基于關(guān)聯(lián)規(guī)則Apriori算法的物理實驗成績分析研究

苗維誠 朱文婕

摘要：目的：研究物理實驗成績的影響因素.方法：采用數(shù)據(jù)挖掘的方法，針對目前實驗課教學(xué)現(xiàn)狀進(jìn)行了分析，找出可能與成績有關(guān)的因素.應(yīng)用Apriori算法對實驗成績和這些因素進(jìn)行關(guān)聯(lián)性挖掘，建立強(qiáng)關(guān)聯(lián)規(guī)則，發(fā)現(xiàn)影響教學(xué)質(zhì)量的關(guān)鍵因素.結(jié)果：通過數(shù)據(jù)挖掘發(fā)現(xiàn)教學(xué)評價、實驗報告和實驗成績?nèi)哧P(guān)聯(lián)性最強(qiáng).結(jié)論：通過提升教學(xué)水平，提高實驗報告質(zhì)量，可以促進(jìn)實驗成績的提升，同時也為實驗教學(xué)的改革提供了一條可行的思路.

關(guān)鍵詞：實驗成績;關(guān)聯(lián)規(guī)則;數(shù)據(jù)挖掘

中圖分類號：G642;TP311? 文獻(xiàn)標(biāo)識碼：A? 文章編號：1673-260X（2019）01-0014-03

1 引言

物理是一門以實驗為基礎(chǔ)的學(xué)科，物理實驗是物理理論教學(xué)的重要補(bǔ)充.通過進(jìn)行物理實驗，可以讓學(xué)生學(xué)會基本的實驗方法;使學(xué)生對抽象的物理概念有直觀的認(rèn)識;同時可以鍛煉提升學(xué)生的各種能力，比如觀察能力、思維能力、創(chuàng)新能力、實踐能力等.

蚌埠醫(yī)學(xué)院開設(shè)醫(yī)用物理學(xué)實驗課程，每年實驗課時數(shù)1000余學(xué)時.在教學(xué)中發(fā)現(xiàn)，學(xué)生的物理實驗成績往往會低于預(yù)期，教學(xué)效果無法達(dá)到滿意.問題主要有：（1）學(xué)生缺乏獨立完成實驗操作的能力，對老師有很強(qiáng)的依賴性;（2）學(xué)生對實驗的現(xiàn)象和結(jié)果缺乏必要的思考、分析，研究問題的主動性不高.學(xué)生的實驗成績一方面能夠比較客觀真實地體現(xiàn)學(xué)生實驗課的學(xué)習(xí)效果，另一方面也能反映出老師實驗課的教學(xué)質(zhì)量[1].為了改善醫(yī)用物理學(xué)實驗的教學(xué)現(xiàn)狀，提高學(xué)生的實驗成績，運用Apriori算法對學(xué)生實驗成績進(jìn)行關(guān)聯(lián)規(guī)則挖掘，找出影響實驗成績的相關(guān)因素.

2 關(guān)聯(lián)規(guī)則介紹

數(shù)據(jù)挖掘（Data Mining）是指從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，通過某種特定方式分析，發(fā)現(xiàn)一些潛在的有用的信息.大量的事實證明，任何事情的發(fā)生一定程度上都會存在一定的相關(guān)性.某件事的發(fā)生很有可能會引起其他事情的發(fā)生，類似于蝴蝶效應(yīng).通過對所有事物背后的數(shù)據(jù)進(jìn)行分析挖掘，如果能夠發(fā)現(xiàn)某些事情之間存在一種關(guān)聯(lián)規(guī)則，那么在以后就可以由一件事情的發(fā)生預(yù)測出相互關(guān)聯(lián)的其他事情的發(fā)生，這樣就能更全面地掌握事物的發(fā)展方向，也就是探尋關(guān)聯(lián)規(guī)則的意義所在[2].

關(guān)聯(lián)規(guī)則挖掘是最常用的數(shù)據(jù)挖掘方法之一，通過挖掘試圖從數(shù)據(jù)背后發(fā)現(xiàn)事物之間可能存在的關(guān)聯(lián)或者聯(lián)系.關(guān)聯(lián)規(guī)則的算法主要有數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘和強(qiáng)規(guī)則描述三個步驟，其中消耗時間最多的是數(shù)據(jù)準(zhǔn)備的步驟，數(shù)據(jù)準(zhǔn)備步驟又可以劃分為兩個子階段：選擇獲取數(shù)據(jù)和數(shù)據(jù)預(yù)處理.

