基于教育數(shù)據(jù)挖掘的大學生實驗課成績預測研究

丁國勇　秦新國　王雪

摘? ?要：大數(shù)據(jù)背景下對高校教育數(shù)據(jù)價值的挖掘與利用，有助于促進高校的教學與管理。文章采集學生社會與人口統(tǒng)計特征、學生個人特征和學生投入等相關數(shù)據(jù)，構建了一個大學生實驗課成績預測模型，評估了決策樹、貝葉斯網(wǎng)絡、支持向量機等算法的有效性，并提出部署預測模型的相關建議。

關鍵詞：教育數(shù)據(jù)挖掘;實驗課成績;預測模型

中圖分類號：G642.47 文獻標志碼：A 文章編號：1673-8454（2019）13-0041-04

21世紀以來，信息技術、網(wǎng)絡技術、存儲技術等的快速發(fā)展以及“互聯(lián)網(wǎng)+”、云計算、物聯(lián)網(wǎng)、人工智能、機器學習等技術的大規(guī)模應用，在許多方面產(chǎn)生了深刻變革，正如鄔賀銓院士所說：“數(shù)據(jù)量與日俱增，數(shù)據(jù)處理能力不斷增強，數(shù)據(jù)的資源屬性更加明晰，具有可開發(fā)的價值”[1]，我們已經(jīng)進入了維克托·邁爾-舍恩伯格所定義的“大數(shù)據(jù)時代”[2]。教育大數(shù)據(jù)是大數(shù)據(jù)的一個子集。如何從長期積累的海量教育大數(shù)據(jù)“金礦”中，通過教育數(shù)據(jù)挖掘技術挖掘出有價值的“知識”，從而指導管理決策和反饋教學，已成為高校的現(xiàn)實需要。教育數(shù)據(jù)挖掘的主要技術方法包括預測、聚類、關系挖掘、人類判斷過程簡化等，其中預測是指建立從多個自變量推斷單一因變量的模型。[3]本文通過收集學生社會與人口統(tǒng)計特征、學生個人特征和學生投入等教育數(shù)據(jù)，構建一個大學生實驗課成績預測模型，并評價其有效性，探索教育數(shù)據(jù)挖掘在高校實驗教學中的具體應用。

一、研究回顧

1.國外相關研究

國外有不少利用教育數(shù)據(jù)挖掘預測學生學業(yè)表現(xiàn)的研究和案例。Garcia（2011）等通過樸素貝葉斯分類器對大一學生學業(yè)表現(xiàn)優(yōu)秀（High）和學業(yè)表現(xiàn)較低（Low）的預測正確率達到70%。[4] Ashkan Sharabiani等（2014）建立貝葉斯網(wǎng)絡分類模型，將學生性別、種族、年齡、身份以及之前相關課程成績作為輸入變量，預測2門課程成績的正確率分別達到70.4%、73.1%。[5] Garima Sharma、K Santosh（2017）基于學生先前的課程學習成績和作業(yè)成績，利用決策樹算法ID3構建的學業(yè)預測模型，對70名學生學業(yè)表現(xiàn)低、一般和好的預測正確率分別達到79%、97%和67%。[6]Sajadin Sembiring等（2011）構建了一個支持向量機分類模型，將興趣、學習行為、家庭支持、時間投入、信心等作為輸入變量，對1000名來自三個不同專業(yè)的學生學業(yè)表現(xiàn)進行分類預測，預測學業(yè)表現(xiàn)較低（Poor）的正確率達到93.7%，預測學業(yè)表現(xiàn)良好（Good）的正確率為最低，但也達到了61%。[7]

