基于決策樹(shù)的大學(xué)英語(yǔ)等級(jí)考試成績(jī)研究

毛雪吟　沈良忠

摘要：高校學(xué)生的大學(xué)英語(yǔ)等級(jí)考試水平反映了該校的英語(yǔ)教學(xué)水平，某些高校甚至將其直接跟學(xué)位證書掛鉤。為了了解不同學(xué)院間英語(yǔ)等級(jí)考試成績(jī)的特點(diǎn)，該文針對(duì)浙江某高校共1839名學(xué)生的英語(yǔ)四、六級(jí)考試成績(jī)，通過(guò)決策樹(shù)分析實(shí)現(xiàn)四級(jí)成績(jī)不同學(xué)院之間的橫向比較和六級(jí)成績(jī)同一學(xué)院的縱向比較，發(fā)現(xiàn)了各學(xué)院英語(yǔ)等級(jí)考試成績(jī)的特點(diǎn)，為英語(yǔ)教學(xué)的教師安排和教學(xué)重點(diǎn)知識(shí)講授提供科學(xué)依據(jù)，幫助學(xué)生提高英語(yǔ)等級(jí)考試成績(jī)。

關(guān)鍵詞：數(shù)據(jù)挖掘；Weka；決策樹(shù)；C4.5；英語(yǔ)等級(jí)考試

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）22-0016-02

1概述

教育部高等教育司統(tǒng)一組織的全國(guó)大學(xué)英語(yǔ)四、六級(jí)等級(jí)考試，其主要目的就在于全面考核已修完大學(xué)英語(yǔ)四個(gè)學(xué)期的學(xué)生是否達(dá)到教學(xué)大綱所規(guī)定的各項(xiàng)指標(biāo)，內(nèi)容包括聽(tīng)力理解、閱讀理解和寫作與翻譯三個(gè)部分。因此，英語(yǔ)等級(jí)考試的成績(jī)不僅是學(xué)生畢業(yè)就業(yè)時(shí)英語(yǔ)聽(tīng)說(shuō)讀寫能力的有力證明，更是高校自身英語(yǔ)教學(xué)水平高低的體現(xiàn)。現(xiàn)階段，英語(yǔ)等級(jí)考試成績(jī)?cè)趯W(xué)生畢業(yè)時(shí)依然具有很高的信度和效度，不少企業(yè)甚至將其作為員工招聘的硬性條件之一，而且學(xué)生出國(guó)留學(xué)考雅思、GRE等都要具備較好的英語(yǔ)應(yīng)用能力。因此，不少學(xué)者對(duì)英語(yǔ)等級(jí)考試的成績(jī)開(kāi)展研究，希望能夠找到提高英語(yǔ)等級(jí)考試成績(jī)的一些教學(xué)策略。王芙蓉針對(duì)英語(yǔ)等級(jí)四級(jí)考試成績(jī)，利用SPSS Clementine 12.0作為數(shù)據(jù)挖掘工具分析得出聽(tīng)力單項(xiàng)成績(jī)的高低對(duì)四級(jí)成績(jī)是否合格有很重要的作用，閱讀成績(jī)的作用僅次于聽(tīng)力，寫作的影響程度最小。范珣珣基于Weka軟件中的決策樹(shù)算法進(jìn)行挖掘，發(fā)現(xiàn)學(xué)生高考成績(jī)、性別、對(duì)英語(yǔ)的學(xué)習(xí)態(tài)度、努力程度、與英語(yǔ)老師的關(guān)系和英語(yǔ)四級(jí)成績(jī)之間存在潛在的關(guān)系。劉紅保用決策樹(shù)C4.5算法從成績(jī)分析，非成績(jī)分析，院校性質(zhì)三方面加實(shí)現(xiàn)了對(duì)CET-4成績(jī)分類挖掘。本文以浙江某高校為例，應(yīng)用決策樹(shù)技術(shù)來(lái)分析該校英語(yǔ)等級(jí)四、六級(jí)等級(jí)考試成績(jī)中聽(tīng)力理解、閱讀理解、寫作與翻譯3個(gè)部分與等級(jí)成績(jī)之間的關(guān)系，并通過(guò)對(duì)兩個(gè)不同學(xué)院之間英語(yǔ)四級(jí)成績(jī)的橫向比較和同一學(xué)院英語(yǔ)六級(jí)成績(jī)的縱向比較為學(xué)校英語(yǔ)教學(xué)教師安排和教學(xué)重點(diǎn)知識(shí)講授提供科學(xué)決策依據(jù)，達(dá)到進(jìn)一步深化英語(yǔ)教學(xué)改革，提高英語(yǔ)教學(xué)水平，提高學(xué)生考試成績(jī)的目的。

