數(shù)據(jù)挖掘技術(shù)在教學(xué)管理中的應(yīng)用

周梅

摘要摘要：教學(xué)質(zhì)量是高等教育的核心，教學(xué)質(zhì)量與教學(xué)管理手段直接相關(guān)。如何在教學(xué)過程中實(shí)施科學(xué)合理的教學(xué)管理方法，對于提高教學(xué)效果十分關(guān)鍵，而科學(xué)合理的教學(xué)管理手段必須建立在教與學(xué)過程的客觀現(xiàn)象之上。利用教學(xué)過程中產(chǎn)生的數(shù)據(jù)，通過數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)隱藏在其中的教學(xué)規(guī)律，根據(jù)規(guī)律建立合理的考核方法和手段，從而達(dá)到保障教學(xué)效果、提高教學(xué)質(zhì)量之目的。

關(guān)鍵詞關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)分析；教學(xué)管理

DOIDOI：10.11907/rjdk.171118

中圖分類號：G434

文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2017）005021303

0引言

大學(xué)教學(xué)質(zhì)量與大學(xué)發(fā)展息息相關(guān)。教學(xué)過程中，教師的“教”受到多種因素影響，既有教師個體因素，也受到教學(xué)管理手段制約?？茖W(xué)合理的教學(xué)管理手段不僅有助于提高教師的教學(xué)興趣，還有助于科學(xué)有效地實(shí)施教學(xué)目標(biāo)和方法，從而提高教學(xué)效果。

1教學(xué)管理現(xiàn)狀

目前的教學(xué)管理手段主要是監(jiān)管型與懲罰型[1]。監(jiān)管型手段主要包括各種領(lǐng)導(dǎo)和退休教師的督導(dǎo)活動，還有學(xué)生對教學(xué)過程進(jìn)行監(jiān)控和反映，以及不斷出臺的各種措施，對教師教的行為進(jìn)行約束。懲罰型手段主要包括對教學(xué)過程中可能出現(xiàn)的失誤或過失行為進(jìn)行懲戒。這些措施的主要目的是針對教學(xué)過程的“教”。從實(shí)際效果來看，這些措施效果有限，導(dǎo)致出現(xiàn)以下現(xiàn)象：

（1）教師的積極性不高，過多的無效管理措施限制了教師的主觀能動性，過多的監(jiān)管措施導(dǎo)致教師疲于應(yīng)付，教師只是簡單根據(jù)措施實(shí)施，這些措施以外的可以有效促進(jìn)教學(xué)的手段未必愿意執(zhí)行。

（2）教學(xué)管理手段針對性不強(qiáng)，手段目標(biāo)不夠明確，雖然措施不斷增加，但并未真正解決問題。

（3）缺乏發(fā)現(xiàn)教與學(xué)癥結(jié)的工具和方法。目前，主要通過和學(xué)生交流的方式來發(fā)現(xiàn)問題，無法通過數(shù)據(jù)發(fā)現(xiàn)存在的問題。

2教學(xué)信息挖掘

教學(xué)過程中產(chǎn)生了大量的教學(xué)信息，包括平時成績、考勤情況、實(shí)驗(yàn)情況、平時作業(yè)成績以及期末考試成績等。若能從這些大量數(shù)據(jù)中找出有用信息，在此基礎(chǔ)上制定合理有效的教學(xué)管理措施，對提高教學(xué)效果將大有裨益。

數(shù)據(jù)挖掘技術(shù)能夠自動高效地從海量數(shù)據(jù)中提取有價值的信息，從而有效支持決策[2]。數(shù)據(jù)挖掘技術(shù)有多種方法，其中之一就是關(guān)聯(lián)分析，即發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。大多數(shù)情況下，分析人員對數(shù)據(jù)中隱藏的關(guān)聯(lián)性是未知的，即使由于經(jīng)驗(yàn)積累，意識到數(shù)據(jù)間可能存在關(guān)聯(lián)性也是不確定的，所以頻繁模式的關(guān)聯(lián)規(guī)則挖掘便于找到數(shù)據(jù)之中一些隱藏的、高可信度的關(guān)聯(lián)規(guī)則[35]。