2.國內(nèi)相關研究

國內(nèi)關于教育數(shù)據(jù)挖掘的研究相對要晚于和少于國外的研究。葛道凱等（2012）最早編寫了《教育數(shù)據(jù)挖掘：方法與應用》的著作，并依據(jù)數(shù)據(jù)來源將教育數(shù)據(jù)挖掘的應用領域細分為E-Learning數(shù)據(jù)挖掘（數(shù)據(jù)來源于教學和學習軟件系統(tǒng)）、E-Management數(shù)據(jù)挖掘（數(shù)據(jù)來源于各種教育管理系統(tǒng)如招生管理、學籍管理、教務管理、師資）和E-Research數(shù)據(jù)挖掘（數(shù)據(jù)來源于文獻數(shù)據(jù)庫、政策數(shù)據(jù)庫、語料庫等），并通過案例詳細介紹每個領域的典型應用。[8]黃景碧（2012）構建了一個數(shù)據(jù)驅(qū)動的教育決策支持系統(tǒng)，通過教育數(shù)據(jù)挖掘分析學習績效數(shù)據(jù)，為教育決策提供支持。[9]舒忠梅等（2014）通過教育數(shù)據(jù)挖掘分析大學生學習效果和學習滿意度。[10]彭濤（2015）通過教育數(shù)據(jù)挖掘構建了一個學生表現(xiàn)預測模型。[11]施佺等（2016）建立了網(wǎng)絡學習過程監(jiān)管的教育數(shù)據(jù)挖掘模型，并以大學英語教學管理平臺為例，借助統(tǒng)計分析與可視化、關聯(lián)規(guī)則算法和聚類算法，分析了網(wǎng)絡學習過程中產(chǎn)生的大量學習數(shù)據(jù)，并根據(jù)分析結(jié)果給出了網(wǎng)絡學習過程監(jiān)督與管理的思考和建議。[12]這些學者的研究都證明了教育數(shù)據(jù)挖掘技術在預測學生學業(yè)表現(xiàn)和學習效果中的有效性。國內(nèi)對于實驗課成績的研究主要在于評價體系和評定比例等，[13][14]對于教育數(shù)據(jù)挖掘在高校實驗課成績預測中的應用，雖提出了一些思路，[15]但沒有提供具體應用案例。

二、數(shù)據(jù)來源與數(shù)據(jù)采集

1.數(shù)據(jù)來源

本研究探討的是大學生實驗課成績預測模型的構建，因此預測目標（因變量）為大學生的實驗課成績。因為學生在校期間存在多門實驗課程，故將每一位學生實驗課程成績平均值作為目標變量，并計算所有學生的成績平均值和標準差，根據(jù)“均值±標準差”將學生實驗課成績分為“高”、“一般”和“低”三個類別。

大學生實驗課成績的影響因素具有復雜性和不確定性，本研究主要探討實驗課程教學過程之外的關聯(lián)因素，參考喬治·庫的“大學生成功要素模型”[16]，從社會及人口統(tǒng)計特征、個人特征和學生投入三個維度來考慮預測指標，共采集21個自變量，具體如表1所示。

2.數(shù)據(jù)采集

大學生實驗課成績預測模型的因變量和自變量來自于多個數(shù)據(jù)源，比如學生的基本信息來自于教學管理信息系統(tǒng)，學生的體質(zhì)測試成績來自于體質(zhì)測試平臺，學術講座、志愿服務等數(shù)據(jù)來自于學生管理系統(tǒng)，圖書借閱等來自于圖書館管理系統(tǒng)等，因此需要構建一個“整合型教育數(shù)據(jù)系統(tǒng)”（Intergrated Educational Data System）。整合型教育數(shù)據(jù)系統(tǒng)基于這樣一個理念——“將技術和組織運營規(guī)則相結(jié)合，整理合并從不同渠道收集到的數(shù)據(jù)，從而產(chǎn)生有意義的、有價值的信息”。整合型教育數(shù)據(jù)系統(tǒng)通過將分散在高校各類管理信息系統(tǒng)、業(yè)務系統(tǒng)的數(shù)據(jù)集中存儲到統(tǒng)一的數(shù)據(jù)庫中，統(tǒng)一進行管理和分析，可以提升教育數(shù)據(jù)挖掘分析的效率與效果。整合型教育數(shù)據(jù)系統(tǒng)具有數(shù)據(jù)倉庫（Data WareHouse）的一些基本特征，比如面向主題、非易失性等，從某種意義上來說是一種數(shù)據(jù)集市（Data Market）。整合型教育數(shù)據(jù)系統(tǒng)從各關聯(lián)系統(tǒng)中抽取數(shù)據(jù)，并進行數(shù)據(jù)清洗、數(shù)據(jù)標準化、缺失值處理等操作，以保證經(jīng)過處理后的數(shù)據(jù)能夠直接用作預測模型的“原材料”。

本研究以某大學為例，構建了一套整合型教育數(shù)據(jù)系統(tǒng)，采集了大三學生數(shù)據(jù)共3449條，約占該校大三年級全部學生數(shù)的85%。3449條數(shù)據(jù)中包括所有自變量和因變量，并已進行標準化處理。變量包括標志變量、分類變量、有序變量、連續(xù)變量等類型，比如性別為標志型變量，只有兩種類別，男、女;地區(qū)為名義型變量，有三種類別，東部省份、中部省份和西部省份;學術講座、志愿服務、圖書借閱、社團參與等4個變量為有序型變量，用1、2、3 分別代表參與程度;非實驗課GPA、舍友GPA為連續(xù)型變量，用0.0～5.0之間的小數(shù)表示。因變量實驗課成績?yōu)槊x型變量。