2決策樹(shù)的介紹

決策樹(shù)算法屬于數(shù)據(jù)挖掘中的分類算法，通過(guò)對(duì)某一帶有類標(biāo)記的數(shù)據(jù)集的訓(xùn)練，產(chǎn)生一棵二叉樹(shù)或者多叉樹(shù)。決策樹(shù)每個(gè)內(nèi)部節(jié)點(diǎn)表示在一個(gè)屬性上的測(cè)試，每個(gè)分枝表示一個(gè)測(cè)試輸出，而每個(gè)樹(shù)葉節(jié)點(diǎn)代表類或類分布。在構(gòu)建決策樹(shù)時(shí)，需要使用剪枝來(lái)檢測(cè)和剪去訓(xùn)練數(shù)據(jù)中的噪聲和孤立點(diǎn)，從而提高在未知數(shù)據(jù)上分類的準(zhǔn)確性。決策樹(shù)的構(gòu)建過(guò)程中，最重要的就是分裂節(jié)點(diǎn)的選擇。ID3算法在樹(shù)的分裂節(jié)點(diǎn)上選擇具有最高信息增益的節(jié)點(diǎn)作為當(dāng)前的分裂節(jié)點(diǎn)，因?yàn)樵摴?jié)點(diǎn)的分裂將使得分裂得到的結(jié)果劃分中的樣本分類所需的信息量最小。

假設(shè)對(duì)訓(xùn)練數(shù)據(jù)集S按類別屬性C進(jìn)行劃分，則其分類信息熵為：

其中，m表示類別標(biāo)號(hào)的數(shù)量，p_i表示第i個(gè)類別在整個(gè)訓(xùn)練元組中出現(xiàn)的概率，取值為屬于此類別元組數(shù)量除以訓(xùn)練總元組的數(shù)量。假設(shè)將訓(xùn)練數(shù)據(jù)集S按條件屬性A進(jìn)行劃分，則條件屬性A對(duì)s進(jìn)行劃分相對(duì)C的分類信息熵為：

其中，v為條件屬性A的取值數(shù)量。屬性A分裂數(shù)據(jù)集S的信息增益記為：

由于ID3算法對(duì)屬性的計(jì)算僅僅支持離散型，因此C4.5算法針對(duì)ID3算法做了改進(jìn)，不僅支持連續(xù)型屬性的分裂，而且在分裂節(jié)點(diǎn)時(shí)選擇具有最高信息增益率的屬性節(jié)點(diǎn)。C4.5算法中屬性A分裂數(shù)據(jù)集s的信息增益率記為：

3大學(xué)英語(yǔ)等級(jí)考試分析

高校每年都要進(jìn)行春、秋兩次全國(guó)英語(yǔ)等級(jí)考試，經(jīng)過(guò)多年的積累之后保存了大量等級(jí)考試成績(jī)數(shù)據(jù)。這些等級(jí)考試成績(jī)數(shù)據(jù)背后是否隱藏著與英語(yǔ)教學(xué)相關(guān)的一些規(guī)律，是非常值得研究的內(nèi)容。因此，筆者通過(guò)收集教務(wù)系統(tǒng)的等級(jí)考試成績(jī)數(shù)據(jù)，基于Weka軟件中的決策樹(shù)算法對(duì)其進(jìn)行分析。

3.1數(shù)據(jù)收集與預(yù)處理

由于英語(yǔ)四、六級(jí)等級(jí)考試是在每年的6月和12月考試，有的學(xué)生只參加一次四、六級(jí)考試就達(dá)到425分，即通過(guò)等級(jí)考試；有的學(xué)生參加多次四、六級(jí)考試，都沒(méi)有通過(guò)。因此，通過(guò)四、六級(jí)考試的學(xué)生，選取通過(guò)時(shí)的分?jǐn)?shù)；參加多次還沒(méi)有通過(guò)的學(xué)生，選取他們多次考試的最高分。此處選取14級(jí)共1839條學(xué)生的英語(yǔ)四級(jí)考試成績(jī)和1008條英語(yǔ)六級(jí)考試成績(jī)作為分析對(duì)象。

Weka軟件中決策樹(shù)算法可以選用J48，對(duì)應(yīng)的是C4.5算法，支持對(duì)于連續(xù)型屬性的處理，但是對(duì)于類別屬性還是要做離散化的處理，即是否通過(guò)等級(jí)考試。目前，英語(yǔ)四、六級(jí)等級(jí)考試的總分是710分，及格分?jǐn)?shù)是425，按照劉靜等在英語(yǔ)等級(jí)考試中數(shù)據(jù)離散化處理方法，將英語(yǔ)等級(jí)考試成績(jī)總分大于425分記為“P”，否則記為“N”。經(jīng)過(guò)以上預(yù)處理之后，英語(yǔ)四、六級(jí)等級(jí)考試成績(jī)的形式如表1所示：

