基于關(guān)聯(lián)規(guī)則的學(xué)生成績分析

楊春光

摘要：在當(dāng)今社會(huì)中，“大數(shù)據(jù)”這個(gè)名詞的出現(xiàn)，越來越影響著我們的生活，在教育領(lǐng)域中“大數(shù)據(jù)”的應(yīng)用更是逐漸被重視，該文正是將“大數(shù)據(jù)”的處理融入教育中，通過功能需求、技術(shù)需求及數(shù)據(jù)需求進(jìn)行深入分析和整合，然后再根據(jù)規(guī)則權(quán)重的不同分為消極類型和積極類型，與此同時(shí)按照分類規(guī)則設(shè)計(jì)公式分配不同的最小置信度和最小支持度，對其中的關(guān)聯(lián)規(guī)則進(jìn)行設(shè)計(jì)及分析，避免因?yàn)閿?shù)據(jù)不充足而造成不平衡等問題。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；學(xué)業(yè)預(yù)警；成績分析；成績預(yù)測

1概述

大數(shù)據(jù)時(shí)代的到來標(biāo)志著社會(huì)的發(fā)展來到了新的階段，各行各業(yè)在不同的領(lǐng)域當(dāng)中都在積極的適應(yīng)并改變以往的傳統(tǒng)模式，對相關(guān)數(shù)據(jù)進(jìn)行收集、整理、分析用以尋求各自的發(fā)展。在教育領(lǐng)域也不例外。教育領(lǐng)域的數(shù)據(jù)收集主要包括學(xué)生學(xué)習(xí)成績、日常表現(xiàn)、對任課教師的評價(jià)以及對相關(guān)課程的評價(jià)等。通過作用度、支持度、可信度、期望可信度等來表達(dá)其屬性。

2需求分析

2.1功能需求

本研究實(shí)現(xiàn)的功能有以下幾點(diǎn)：

（1）成績預(yù)測

通過對大一新生的相關(guān)數(shù)據(jù)收集，在分析和預(yù)測過程中一旦發(fā)現(xiàn)，有考試不通過的可能性，就會(huì)提前對相應(yīng)的同學(xué)進(jìn)行通知，提醒其要在最后復(fù)習(xí)階段要更加努力學(xué)習(xí)，以免在期末考試中無法通過。

（2）提前預(yù)警

在國內(nèi)的各大高校當(dāng)中，都會(huì)有考試不及格的同學(xué)，這些同學(xué)面臨課程重修。在重修的過程當(dāng)中，不僅加大了任課教師的教學(xué)負(fù)擔(dān)，同時(shí)學(xué)生也會(huì)造成一些經(jīng)濟(jì)上沒必要的損失。通過本文的數(shù)據(jù)收集、分析利用數(shù)據(jù)挖掘技術(shù)和關(guān)聯(lián)規(guī)則技術(shù)幫助同學(xué)們提前準(zhǔn)確定位到有可能出現(xiàn)重修的同學(xué)，讓該類同學(xué)提早做好復(fù)習(xí)和學(xué)習(xí)準(zhǔn)備，讓任課教師也著重提前關(guān)注和警示此類學(xué)生，做到預(yù)測、提醒以及幫助。

（3）學(xué)生成績分析

教育教學(xué)過程中，最重要最廣泛被看中的就是考試分?jǐn)?shù)，分?jǐn)?shù)可以反映出學(xué)生學(xué)習(xí)努力的多少，教師授課的水平等。因此對于學(xué)生成績的數(shù)據(jù)收集和整理分析更加尤為重要。以往并不是沒有對學(xué)生成績進(jìn)行分析，只是以往的數(shù)據(jù)分析過于簡單，直接，僅僅包括成績的增長、下降和排名等，無法滿足目前的教學(xué)需要。

