基于數(shù)據(jù)挖掘技術(shù)的考試作弊風(fēng)險預(yù)警研究

劉麗娜

摘要：采用數(shù)據(jù)挖掘技術(shù)對廣州科技職業(yè)技術(shù)學(xué)院已畢業(yè)的2009級～2013級5個年級的學(xué)生信息進行分析評估。利用SPSS Modeler挖掘工具中的Apriori關(guān)聯(lián)規(guī)則模型對預(yù)處理后的數(shù)據(jù)進行挖掘，發(fā)現(xiàn)潛藏其中有應(yīng)用價值的規(guī)則。最后將所挖掘出的規(guī)則進行分析解釋，將其應(yīng)用到教學(xué)改革當(dāng)中，對具有潛在作弊風(fēng)險的學(xué)生進行教育引導(dǎo)，形成考試作弊的預(yù)警機制，降柢學(xué)生作弊輟學(xué)風(fēng)險，提高學(xué)校教育教學(xué)質(zhì)量。

關(guān)鍵詞：數(shù)據(jù)挖掘；Apriori；考試作弊；預(yù)警

中圖分類號：TP311.1 文獻標(biāo)識碼：A 文章編號：1671-1580（2017）09-0120-03

一、數(shù)據(jù)挖掘技術(shù)概述

數(shù)據(jù)挖掘技術(shù)是從不同的角度分析數(shù)據(jù)并將其歸總為有用信息的過程——可以利用其以增加收入，降低成本或二者兼有之。雖然數(shù)據(jù)挖掘是一個相對較新的術(shù)語，但其技術(shù)卻不然，早在數(shù)據(jù)挖掘一詞出現(xiàn)的很多年前就有公司利用強大的電腦來篩選大量的超市掃描儀數(shù)據(jù)，并以此來分析市場研究報告。

一談到數(shù)據(jù)挖掘應(yīng)用就不得不提到經(jīng)典的商業(yè)零售之啤酒與尿片關(guān)聯(lián)分析銷售規(guī)則。就是人們在大量的購物清單的分析中發(fā)現(xiàn)，一般購買啤酒的客戶也會同時購買尿片，這可以啟發(fā)零售商有針對性地將這兩樣?xùn)|西放同一個地方或附近以增加銷售量，事實證明這是一種效果顯著的銷售決策。

數(shù)據(jù)挖掘包括多種實現(xiàn)算法，不同的算法適用于不同的數(shù)據(jù)及分析角度，一般較為復(fù)雜的挖掘系統(tǒng)會以幾種算法相結(jié)合的方式運行。數(shù)據(jù)挖掘算法技術(shù)包括以下幾種常見的算法。

（一）關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是一種規(guī)則，它意味著（如“一起出現(xiàn)”或“一個事件的出現(xiàn)必然包含另一個事件”）在數(shù)據(jù)庫中的某些關(guān)聯(lián)關(guān)系。

（二）遺傳算法

遺傳算法依靠其模仿生物的方法，常用于為運營商解決最優(yōu)化和搜索問題。

（三）神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)近年來備受關(guān)注，它以模仿動物神經(jīng)網(wǎng)絡(luò)的行為特征運行在自學(xué)學(xué)習(xí)的數(shù)學(xué)模型基礎(chǔ)上，為解決大型的負責(zé)問題提供了一種相對簡單有效的方法。

（四）決策樹

它是一種決策支持工具，用類似于樹的圖形或模型表示決策或可能的輸出結(jié)果。

二、關(guān)聯(lián)規(guī)則挖掘算法Apriori

關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘算法中發(fā)現(xiàn)屬性之間關(guān)聯(lián)性的基于規(guī)則的機器學(xué)習(xí)方法，它主要用于發(fā)現(xiàn)“一起出現(xiàn)”或一個事務(wù)與另一事務(wù)之間出現(xiàn)的必然聯(lián)系。它的目的是利用識別措施來發(fā)現(xiàn)數(shù)據(jù)庫中有趣的關(guān)系，發(fā)現(xiàn)強規(guī)則。

Agrawal等人對關(guān)聯(lián)規(guī)則挖掘問題的定義為：設(shè)數(shù)據(jù)庫即所有交易的集合為D：{t1，t2，t3…tn}，n為交易記錄數(shù)。所有項目（屬性）的集合為I-{i1，i2…im}，m為項目（屬性）數(shù)量。在數(shù)據(jù)庫D中，每條記錄都有唯一的m，記錄里所包含的項目（屬性）都在集合I中。而規(guī)則的定義為：X→Y，且x，Y∈I。