數(shù)據(jù)挖掘方法在學(xué)生成績和學(xué)生行為方面能夠發(fā)現(xiàn)學(xué)生活動與學(xué)習(xí)成績之間的關(guān)聯(lián)性[67]，為學(xué)校管理人員及教師提供參考，在很大程度上提高學(xué)習(xí)管理決策有效性，提高教學(xué)質(zhì)量和管理效率，因而挖掘?qū)W習(xí)成績與學(xué)生行為的關(guān)聯(lián)性十分必要。

與學(xué)習(xí)相關(guān)的行為主要包括平時成績、期末成績以及平時表現(xiàn)等，本文主要工作是挖掘?qū)W生期末成績與其平時成績的關(guān)聯(lián)性，探討其缺勤情況與第一次考勤情況的相關(guān)性，以及與寢室其他同學(xué)的缺勤情況相關(guān)性，從而明確何時采取怎樣的措施防止上課缺勤現(xiàn)象。

3基于Apriori算法的學(xué)生成績關(guān)聯(lián)分析

Apriori算法是一種通過逐層搜索的迭代方法挖掘關(guān)聯(lián)規(guī)則的算法，具體就是使用“k-1項(xiàng)集”搜索“k項(xiàng)集”。利用該算法挖掘平時成績與期末成績之間的關(guān)聯(lián)關(guān)系過程如圖1所示[8]。

3.1挖掘?qū)ο蟠_定

根據(jù)教學(xué)經(jīng)驗(yàn)，推斷學(xué)生的平時成績和期末成績之間可能會有一定的關(guān)聯(lián)性，學(xué)生的出勤情況之間可能存在一定的關(guān)聯(lián)規(guī)則，除此之外，學(xué)生上課出勤情況很有可能會受到其所處環(huán)境的影響，所以挖掘?qū)W生缺勤情況與同一寢室的關(guān)聯(lián)性也是十分必要的。

3.2數(shù)據(jù)收集

從歷年的教學(xué)資料中收集不同年級學(xué)生在若干不同專業(yè)課上的表現(xiàn)情況，包括出勤情況以及平時成績、期末卷面成績等信息，并得到學(xué)生寢室分配情況。

3.3數(shù)據(jù)預(yù)處理

對收集到的學(xué)生成績和出勤情況數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，主要包括數(shù)據(jù)清理和數(shù)據(jù)變換兩個步驟。

（1）數(shù)據(jù)清理。數(shù)據(jù)清理的主要目的是消除原始數(shù)據(jù)庫中的冗余數(shù)據(jù)、噪聲數(shù)據(jù)以及重復(fù)記錄。

學(xué)生成績數(shù)據(jù)中，有可能因?yàn)槲磪⒓涌荚嚮蛟诳荚囍写嬖谶`規(guī)行為，導(dǎo)致考試成績?nèi)笔Щ蛘邽?。這些數(shù)據(jù)對學(xué)生學(xué)習(xí)情況分析意義不大，所以要把這些數(shù)據(jù)刪除。

而對于學(xué)生出勤表，通過調(diào)查發(fā)現(xiàn)其缺勤是請假或其它原因，對于此類數(shù)據(jù)統(tǒng)一記為在勤。

（2）數(shù)據(jù)變換。將清理過的數(shù)據(jù)轉(zhuǎn)換為簡單易懂的模式。例如學(xué)生成績是以大量不同的數(shù)字呈現(xiàn)的，數(shù)據(jù)量較大且不易找到規(guī)律，因此需對各科成績的連續(xù)屬性值進(jìn)行離散化處理。

成績相關(guān)的數(shù)據(jù)按照通用的五級制（A，B，C，D，E）來劃分，大于90分的記為”A”，小于60分的記為”E”。

對于出勤情況，可以按照字母順序（A、B、C、D……）定義若干次出勤，然后將出勤記為“1”，缺勤記為“0”，則第一次查勤，若出勤記為“A1”，否則記為“A0”，最后總的缺勤次數(shù)記為n。

經(jīng)過以上變換，原始的學(xué)生成績庫被轉(zhuǎn)換成包含多個有效項(xiàng)集的表。由于學(xué)生姓名及學(xué)號與分析目標(biāo)無關(guān)，也將其刪除。

