課程中學(xué)生成績的分布如圖1所示。圖1中，橫坐標(biāo)是學(xué)生分?jǐn)?shù)，縱坐標(biāo)是人數(shù)。將成績按照式（1）的規(guī)則進行離散化，即

分?jǐn)?shù)等級=A， 95≤分?jǐn)?shù)B， 85≤分?jǐn)?shù)<95C， 75≤分?jǐn)?shù)<85D， 65≤分?jǐn)?shù)<75E， 55≤分?jǐn)?shù)<65F， 分?jǐn)?shù)<60 。 （1）

將輸出分為兩類：第一類是優(yōu)秀，即分?jǐn)?shù)等級為A；第二類是一般，即分?jǐn)?shù)等級為B，C，D，E以及F。這兩類輸出的比例如表2所示。

2 數(shù)據(jù)挖掘算法

數(shù)據(jù)挖掘技術(shù)中有許多不同的分類器，但是并不存在最好的分類器，因為它們在許多方面有所不同，例如：學(xué)習(xí)率，訓(xùn)練數(shù)據(jù)量，分類速度，魯棒性等。本文應(yīng)用C4.5[1]和樸素貝葉斯[2]這兩種數(shù)據(jù)分析算法來產(chǎn)生分類模型。

2.1 樸素貝葉斯分類器（NBC）

假設(shè)向量x=（x1，x2，，x3，x4，x5，x6，x7，x8，x9，x10，x11，x12）是屬性向量。其中：x1是代表性別屬性；x2是代表家庭人數(shù)屬性；x3是代表住所與學(xué)校的距離屬性；x4代表高中類型屬性；x5代表績點屬性；x6代表高考成績屬性；x7代表獎學(xué)金屬性；x8是課程學(xué)習(xí)時間屬性；x9代表復(fù)習(xí)材料屬性；x10代表使用網(wǎng)絡(luò)屬性；x11成績重要性屬性以及x12代表收入屬性。C1代表輸出類別中的“優(yōu)秀”；C2代表輸出類別中的“一般”。根據(jù)貝葉斯定理[3]，可以得到以下公式：

式中：p（C1|x）是指某樣本屬于C1的概率；p（C2|x）是指某樣本屬于C2的概率。觀察式（2）和式（3），只有分子部分含有變量Ck，將p（x）看成常數(shù)，那么式（1）就等價于p（Ck，x1，x2，…，x9）。于是有：

假設(shè)向量x中的屬性都是互相獨立的，于是有：

根據(jù)式（3）可以得到樸素貝葉斯分類器，即

2.2 C4.5

C4.5是ID3[4]算法的升級版，C4.5生成的決策樹可以用于分類，為此C4.5通常被稱為統(tǒng)計分類器。C4.5的算法如表3所示。

3 結(jié)果及分析

為了更好地了解輸入變量的重要性，通常會分析輸入變量在學(xué)生成績分析預(yù)測期間的影響，對模型的某些輸入變量對輸出變量的影響進行了分析。使用3個測試進行測試，用于評估輸入變量：卡方檢驗[5]、信息增益測試和增益比檢驗。使用以下度量來監(jiān)測每個測試的結(jié)果：屬性（屬性名稱），優(yōu)點（良好度量），優(yōu)點開始（偏差，即品質(zhì)偏差的度量），排序（屬性占據(jù)的平均位置），排序和dev（偏差，偏差取屬性位置）。不同的算法提供不同的結(jié)果，即每個算法以不同的方式考慮屬性的相關(guān)性。將所有算法的平均值作為屬性排序的最終結(jié)果。表4為數(shù)據(jù)屬性的測試結(jié)果。

由表4可以看出，屬性5（即績點）對結(jié)果的影響最大，在四項測試中效果最好。屬性6，屬性9和屬性8對結(jié)果也有較大的影響。對結(jié)果影響最小的分別是屬性1，2和3。

表5和表6為評估NBC算法和C4.5算法在預(yù)測學(xué)生成績性能的結(jié)果。

由表5可以看出，NBC的正確率稍稍高于C4.5算法。NBC的卡巴統(tǒng)計量要遠(yuǎn)高于C4.5算法，說明了NBC的分類結(jié)果與隨機分類的差異度較大，因此性能更好。同時，NBC的平均絕對誤差、均方根誤差小于C4.5算法，說明NBC的準(zhǔn)確率比較高，分類的性能比較穩(wěn)定。由表6可以看出，NBC的分類精度稍稍高于C4.5算法。

4 結(jié) 論

本文的目的是利用數(shù)據(jù)挖掘技術(shù)來進行省高校成績分析模型的探討，提出了一種基于數(shù)據(jù)挖掘技術(shù)的學(xué)生成績分析算法，基于過去學(xué)生在課程中的歷史表現(xiàn)的來對學(xué)生未來成績進行預(yù)測。利用本文方法對本校水電與建筑專業(yè)的學(xué)生成績進行分析研究，實驗結(jié)果表明，樸素貝葉斯分類器表現(xiàn)突出。本研究基于傳統(tǒng)的課堂環(huán)境，數(shù)據(jù)采集后應(yīng)用數(shù)據(jù)挖掘技術(shù)。這種方法可以幫助老師提高學(xué)生的成績，采取合適的措施來提高學(xué)習(xí)質(zhì)量。由于學(xué)習(xí)是一個積極的過程，師生之間的交互是影響學(xué)生滿意度和表現(xiàn)的一個基本要素。

參考文獻：

[1] 黃秀霞. C4.5決策樹算法優(yōu)化及其應(yīng)用[D]. 江南大學(xué)，2017.

[2] 王俊華，左萬利，閆昭. 基于樸素貝葉斯模型的單詞語義相似度度量[J]. 計算機研究與發(fā)展，2015，52（7）：1499-1509.

[3] CICCHETTI D. Bayes' Theorem[M]//The Encyclopedia of Clinical Psychology. John Wiley & Sons，Inc，2015.

[4] 王永梅，胡學(xué)鋼. 決策樹中ID3算法的研究[J]. 安徽大學(xué)學(xué)報（自科版），2011（3）：71-75.

[5] SHARPE D. Your Chi-Square Test Is Statistically Significant：Now What？[J]. Practical Assessment Research & Evaluation，2015，20：10.