2.2數(shù)據(jù)需求

數(shù)據(jù)來自于不同的來源，當(dāng)談?wù)摬煌愋偷臄?shù)據(jù)，考慮每個(gè)變量的測量水平。

（1）區(qū)間變量的均值是有意義的，如平均成績。

（2）分類：由一組水平的變量，如性別、成績劃分。

2.3技術(shù)需求

通過使用預(yù)測建模技術(shù)，我們就可以驗(yàn)證并肯定輸入變量在進(jìn)行預(yù)測結(jié)果變量是正確、有效并且是可用的。如果高校管理機(jī)構(gòu)想嘗試預(yù)測學(xué)生是否可以通過新學(xué)年期末考試，那么其可以通過確定學(xué)生的往年期末成績和平時(shí)課堂成績來進(jìn)行評估和測定，這樣有利于預(yù)測期末成績的通過情況。輸入變量和結(jié)果變量的區(qū)分，可用設(shè)定角色的方法為數(shù)據(jù)集進(jìn)行確定。設(shè)定的模型角色的性子包括姓名，性別，地址，及其他所需要素的情況。若使用時(shí)出現(xiàn)多余要素的情況，便可排除多余要素，需要使用設(shè)定的角色模型確定可用變量的作用。識別結(jié)果變量可使用目標(biāo)模型識別，輸入變量可用輸入模式識別。

3使用關(guān)聯(lián)規(guī)則挖掘有重修風(fēng)險(xiǎn)的學(xué)生

3.1設(shè)計(jì)目標(biāo)

為薄弱學(xué)生選擇重修風(fēng)險(xiǎn)較大的課程，從我們的經(jīng)驗(yàn)和實(shí)驗(yàn)發(fā)現(xiàn)，得分方法是更合適的，不是給每個(gè)學(xué)生分配一個(gè)明確的類，評分模型分配一個(gè)概率估計(jì)每個(gè)學(xué)生表達(dá)的可能性并做出預(yù)警。

3.2關(guān)聯(lián)規(guī)則設(shè)計(jì)

（1）關(guān)系表

關(guān)聯(lián)規(guī)則挖掘的數(shù)據(jù)，需要每個(gè)數(shù)值屬性離散化后間隔關(guān)聯(lián)規(guī)則挖掘。離散化后，可以將每個(gè)數(shù)據(jù)集作為一組對和一個(gè)類標(biāo)簽。每一個(gè)數(shù)據(jù)成為一個(gè)事務(wù)，現(xiàn)有的關(guān)聯(lián)規(guī)則挖掘算法可以應(yīng)用于數(shù)據(jù)集。對于得分，我們有一個(gè)固定的兩類屬性。

（2）使用關(guān)聯(lián)規(guī)則用于學(xué)生得分

由于每個(gè)規(guī)則有附加的支持度和置信度，因此容易設(shè)計(jì)一個(gè)模式用于得分?jǐn)?shù)據(jù)。當(dāng)出現(xiàn)無數(shù)據(jù)的情況下，則不適合利用關(guān)聯(lián)規(guī)則做設(shè)計(jì)。分配高分的前提要求是，有眾多符合置信度規(guī)則的積極類數(shù)據(jù)。相反，消極類則分配低分。因此，通過加權(quán)平均的方式我們得到以下公式（如圖1，分?jǐn)?shù)s值在0與1之間）。

POS積極類項(xiàng)集，NEG消極類項(xiàng)集，con：原始的積極類規(guī)則置信度。w積極類規(guī)則i的權(quán)重，w消極類規(guī)則j的權(quán)重，con消極類規(guī)則i轉(zhuǎn)換為積極類規(guī)則的置信度。

3.3關(guān)聯(lián)規(guī)則分析

從記錄中隨機(jī)選擇50條左右，選擇的屬性有性別、高中成績、作業(yè)完成率、出勤率、課程類別、職務(wù)、課外活動(dòng)、期末成績共八類。

（1）離散化數(shù)據(jù)