為了挖掘?qū)W生缺勤和所處寢室之間的關(guān)聯(lián)性，收集有缺勤記錄的全部學(xué)生信息，然后以宿舍為單位，選取其中若干個代表宿舍。事務(wù)1包含宿舍第一次點(diǎn)名該寢室缺勤學(xué)生的學(xué)號，事務(wù)2包含該宿舍第二次點(diǎn)名該寢室缺勤學(xué)生的學(xué)號，以此類推。由于單個寢室的數(shù)據(jù)量較少，可選取多個典型寢室，使分析結(jié)果更具可信度。

3.4關(guān)聯(lián)規(guī)則產(chǎn)生

Apriori算法通過多次掃描經(jīng)過處理的數(shù)據(jù)庫來尋找所有的頻繁項(xiàng)集。對于經(jīng)過處理的學(xué)生成績表而言，每個事務(wù)包含有“平時成績”和“期末成績”兩個項(xiàng)。在對頻繁1-項(xiàng)集連接后，因?yàn)椴捎玫氖穷l繁1項(xiàng)集，所以無需再對其子集進(jìn)行判斷剪枝，直接對數(shù)據(jù)庫進(jìn)行掃描計數(shù)，刪除不滿足支持度閾值的候選項(xiàng)集，保留頻繁項(xiàng)集。

對于經(jīng)過數(shù)據(jù)轉(zhuǎn)換的學(xué)生出勤表，每個事務(wù)包含有若干次出勤情況以及缺勤總數(shù)若干項(xiàng)。在對頻繁1-項(xiàng)集處理得到頻繁2-項(xiàng)集后，將其連接然后分析，得到各候選3-項(xiàng)集的子集。若有非頻繁子項(xiàng)集，則剪掉該項(xiàng)集，保留全部非空子集均為頻繁子項(xiàng)集的候選3-項(xiàng)集，然后掃描數(shù)據(jù)庫，比較支持度計數(shù)，剔除小于最小支持度計數(shù)的候選項(xiàng)集，得到頻繁3-項(xiàng)集。以此類推，得到頻繁k-項(xiàng)集。

執(zhí)行算法，得到期末成績與平時成績的關(guān)聯(lián)規(guī)則如圖2所示。

4結(jié)果分析

4.1期末成績與平時成績的關(guān)聯(lián)規(guī)則挖掘結(jié)果

（1）挖掘到關(guān)聯(lián)規(guī)則，意味在平時成績?yōu)?0分以下時，期末卷面成績有83.3%的幾率仍維持在60分以下。對于這部分學(xué)生，教師需要重點(diǎn)關(guān)注，監(jiān)督他們平時學(xué)習(xí)情況，督促他們到課并幫助他們掌握每堂課所學(xué)知識，解決每次課程中的疑難問題。

（2）通過觀察頻繁項(xiàng)集可發(fā)現(xiàn)，平時成績?yōu)锽0、C0、D0、E0（等同于90分以下）的學(xué)生，期末考試難以達(dá)到90分，這意味著在平時學(xué)習(xí)一般的學(xué)生期末也很難取得好的成績。相應(yīng)的，平時成績?yōu)锳0（90分以上的學(xué)生）在期末考試僅有10%的概率達(dá)到90分以上，同時也有可能得到B1、C1、E1等較低分?jǐn)?shù)，這在某種程度上表明平時成績并不能準(zhǔn)確體現(xiàn)學(xué)生知識掌握程度，學(xué)生在平時學(xué)習(xí)中存在到課不聽講、作業(yè)抄襲等情況，需要加以制止。

（3）按照及格與不及格情況分類得到的關(guān)聯(lián)規(guī)則可以看出，平時成績及格的學(xué)生，期末卷面成績及格率高達(dá)69%。整體而言，平時學(xué)習(xí)態(tài)度較為端正的學(xué)生在期末考試中不及格的概率很低。

