以數(shù)據(jù)挖掘提高計(jì)算機(jī)課堂效率探究

盧 發(fā)

（廣東省江門市第一職業(yè)高級(jí)中學(xué)，廣東 江門 529000）

以數(shù)據(jù)挖掘提高計(jì)算機(jī)課堂效率探究

盧 發(fā)

（廣東省江門市第一職業(yè)高級(jí)中學(xué)，廣東 江門 529000）

文章通過(guò)計(jì)算機(jī)課堂中積累的各種學(xué)生行為數(shù)據(jù)，用Sqlserver 2005和Excel 2007進(jìn)行了數(shù)據(jù)挖掘，得出了許多新穎的觀點(diǎn)，有利于提高計(jì)算機(jī)教學(xué)課堂效率。

數(shù)據(jù)挖掘；課堂效率；學(xué)生管理

1 數(shù)據(jù)挖掘概念

數(shù)據(jù)挖掘（Data Mining，DM）也叫數(shù)據(jù)開(kāi)采或數(shù)據(jù)采掘，就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(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(shí)的過(guò)程?，F(xiàn)存的信息系統(tǒng)的數(shù)據(jù)量非常大，而其中真正有價(jià)值的信息卻很少，因此從大量的數(shù)據(jù)中經(jīng)過(guò)深層分析，獲得有利于業(yè)務(wù)運(yùn)作、提高競(jìng)爭(zhēng)力的信息，就像從礦石中淘金一樣，數(shù)據(jù)挖掘也因此而得名。這種新式的信息處理技術(shù)，可以按既定業(yè)務(wù)目標(biāo)，對(duì)大量的數(shù)據(jù)進(jìn)行探索和分析，揭示隱藏的、未知的或驗(yàn)證已知的規(guī)律性，并進(jìn)一步將其模型化。

具體的數(shù)據(jù)挖掘方法有：統(tǒng)計(jì)和可視化、聚類、關(guān)聯(lián)分析等。

2 聚類分析應(yīng)用

聚類分析是根據(jù)所選的變量對(duì)研究對(duì)象進(jìn)行分類，聚類的結(jié)構(gòu)僅僅反映了所選變量定義的數(shù)據(jù)結(jié)構(gòu)，所以變量的選擇在聚類分析中十分重要。一般而言，所選變量要符合以下要求：（1）和聚類分析的目的密切相關(guān)；（2）要反映分類對(duì)象的一般特征；（3）在不同研究對(duì)象上的值具有明顯的差異；（4）變量之間不應(yīng)該高度相關(guān)。

2.1 以學(xué)生課堂表現(xiàn)進(jìn)行聚類

在現(xiàn)代的中小學(xué)校園里，都比較流行對(duì)學(xué)生的“量化評(píng)估”即實(shí)行“平時(shí)分”課堂管理制度，“平時(shí)分”無(wú)疑在衡量學(xué)生課堂表現(xiàn)中起到標(biāo)尺的作用，但是在具體操作過(guò)程中，我們發(fā)現(xiàn)平時(shí)分制度在很多班級(jí)的實(shí)際應(yīng)用中存在重大缺陷，并且有時(shí)候在一定程度上已經(jīng)變得形同虛設(shè)了。

問(wèn)題出現(xiàn)在有些班級(jí)學(xué)生的素質(zhì)參差不齊，好的學(xué)生非常好，不守紀(jì)律的學(xué)生視紀(jì)律如無(wú)物，老師設(shè)定原始操行分為80分，但是有些學(xué)生由于課堂表現(xiàn)太差等原因，分?jǐn)?shù)被扣很多，已經(jīng)變成負(fù)值了，這導(dǎo)致不少學(xué)生不在乎操行分，甚至有些學(xué)生變得自暴自棄。

如何解決這些問(wèn)題，在開(kāi)學(xué)一定時(shí)間后（如2～3周），通過(guò)對(duì)學(xué)生平時(shí)分的聚類分析，找出相同類型的學(xué)生，分值高的一類，中等的一類，分值比較低的一類，三類學(xué)生都有不同的特征，每類學(xué)生里都有一定的相似點(diǎn)。當(dāng)然學(xué)生都在不斷進(jìn)步發(fā)展之中，因此要每?jī)芍苤匦略u(píng)估學(xué)生分類情況，適時(shí)調(diào)整策略。平時(shí)分聚類如圖1所示。

圖1 德育分聚類

聚類分析的結(jié)果顯示，根據(jù)學(xué)生的平時(shí)分把學(xué)生分為3部分，一部分是100分（含）以下的為分值較低的一類，分值一般的從100～140之間，最高的一部分是140（不含）以上的。

2.2 以學(xué)生情況進(jìn)行聚類

多年的教學(xué)經(jīng)驗(yàn)告訴我們，學(xué)生的家庭情況對(duì)學(xué)生在學(xué)校的是至關(guān)重要的，因此通過(guò)把學(xué)生的家庭進(jìn)行聚類分析把家庭環(huán)境相似的學(xué)生歸為一類，另外把違紀(jì)情況相似的也歸為一類，以進(jìn)行針對(duì)性的德育輔導(dǎo)，做到因材施教。

把學(xué)生家庭背景中的相關(guān)變量：父母學(xué)歷、父母工作單位、職務(wù)、家庭的完整性等作為聚類變量。為了能更好地衡量不同家庭背景的情況，把學(xué)歷、工作單位、職務(wù)、完整性等進(jìn)行數(shù)字化，再進(jìn)行聚類。