A.性別屬性離散化：A1（男）、A2（女）

B.高中成績數(shù)據(jù)離散：B1（優(yōu)異）、B2（良好）、B3（普通）

C.作業(yè)完成率離散化：c1（較好）、C2（一般）、C3（較差）

D.出勤率離散化：D1（較好）、D2（一般）、D3（較差）

E.課程類別離散化：E1（專業(yè)課）、E2（公共基礎(chǔ)課）、E3（選修課）

F.職務(wù)離散化：F1（學(xué)生會(huì)及社團(tuán)）、F2（班級干部）、F3（學(xué)生）

G.課外活動(dòng)：G1（網(wǎng)絡(luò)游戲）、G2（網(wǎng)絡(luò)聊天、電影、購物等休閑）、G3（戶外活動(dòng)）

H.期末成績：重修風(fēng)險(xiǎn)的學(xué)生分?jǐn)?shù)點(diǎn)為45分，因此分為兩類H1（≥45）、H2（<45）

為使得數(shù)據(jù)挖掘獲得有益的信息，設(shè)定的最小支持度為14%，最小置信度為80%，根據(jù)上述計(jì)算，最小頻繁計(jì)數(shù)為7，獲得的頻繁項(xiàng)集如表2所示。

找出大于最小支持度的頻繁項(xiàng)集計(jì)算該頻繁項(xiàng)集的最小置信度，公式如下：

如果該值大于設(shè)置的最小置信度，則視為強(qiáng)關(guān)聯(lián)規(guī)則。以期末成績?yōu)槟繕?biāo)屬性，得到的關(guān)聯(lián)規(guī)則為：

C3AD3AE1AGl=>H2.colffidence=7/7=100%

C3AD2AE1AG2=>H2.confidence=6/7=85.7%

C3ADlAE2AGl=>H2.confidence=5/7=71.4%

滿足條件的前兩條規(guī)則為：

（1）規(guī)則1：作業(yè)完成率C3（較差）、出勤率D3（較差）、課程類別E1（專業(yè)課）、課外活動(dòng)G1（網(wǎng)絡(luò)游戲），這些學(xué)生的期末成績H2（低于45分）。通過數(shù)據(jù)分析得出以下結(jié)論，重修風(fēng)險(xiǎn)較大的學(xué)生有著以下共同特點(diǎn)，出勤率較低、完成作業(yè)情況不好、同時(shí)酷愛網(wǎng)絡(luò)游戲，將大量時(shí)間和精力都放在玩上面，沒有努力學(xué)習(xí)，因此影響到考試成績，存在重大的重修風(fēng)險(xiǎn)，通過數(shù)據(jù)分析量化出來。

（21規(guī)則2：作業(yè)完成率c3（較差）、出勤率D2（一般）、課程類別E1（專業(yè)課）、課外活動(dòng)G2（網(wǎng)絡(luò)休閑類），這些學(xué)生的期末成績H2（低于45分）。除了規(guī)則1中已經(jīng)分析過的原因之外，發(fā)現(xiàn)出勤率提高一些對整體成績幫助并不大，沒有一個(gè)好的出勤率必然無法保證作業(yè)的完成率，也必然會(huì)由于專業(yè)課的難度而無法深入的理解內(nèi)容，因此課程重修的風(fēng)險(xiǎn)較大。

4結(jié)論

此次研究通過篩選出一些有重修風(fēng)險(xiǎn)的學(xué)生，通過使用數(shù)據(jù)挖掘技術(shù)對數(shù)據(jù)進(jìn)行分析，不僅可以提前對此類學(xué)生進(jìn)行警示和幫助，也同時(shí)為廣大教師減輕了后期的教學(xué)負(fù)擔(dān)，針對于此類學(xué)生可以提早做出相應(yīng)的準(zhǔn)備和給予幫助，對于學(xué)校的教育教學(xué)提供了有力支持。endprint