每條規(guī)則都由兩個或兩個以上的項目（屬性）組成，X和Y，其中X稱為規(guī)則前項，Y稱為規(guī)則后項。

例如，在超市購物時，有一個交易記錄為I={青菜，豆腐，醬油，鹽，面包}，在所有交易中選擇其中5條交易記錄組成一個小的數(shù)據(jù)庫D（如表1所示），用一個表格表示該數(shù)據(jù)庫，1表示交易中有購買該項商品，0則表示沒有購買該項商品。

該數(shù)據(jù)庫中的規(guī)則為{青菜，豆腐}→{鹽}，則表示如果顧客購買了青菜和豆腐，那么他們同時也會購買鹽。

為了從所有可能的規(guī)則中找出強規(guī)則，關(guān)聯(lián)規(guī)則設(shè)置了最低約束指標(biāo)置信度和支持度來篩選有趣的規(guī)則。在以上規(guī)則R=X→Y中，支持度為：

Sup=（COUNT（X∧Y）/COUNT（D））*100% （1）

其中COUNT（X∧Y）為同時包含X和Y的項目（屬性）交易記錄總數(shù)，COUNT（D）為數(shù)據(jù)庫記錄數(shù)。規(guī)則的置信度為：

Conf=（COUNT（X∧Y）/COUNT（X））*100% （2）

其中COUNT（X）為包含X項目（屬性）的交易記錄總數(shù)。

在以上例子中，規(guī)則{青菜，豆腐}→{鹽}的支持度為3/5*100%=60%，置信度為3/4*100%=75%。

Apriori關(guān)聯(lián)規(guī)則通常需要滿足用戶指定的最小支持度和最小置信度約束，關(guān)聯(lián)規(guī)則的運行程序分為兩個獨立的步驟：

（一）在數(shù)據(jù)庫中找到所有符合最小支持度的頻繁項集；

（二）在所有找到頻繁項集中根據(jù)最小置信度找到強規(guī)則。

三、學(xué)生數(shù)據(jù)關(guān)聯(lián)挖掘模型設(shè)計

（一）目標(biāo)分析

數(shù)據(jù)挖掘的挖掘結(jié)果雖然通過數(shù)據(jù)分析挖掘才知道具體的規(guī)則方向，然而數(shù)據(jù)挖掘也有明確的挖掘主題和挖掘目標(biāo)。從所收集到的各數(shù)據(jù)源進行分析挖掘找出潛在的關(guān)聯(lián)關(guān)系，之后分析關(guān)聯(lián)結(jié)果，并將其應(yīng)用于教學(xué)決策當(dāng)中。

（二）數(shù)據(jù)準備

在對數(shù)據(jù)進行挖掘之前，所有數(shù)據(jù)源所提供的數(shù)據(jù)都是雜亂無章的，或數(shù)據(jù)缺失，或存在噪聲等，增加了數(shù)據(jù)的運行處理時間，降低了數(shù)據(jù)的處理效率。因此，在數(shù)據(jù)挖掘前需對數(shù)據(jù)進行整合清洗，以使挖掘效率和挖掘結(jié)果更快捷準確。

1.聯(lián)接各數(shù)據(jù)源形成學(xué)生信息總表

將所收集到的數(shù)據(jù)源整理形成電子數(shù)據(jù)表，根據(jù)各數(shù)據(jù)表的主鍵（“學(xué)號”或“身份證號”）與外鍵的關(guān)系聯(lián)接合并為一張有唯一主鍵的多屬性學(xué)生信息總表。聯(lián)接后清除與挖掘主題無關(guān)的屬性，如“姓名”“身份證號”等。

2.數(shù)據(jù)泛化

數(shù)據(jù)泛化即將數(shù)據(jù)庫中包含的數(shù)據(jù)原始概念層的細節(jié)信息從較低的概念層抽象到較高層次的過程。例如學(xué)生成績中同專業(yè)同課程的成績屬性在0至100之間有大量的不同值，不利于數(shù)據(jù)關(guān)聯(lián)挖掘，故需對數(shù)據(jù)做泛化處理。成績在泛化時可以根據(jù)范圍[90，100]，[80，90），[70，80），[60，70），[0，60）依次分為優(yōu)秀、良好、中等、及格和不及格5個成績段，其他屬性以此類推形成各維度的數(shù)據(jù)總表。endprint