2.3 學(xué)生其他情況聚類

構(gòu)造一個(gè)二維交叉表，其中數(shù)字是課堂違紀(jì)的次數(shù)（見(jiàn)表1），違紀(jì)聚類如圖2所示。

表1 學(xué)生違紀(jì)二維表

圖2 違紀(jì)聚類

有了聚類分析，平時(shí)分管理制度的存在就有了新的理由，不管是在學(xué)生眼里還是教師眼里，在同一類（以平時(shí)分作聚類得出）學(xué)生里，哪些學(xué)生的分?jǐn)?shù)有了變化；如重新聚類是否會(huì)跑到別的類去了；分?jǐn)?shù)更高的類還是更低的。

3 關(guān)聯(lián)分析應(yīng)用

關(guān)聯(lián)規(guī)則挖掘就是從大量的數(shù)據(jù)中挖掘出有價(jià)值描述數(shù)據(jù)項(xiàng)之間相互聯(lián)系的有關(guān)知識(shí)。隨著收集和存儲(chǔ)在數(shù)據(jù)庫(kù)中的數(shù)據(jù)規(guī)模越來(lái)越大，人們對(duì)從這些數(shù)據(jù)中挖掘相應(yīng)的關(guān)聯(lián)知識(shí)越來(lái)越有興趣。例如：從大量的商業(yè)交易記錄中發(fā)現(xiàn)有價(jià)值的關(guān)聯(lián)知識(shí)就可幫助進(jìn)行商品目錄的設(shè)計(jì)、交叉營(yíng)銷或幫助進(jìn)行其他有關(guān)的商業(yè)決策。

由于課堂違紀(jì)在學(xué)生違紀(jì)中較為普遍，所以，對(duì)其進(jìn)行相關(guān)分析顯得十分重要。對(duì)同某一星期（第7周）里實(shí)際發(fā)生的違紀(jì)情況數(shù)據(jù)（部分）如表2所示。

表2 學(xué)生課堂違紀(jì)情況

面對(duì)如此多的違紀(jì)，作為老師，只能教育，手段可以多種多樣，如私下談心、嚴(yán)格要求、惡性懲罰、通知家長(zhǎng)等，但是，我們仔細(xì)分析上表會(huì)發(fā)現(xiàn)，有些同學(xué)如果遲到回來(lái)后可能會(huì)上課講閑話，如果曠課回來(lái)后可能會(huì)瞌睡。學(xué)生違紀(jì)關(guān)聯(lián)分析如圖3所示。

圖3 學(xué)生違紀(jì)關(guān)聯(lián)分析

通過(guò)以上的分析，我們意外地發(fā)現(xiàn)，如果一個(gè)學(xué)生不做眼保健操，那么可以肯定他必定會(huì)上課說(shuō)話，另外上課說(shuō)話的也會(huì)上課打瞌睡。

關(guān)聯(lián)分析工具是基于現(xiàn)有數(shù)據(jù)得出一個(gè)相對(duì)客觀的結(jié)論，有經(jīng)驗(yàn)的教師在教學(xué)中往往也能得到同樣的結(jié)論，但是，經(jīng)過(guò)數(shù)據(jù)挖掘，從理論上得出結(jié)論，往往比老師的經(jīng)驗(yàn)更具說(shuō)服力，從而避免了某些教師由于僥幸心理作出不利于課堂穩(wěn)定的決定。

4 結(jié)語(yǔ)

數(shù)據(jù)挖掘確實(shí)是個(gè)好東西，其中的聚有分析和關(guān)聯(lián)分析是進(jìn)行數(shù)據(jù)挖掘的重要手段，能夠從毫不起眼的、別人以為無(wú)用的一堆班級(jí)統(tǒng)計(jì)數(shù)據(jù)里發(fā)現(xiàn)一些很有創(chuàng)意的觀點(diǎn)，這些觀點(diǎn)不是憑空想象出來(lái)的，而是由實(shí)際數(shù)據(jù)得出的，讓人不得不信服。

對(duì)已經(jīng)形成的學(xué)生情況調(diào)查表進(jìn)行分析、整理、判斷，如果采用聚類分析的方法，借助于SPSS，SAS等統(tǒng)計(jì)軟件，不僅省時(shí)、省力，而且結(jié)果客觀得多，能夠發(fā)現(xiàn)許多意想不到的觀點(diǎn)，在學(xué)生違紀(jì)前就觀察出蛛絲馬跡，把許多重大違紀(jì)現(xiàn)象扼殺在萌芽階段。

當(dāng)然數(shù)據(jù)挖掘并不是無(wú)所不能的，并且也有自身的不足。如聚類分析應(yīng)用于班級(jí)的研究領(lǐng)域畢竟是一種新的嘗試，還存在許多問(wèn)題，如聚類的方法具體包含多種，使用哪一種應(yīng)根據(jù)研究需要慎重選擇；無(wú)論是關(guān)聯(lián)分析還是聚類分析，都只是數(shù)據(jù)的反映，而且是歷史數(shù)據(jù)的反映，同樣的數(shù)據(jù)不一定得出相同的結(jié)果，課堂管理的對(duì)象是學(xué)生，如果只刻板地由數(shù)據(jù)挖掘得出結(jié)論，并由此作出決策的話，可能會(huì)犯下嚴(yán)重錯(cuò)誤。

Study on improving the ef fi ciency of computer classroom by data mining

Lu Fa
（The First Vocational High School of Jiangmen City in Guangdong Province, Jiangmen 529000, China）

This paper uses the student behavior data accumulated in computer classroom, came up with a lot of novel viewpoints by using Sqlserver 2005 and Excel 2007 to carry on data mining, which helps to improve the ef fi ciency of computer teaching classroom.

data mining; classroom ef fi ciency; student management

盧發(fā)（1977— ），男，廣東江門人。