三、大學生實驗課成績預測模型構建與評估

1.模型構建

本研究使用SPSS Modeler作為建立預測模型的工具軟件。SPSS Modeler原名Clementine，全面支持數(shù)據(jù)挖掘CRISP-DM的標準流程，可提供數(shù)據(jù)挖掘相關的數(shù)據(jù)理解、數(shù)據(jù)抽取加載轉(zhuǎn)換、數(shù)據(jù)分析、建模、評估、部署等全過程的功能。SPSS Modeler的特點是圖形化的數(shù)據(jù)探索方式，數(shù)據(jù)挖掘的所有過程都通過可視化的方法進行操作，直觀明了。SPSS Modeler提供一系列的數(shù)據(jù)挖掘算法，可用于建立多種類型的數(shù)據(jù)模型，包括數(shù)據(jù)探索類模型、決策樹模型、神經(jīng)網(wǎng)絡模型、聚類模型、關聯(lián)性分析模型、時間序列分析模型等。SPSS Modeler用工作流的方式將教育數(shù)據(jù)挖掘的過程以可視化的方式呈現(xiàn)，包括數(shù)據(jù)源的鏈接、數(shù)據(jù)的篩選、預測變量和目標變量的選擇、數(shù)據(jù)分區(qū)、建模算法選擇等。

本研究中，數(shù)據(jù)來源為從整合型教育數(shù)據(jù)系統(tǒng)中導出的Excel文件;在“類型”節(jié)點中對21個自變量（輸入）和1個因變量（目標）的類型進行了設置;在“分區(qū)”節(jié)點中設置了訓練集為70%，測試集為30%;建模算法選擇決策樹（C5.0）、貝葉斯網(wǎng)絡和支持向量機三種，運行結(jié)果存放在“鉆石”節(jié)點中，運行流程如圖1所示。

2.運行結(jié)果

經(jīng)過運行，三種建模算法的運行結(jié)果呈現(xiàn)方式各不相同，決策樹C5.0算法的運行結(jié)果是以多叉樹形式呈現(xiàn)的，共有6層19個節(jié)點，如圖2所示。

貝葉斯網(wǎng)絡算法的運行結(jié)果以有向無環(huán)圖的方式呈現(xiàn)，最左端節(jié)點為目標變量，其他節(jié)點均為自變量，節(jié)點與節(jié)點之間用有向邊連接，每一條邊代表著一張條件概率表，表示上一級節(jié)點的值對本節(jié)點值影響的概率。模型運行生成的貝葉斯網(wǎng)絡如圖3所示。

與決策樹、貝葉斯網(wǎng)絡等“白盒”算法相比，支持向量機算法并不能顯示或輸出運行過程，屬于“黑盒”算法?？梢钥吹剑x擇不同的建模算法，其運行結(jié)果不盡相同。如果需要解釋因變量與自變量以及自變量之間的相互關系，則應該選擇“白盒”算法，如果不關心過程只需要結(jié)果，可以選擇“黑盒”算法。

3.模型評估

對三種建模算法的正確率進行分析，決策樹C5.0算法訓練集正確率為77.76%，測試集為79.02%，貝葉斯網(wǎng)絡算法訓練集為79.46%，測試集為77.67%，支持向量機算法訓練集為 92.90%，測試集為64.39%?？梢?，在三種建模算法中，支持向量機在訓練集中的正確率最高，達到了92.90%，但在測試集中的正確率最低，存在一定的過擬合現(xiàn)象，決策樹算法和貝葉斯網(wǎng)絡算法在訓練集和測試集的正確率都在80%附近。預測模型的ROC圖也表明支持向量機算法在訓練集中的信息增益最高，如圖4所示。

與國內(nèi)外相關研究中構建預測模型的正確率相比，本模型中各算法在測試集中的平均正確率在73.70%，屬于一個有效的模型，但正確率還存在提升的空間。

四、大學生實驗課成績預測模型的優(yōu)化和部署

1.模型優(yōu)化

本研究中構建的大學生實驗課成績預測模型，通過模型評估已證明了其有效性，但還可以從兩個角度進行優(yōu)化。一是進行預測變量的調(diào)整。目前該預測模型中21個預測變量（自變量）均是通過業(yè)務管理信息系統(tǒng)收集的客觀數(shù)據(jù)，我們還可以進行實驗課教學的有關問卷調(diào)查，通過調(diào)查采集學生對實驗課的自我評價等主觀數(shù)據(jù)，將主、客觀數(shù)據(jù)結(jié)合來提高模型的預測正確率。二是通過更多的數(shù)據(jù)進行驗證。目前該預測模型僅在一所學校一個年級學生中進行了檢驗，如果要使預測模型具有普遍適用性，還需要在不同類型學校的不同年級不同專業(yè)進行重復性驗證，并根據(jù)對象特點適當調(diào)整自變量，以使之具備通用性。