2.1 關(guān)聯(lián)規(guī)則定義

關(guān)聯(lián)規(guī)則挖掘可以描述如下，設(shè)I={i1，i2，…，im}表示一個項集，D表示事務(wù)集，其中每一個事務(wù)t都表示一個項集，有t？哿I.每個事務(wù)都有一個唯一標(biāo)識TID.如果X？哿t，就說事務(wù)t包括I的一個子集X.關(guān)聯(lián)規(guī)則是一種蘊含形式X？圯Y，其中X？奐I，Y？奐I，且X∩Y=？覫[3].這里首先要知道兩個概念：

（1）支持度（support）：如果事務(wù)集D中，規(guī)則X？圯Y的支持度（0≤s≤1）指的是包含X∪Y的事務(wù)占全體事務(wù)的百分比.

（2）置信度（confidence）：規(guī)則X？圯Y的置信度（0≤c≤1）指的是包含X∩Y的事務(wù)占項集X的百分比.

關(guān)聯(lián)規(guī)則挖掘任務(wù)是產(chǎn)生所有不小于用戶給定的最小支持度（minsup）和最小置信度（minconf）的關(guān)聯(lián)規(guī)則.

2.2 Apriori算法介紹

尋找滿足最小支持度閾值的所有項集，這些項集稱作頻繁項集（frequent itemset）.假設(shè)一個頻繁項集為L，如果頻繁項集L的所有超集都是非頻繁項集，那么稱L為最大頻繁項集（Maximal Frequent Itemset）.由于最大頻繁項集中隱含著全部的頻繁項集，因此，可以將計算頻繁項集的問題轉(zhuǎn)化為計算最大頻繁項集.

Apriori算法是關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法，算法的任務(wù)就是找出所有支持度不小于最小支持度的項集.Apriori算法挖掘項集可以分成兩個子任務(wù)：

（1）Apriori算法會對數(shù)據(jù)集進(jìn)行多次遍歷，找出所有最大頻繁項集.在遍歷時遵循兩個定律，定律1：如果一個集合是頻繁項集，則它的所有子集都是頻繁項集.定律2：如果一個集合不是頻繁項集，則它的所有超集都不是頻繁項集.

（2）根據(jù)最大頻繁項集L，找出L的所有的非空集合.對于每個子集合a，生成如下規(guī)則a=>（L-a），然后根據(jù)最小支持度和置信度篩選所有規(guī)則[4].

3 Apriori算法在實驗成績分析中的運用

醫(yī)用物理實驗課包括預(yù)習(xí)、授課、實驗操作、課后總結(jié)等部分，學(xué)期結(jié)束得到實驗成績.從實驗課過程的這幾個步驟中獲取關(guān)聯(lián)規(guī)則的數(shù)據(jù)，數(shù)據(jù)分為學(xué)生對實驗的興趣，實驗預(yù)習(xí)情況，教師教學(xué)評分，實驗儀器操作情況，實驗報告書寫情況五個部分.使用Apriori算法，挖掘這五個因素和學(xué)生實驗成績的關(guān)聯(lián)性.

3.1 數(shù)據(jù)獲取

從2016級臨床專業(yè)的學(xué)生中隨機(jī)選取100名學(xué)生作為數(shù)據(jù)采集的對象，實驗興趣、預(yù)習(xí)情況、儀器操作情況的數(shù)據(jù)從《醫(yī)用物理學(xué)教學(xué)效果調(diào)查問卷》[5]（問卷見參考文獻(xiàn)[5]）中獲取，教師教學(xué)評價來自本學(xué)期學(xué)生對老師的教學(xué)測評分?jǐn)?shù)，實驗報告書寫情況來自學(xué)生實驗報告的打分，再獲取學(xué)生本學(xué)期的實驗成績分?jǐn)?shù).

3.2 數(shù)據(jù)預(yù)處理及分析預(yù)測

由于Apriori算法只能針對布爾型數(shù)據(jù)進(jìn)行分析，所以需要對獲取的數(shù)據(jù)進(jìn)行一定的處理，把五個因素和實驗成績都分成高低兩個等級，處理得到100條數(shù)據(jù)，詳見表1.

（1）實驗興趣記為“A”，分為“Ay”表示學(xué)生對實驗有興趣，“An”表示學(xué)生對實驗缺乏興趣.經(jīng)過處理，得到“Ay”有63條數(shù)據(jù)，“An”有37條數(shù)據(jù).

（2）預(yù)習(xí)情況記為“B”，分為“By”表示認(rèn)真預(yù)習(xí)，“Bn”表示沒認(rèn)真預(yù)習(xí).經(jīng)過處理，得到“By”有40條數(shù)據(jù)，“Bn”有60條數(shù)據(jù).