3.噪聲及缺省值處理

信息數(shù)據(jù)在泛化后有了較統(tǒng)一的結(jié)構(gòu)模式，然而，無論是歷史數(shù)據(jù)還是現(xiàn)在進行的數(shù)據(jù)都因為文件錯誤或保存不當(dāng)，大多存在噪聲或缺失值。數(shù)據(jù)的不完整性將影響挖掘規(guī)則的支持度及可信度，而全部剔除不完整的數(shù)據(jù)記錄則可能會使重要規(guī)則也被一并刪除又或者縮小原本的數(shù)據(jù)庫。不完整數(shù)據(jù)的處理方式一般有人工填寫、屬性均值填充、全局常量填充、同類均值填充和忽略記錄等幾種。本研究所收集的數(shù)據(jù)來自不同的數(shù)據(jù)源具有不同的表現(xiàn)形式，部分屬性缺失嚴重地選擇了舍棄，而其他缺失值根據(jù)數(shù)據(jù)的性質(zhì)和類型采用同類均值填充法。

四、依托數(shù)據(jù)挖掘工具SPSS Modeler的學(xué)生數(shù)據(jù)挖掘?qū)崿F(xiàn)

本研究以廣州科技職業(yè)技術(shù)學(xué)院已畢業(yè)的2009級一2013級5個年級的學(xué)生數(shù)據(jù)為研究對象，將預(yù)處理后的17381條記錄，28個維度導(dǎo)入SPSSModeler中的Apriori模型當(dāng)中，設(shè)最小支持度：最小置信度=0.05。

數(shù)據(jù)經(jīng)過過濾之后進行類型分類，再進入Apri-ori莫型，運行之后生成各個支持度與置信度的規(guī)則分析結(jié)果。

五、挖掘結(jié)果及規(guī)則理解

經(jīng)Apriori挖掘模型得出的挖掘結(jié)果需再進行進一步解釋篩選，本研究所挖掘出的結(jié)果解釋如表2。

在所有缺課超過1/3、缺考、舞弊記錄當(dāng)中（如表2所示），規(guī)則“高考成績：[360-400），貧困生=是→缺考違紀=是”以及規(guī)則“貧困生=是，圖書借閱次數(shù)=0→缺考違紀=是”，支持度和置信度分別為0.063，0.538和0.075，0.436，高考成績?yōu)?60～400在案例學(xué)院（3本B線）所有的錄取成績當(dāng)中屬于良好層次，在此規(guī)則中的學(xué)生高考成績較好且家庭比較貧困，在學(xué)費相對較高，來之不易的上學(xué)機會卻出現(xiàn)缺課或缺考甚至舞弊的現(xiàn)象。數(shù)據(jù)顯示這批學(xué)生大部分鮮少在圖書館借閱圖書。實驗抽取符合該規(guī)則中的4名入學(xué)成績良好的貧困學(xué)生進行調(diào)研，其中有2名學(xué)生為舍友且同輔導(dǎo)員，經(jīng)調(diào)研發(fā)現(xiàn)他們皆因沉迷上網(wǎng)（網(wǎng)絡(luò)游戲、電子小說）。在上大學(xué)前家庭貧困且無需購置電腦（或手機），大學(xué)期間購置之后使他們沉迷于新事物（網(wǎng)絡(luò)游戲、電子小說）當(dāng)中，最終因擔(dān)心成績不合格愧對家人繼而鋌而走險。這4名學(xué)生其中有2名互為舍友。在了解了這一規(guī)則后，學(xué)?？梢晕从昃I繆，幫助并挽救這些學(xué)生，同時，這些有網(wǎng)癮的學(xué)生有可能會影響整個宿舍，或帶動舍友一起玩游戲或影響他人作息，學(xué)?？梢愿鶕?jù)該規(guī)則，在宿舍分配上做相應(yīng)調(diào)整，比如學(xué)習(xí)好意志力強的學(xué)生中插入一些成績差的，把誤入歧途的學(xué)生引向正道。

六、結(jié)束語

本研究以廣州科技職業(yè)技術(shù)學(xué)院已畢業(yè)的5個年級的學(xué)生數(shù)據(jù)為研究對象，采用當(dāng)前比較新穎的信息技術(shù)分析手段——數(shù)據(jù)挖掘技術(shù)，選取數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則Apriori算法模型，SPSS Model，er分析工具對預(yù)處理后的數(shù)據(jù)進行分析。對挖掘結(jié)果進行了分析，提出了一種基于數(shù)據(jù)挖掘的學(xué)生考試作弊風(fēng)險預(yù)警機制：基于預(yù)警事件和其他事件之間存在依賴或關(guān)聯(lián)關(guān)系定義了一種預(yù)警規(guī)則知識，根據(jù)預(yù)警規(guī)則可找出存在作弊風(fēng)險的學(xué)生，在學(xué)生可能實施作弊之前采取應(yīng)對措施，防止其作弊。實驗顯示，該預(yù)警機制在我校實施取得了一定的效果，嚴肅考風(fēng)考紀，規(guī)范學(xué)校管理，提高人才培養(yǎng)質(zhì)量。

[責(zé)任編輯：周海秋]endprint