2.模型部署

大學生實驗課成績預測模型的部署有兩種方式——離線預測模型和在線預測模型。離線預測模型中，數(shù)據(jù)從業(yè)務系統(tǒng)中被收集、存儲到獨立于業(yè)務系統(tǒng)的數(shù)據(jù)倉庫中，通過通用的教育數(shù)據(jù)挖掘軟件，采用人工方式進行分析，并將預測結(jié)果反饋給實驗課教師和教學管理人員，該種部署方式的優(yōu)點是簡單、易實現(xiàn)，缺點是存在數(shù)據(jù)流轉(zhuǎn)周期。在線預測模型則是將教育數(shù)據(jù)挖掘算法代碼重寫，直接嵌入到相關業(yè)務系統(tǒng)中，數(shù)據(jù)在業(yè)務系統(tǒng)內(nèi)部流轉(zhuǎn)，該種部署方式的優(yōu)點是即時預測，缺點是需要重構業(yè)務系統(tǒng)，存在一定難度。在對預測結(jié)果時效性要求不高時，我們一般可以選擇部署離線預測模型進行預測，在課程開設時將學生實驗課成績的預測結(jié)論反饋給實驗課教師和相關學生，對那些成績預測結(jié)論為“低”的學生提前給予警示和個別化輔導，以促進高校實驗課教學質(zhì)量的提升。

參考文獻：

[1]鄔賀銓.大數(shù)據(jù)思維[J].科學與社會，2014（1）：1-13.

[2]維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數(shù)據(jù)時代：生活、工作與思維的大變革[M].杭州：浙江人民出版社，2013：1.

[3]徐鵬，王以寧，劉艷華，張海.大數(shù)據(jù)視角分析學習變革——美國《通過教育數(shù)據(jù)挖掘和學習分析促進教與學》報告解讀及啟示[J].遠程教育雜志，2013（6）：11-17.

[4]Garcia E P I，Mora P M.Model Prediction of Academic Performance for First Year Students[C].Mexican International Conference on Artificial Intelligence.IEEE Computer Society，2011.

[5]Ashkan Sharabiani etal.An enhanced bayesian network model for prediction of students academic performance in engineering programs[C].Global Engineering Education Conference.IEEE，2014.

[6]Garima Sharma，K Santosh.Analysis and Prediction of Students Academic Performance in University Courses[J].International Journal of Computer Applications，2017，160（4）：40-44.

[7]S.Sembiring，M.Zarlis，D.Hartama.PREDICTION OF STUDENT ACADEMIC PERFORMANCE BY AN APPLICATION OF DATA MINING TECHNIQUES[C].International Conference on Management and Artificial Intelligence，2011（6）：110-114.

[8]葛道凱，張少剛，魏順平.教育數(shù)據(jù)挖掘：方法與應用[M].北京：教育科學出版社，2012.

[9]黃景碧.數(shù)據(jù)驅(qū)動的教育決策支持系統(tǒng)（DDEDSS）設計與開發(fā)研究[D].上海：華東師范大學，2012.

[10]舒忠梅，屈瓊斐. 基于教育數(shù)據(jù)挖掘的大學生學習成果分析[J].東北大學學報（社會科學版），2014（3）：309-314.

[11]彭濤，丁凌云.基于教育數(shù)據(jù)挖掘?qū)W生表現(xiàn)預測模型構建研究[J].黑龍江高教研究，2015（11）：55-58.

[12]施佺，錢源，孫玲.基于教育數(shù)據(jù)挖掘的網(wǎng)絡學習過程監(jiān)管研究[J].現(xiàn)代教育技術，2016（6）：87-93.

[13]鄭曉東，聞春敖，王曉萍，劉向東，劉旭.世界著名大學光電類實驗課成績評價體系初探[J].實驗室研究與探索，2011（7）：115-117，147.

[14]趙庚升，陶田，馮岑明，項培軍.高校實驗課成績考核與評定探討[J].實驗室研究與探索，2015（7）：246-249.

[15]丁國勇，錢靜珠.教育數(shù)據(jù)挖掘在高校實驗教學中的應用研究[J].實驗室研究與探索，2018（1）：204-207.

[16]Kuh G D.What Matters to Student Success：A Review of the Literature[C].Commissioned? Report for the National Symposium on Postsecondary Student Success：Spearheading a Dialog on Student Success，2006：8.

（編輯：王天鵬）