4.2缺勤相關(guān)性

本文重點(diǎn)研究了第一次考勤與最后一次考勤及總體缺勤次數(shù)的相關(guān)性。

（1）第一次考勤與最后一次考勤的相關(guān)性。根據(jù)關(guān)聯(lián)規(guī)則給出的信息，第一次缺勤的學(xué)生最后一次出勤的概率高達(dá)77.8%，分析大概有兩方面原因：①因?yàn)樽詈笠淮握n可能是復(fù)習(xí)課，這部分學(xué)生因?yàn)槠綍r不聽講，在考前意識到上課的重要性，所以最后一次課選擇來上課；②點(diǎn)名累計未達(dá)到一定次數(shù)，無法參加考試，有些學(xué)生可能意識到問題的嚴(yán)重性，最后一次選擇來上課。從這兩個原因來看，大部分學(xué)生還是希望能夠順利通過考試的，但有時因?yàn)閼猩砩险n。教師要向這部分學(xué)生強(qiáng)調(diào)上課的重要性，讓他們明確考試難度，靠最后的突擊復(fù)習(xí)通過考試不是很容易的。

（2）第一次考勤與總體缺勤次數(shù)的相關(guān)性。根據(jù)關(guān)聯(lián)規(guī)則可以看到，第一次出勤后再缺勤一次的學(xué)生占比較多，這部分學(xué)生可能學(xué)習(xí)態(tài)度還算端正，但偶爾會因?yàn)楦鞣N原因有一點(diǎn)懶散。此外，根據(jù)求得的各種規(guī)則置信度結(jié)果可以看出，第一次缺勤，后面仍會缺勤的概率在77.8%，所以對第一次點(diǎn)名就缺勤的學(xué)生要重點(diǎn)關(guān)注，因?yàn)檫@部分學(xué)生后期很可能再次出現(xiàn)不上課情況。

5結(jié)語

根據(jù)關(guān)聯(lián)分析結(jié)果可以看出學(xué)生的期末成績與平時成績的相關(guān)度，前面若干次考勤與后面考勤之間的關(guān)系，以及同一寢室學(xué)生之間相互影響的關(guān)系。通過這些分析，對于制定教學(xué)管理措施很有幫助。例如當(dāng)學(xué)生兩次考勤不到時，就需要進(jìn)行相應(yīng)警告；對于平時抄襲行為需要制定較為嚴(yán)格的措施；同一寢室學(xué)生之間相互不良影響要采取措施。

通過數(shù)據(jù)挖掘分析技術(shù)，從大量客觀的教學(xué)數(shù)據(jù)中分析和發(fā)現(xiàn)相應(yīng)的規(guī)律，并根據(jù)這些規(guī)律制定相應(yīng)的教學(xué)管理措施，對改善教學(xué)效果大有幫助。

參考文獻(xiàn)參考文獻(xiàn)：

[1]王向東. 大學(xué)教師教學(xué)管理制度的反思與完善——基于教學(xué)行為與制度關(guān)系的視角[J].現(xiàn)代大學(xué)教育，2011（3）：97102.

[2]楊秀萍. 數(shù)據(jù)挖掘技術(shù)及其在收視行為分析中的應(yīng)用[J].福建電腦， 2013（4）：124126.

[3]崔妍，包志強(qiáng). 關(guān)聯(lián)規(guī)則挖掘綜述[J].計算機(jī)應(yīng)用研究，2016（2）：330334.

[4]章麗芳. 基于關(guān)聯(lián)挖掘的學(xué)生成績分析系統(tǒng)的研究[D].杭州：浙江工業(yè)大學(xué)，2011.

[5]崔學(xué)文. 關(guān)聯(lián)規(guī)則挖掘算法Apriori在學(xué)生成績分析中的應(yīng)用[J].北方學(xué)院學(xué)報：自然科學(xué)版，2011（1）：4447.

[6]C ANURADHA，T VELMURUGAN.A data mining based survey on student performance evaluation system[C].IEEE International Conference on Computational Intelligence and Computing Research （ICCIC）， 2014.

[7]K B BRIJESH，P SAURABH.Mining educational data to analyze students performance[J].In International Journal of Advanced Computer Science and Applications， 2011，2（6）：6369.

[8]趙洪英，蔡樂才，李先杰. 關(guān)聯(lián)規(guī)則挖掘的Apriori算法綜述[J].四川理工學(xué)院學(xué)報：自然科學(xué)版，2011（1）：6670.

責(zé)任編輯（責(zé)任編輯：杜能鋼）