3.2四級(jí)成績(jī)的橫向比較

為了查看不同學(xué)院之間四級(jí)成績(jī)的差異性，選取管理學(xué)院和會(huì)計(jì)學(xué)院兩個(gè)學(xué)院14級(jí)學(xué)生的英語(yǔ)等級(jí)四級(jí)成績(jī)進(jìn)行比較。管理學(xué)院14級(jí)學(xué)生共377人，通過(guò)四級(jí)人數(shù)為228人，通過(guò)率為76.39%；會(huì)計(jì)學(xué)院14級(jí)學(xué)生共562人，通過(guò)四級(jí)人數(shù)為430人，通過(guò)率為76.51%。通過(guò)Weka中的J48算法運(yùn)行，得到以下兩個(gè)不同的決策樹(shù)，如圖1所示：

通過(guò)圖1的比較發(fā)現(xiàn)，兩個(gè)學(xué)院的決策樹(shù)根節(jié)點(diǎn)存在差異：管理學(xué)院根結(jié)點(diǎn)為閱讀，而會(huì)計(jì)學(xué)院根結(jié)點(diǎn)為聽(tīng)力。這也就意味著閱讀是影響管理學(xué)院學(xué)生能否通過(guò)四級(jí)的關(guān)鍵因素，管理學(xué)院的學(xué)生應(yīng)該加強(qiáng)對(duì)閱讀的訓(xùn)練。會(huì)計(jì)學(xué)院的根結(jié)點(diǎn)為聽(tīng)力，然后兩個(gè)子節(jié)點(diǎn)都是閱讀，并且在通過(guò)考試的同學(xué)中有83.26%的人是靠聽(tīng)力取得大于139分的分?jǐn)?shù)，再拿下多于136分的閱讀理解順利通過(guò)的。說(shuō)明會(huì)計(jì)學(xué)院通過(guò)英語(yǔ)四級(jí)的學(xué)生主要共性是在做好聽(tīng)力的同時(shí)做好閱讀。因此建議會(huì)計(jì)學(xué)院的學(xué)生應(yīng)該加強(qiáng)對(duì)聽(tīng)力和閱讀的訓(xùn)練。

3.3六級(jí)成績(jī)的縱向分析

為了了解四、六級(jí)可能存在的差異，選擇管理學(xué)院的英語(yǔ)四級(jí)和英語(yǔ)六級(jí)進(jìn)行縱向比較，也將兩類成績(jī)生成的決策樹(shù)進(jìn)行比較分析，如圖2所示：

通過(guò)圖2的比較發(fā)現(xiàn)，管理學(xué)院英語(yǔ)四級(jí)的決策樹(shù)的根結(jié)點(diǎn)為閱讀，但它的英語(yǔ)六級(jí)決策樹(shù)根結(jié)點(diǎn)為聽(tīng)力，這說(shuō)明英語(yǔ)四級(jí)和六級(jí)在考試的側(cè)重點(diǎn)上還是有所不同。在六級(jí)考試中詞匯量的廣度更大、文章篇幅增大閱讀的速度需要更快、單位時(shí)間內(nèi)的閱讀量。2016年6月英語(yǔ)四級(jí)考試聽(tīng)力部分新增短文聽(tīng)力三篇，英語(yǔ)六級(jí)考試聽(tīng)力部分新增演講/講座聽(tīng)力三篇，增加了聽(tīng)力的難度，因此需要加強(qiáng)聽(tīng)力訓(xùn)練，只有把這個(gè)重點(diǎn)模塊訓(xùn)練好，再配合好的寫譯，會(huì)有很高的通過(guò)率。

5結(jié)束語(yǔ)

本文利用決策樹(shù)算法對(duì)英語(yǔ)等級(jí)考試成績(jī)進(jìn)行了深入分析，其提取的分類規(guī)則對(duì)大學(xué)生英語(yǔ)學(xué)習(xí)有著重要的指導(dǎo)作用，通過(guò)考試成績(jī)的橫向比較和縱向比較闡述了不同學(xué)院之間在英語(yǔ)成績(jī)方面的特點(diǎn)，為各個(gè)學(xué)院在開(kāi)展英語(yǔ)教學(xué)的時(shí)候提供了合理安排教師資源，適時(shí)調(diào)整教學(xué)方法的參考意見(jiàn)。各位同學(xué)也可以根據(jù)自己的實(shí)際學(xué)習(xí)情況，參考決策樹(shù)生成的結(jié)果，找出自己學(xué)習(xí)薄弱環(huán)節(jié)，進(jìn)行針對(duì)性的學(xué)習(xí)訓(xùn)練，對(duì)可以通過(guò)大學(xué)英語(yǔ)四、六級(jí)等級(jí)考試的一些歷史規(guī)則有所了解，為自己制定正確的英語(yǔ)學(xué)習(xí)計(jì)劃和目標(biāo)提供參考。endprint