（3）教學(xué)評價記為“C”，分為“Cy”表示教學(xué)評價優(yōu)秀，“Cn”表示教學(xué)評價一般.經(jīng)過處理，得到“Cy”有71條數(shù)據(jù)，“Cn”有29條數(shù)據(jù).

（4）儀器操作記為“D”，分為“Dy”表示儀器操作順利，“Dn”儀器操作出現(xiàn)問題.經(jīng)過處理，得到“Dy”有53條數(shù)據(jù)，“Dn”有47條數(shù)據(jù).

（5）實驗報告記為“E”，分為“Ey”表示實驗報告優(yōu)秀，“En”表示實驗報告一般.經(jīng)過處理，得到“Ey”有56條數(shù)據(jù)，“En”有44條數(shù)據(jù).

（6）實驗成績記為“F”，分為“Fy”表示實驗成績優(yōu)秀，“Fn”表示實驗成績一般.最終得到“Fy”有42條數(shù)據(jù)，“Fn”有58條數(shù)據(jù).

根據(jù)B的比例4：6和F的比例4.2：5.8最接近，會認(rèn)為學(xué)生預(yù)習(xí)的情況對最終的實驗成績影響最大.下面用Apriori算法去驗證猜想.

3.3 數(shù)據(jù)挖掘

使用Apriori算法對處理后的數(shù)據(jù)進(jìn)行分析，設(shè)最小支持度為0.3，最小置信度為0.5，挖掘得到包含“Fy”的最大頻繁項集{Cy，Ey，F(xiàn)y}，和包含“Fn”的最大頻繁項集{Bn，En，F(xiàn)n}，詳見表2.再分別獲取所有強(qiáng)規(guī)則，詳見表3和表4[6].

3.4 結(jié)果分析

由表3得到一條強(qiáng)規(guī)則，對老師教學(xué)評價高，同時實驗報告完成出色的學(xué)生里，有68.1%的學(xué)生實驗成績優(yōu)秀.且實驗成績優(yōu)秀，同時對老師教學(xué)評價高的學(xué)生里，有91.4%的學(xué)生實驗報告完成出色.老師的教學(xué)和完成實驗報告的情況，對取得優(yōu)秀的實驗成績關(guān)聯(lián)性較強(qiáng).

由表4得到一條強(qiáng)規(guī)則，預(yù)習(xí)情況較差，同時實驗報告完成較差的學(xué)生里，有94.6%的學(xué)生實驗成績較差.不認(rèn)真預(yù)習(xí)和寫實驗報告，會導(dǎo)致較差的實驗成績.

通過Apriori算法可以發(fā)現(xiàn)，學(xué)生預(yù)習(xí)情況和成績，兩者之間關(guān)聯(lián)性并不是最強(qiáng)的，教學(xué)評價，實驗報告和成績?nèi)哧P(guān)聯(lián)性最強(qiáng)，這說明我們之前的猜測是不準(zhǔn)確的.

進(jìn)一步調(diào)研發(fā)現(xiàn)，是否認(rèn)真預(yù)習(xí)和實驗成績優(yōu)秀之間關(guān)聯(lián)性不強(qiáng)的原因在于，大學(xué)物理實驗主要以演示型、驗證型實驗為主，這種實驗普遍簡單.學(xué)生上課認(rèn)真聽講，課后注意對實驗進(jìn)行總結(jié)，不管是否預(yù)習(xí)，學(xué)生基本都能達(dá)到實驗要求，實驗成績都在中等以上.學(xué)生不預(yù)習(xí)實驗內(nèi)容，又不認(rèn)真寫實驗報告，多數(shù)情況下是學(xué)生對物理實驗課不夠重視，因此上課也不夠?qū)Ｐ?，?dǎo)致實驗成績偏低.

4 總結(jié)

實驗教學(xué)面臨的現(xiàn)實問題是學(xué)生普遍重理論輕實驗，對物理實驗不夠重視，這直接制約了學(xué)生對實驗課的學(xué)習(xí)積極性.以Apriori算法得到的結(jié)果分析，實驗教學(xué)的改革可以從三方面入手：（1）教師提高教學(xué)水平，增加設(shè)計型、科研型實驗;（2）改革實驗報告書寫模式，設(shè)計論文式、開放式等新型實驗報告模式，從根本上提高學(xué)生書寫實驗報告的質(zhì)量;（3）重視實驗的預(yù)習(xí)環(huán)節(jié)，使學(xué)生增加對物理實驗的興趣.

實驗課程的改革是一項系統(tǒng)工程，除了改善實驗環(huán)境，引進(jìn)先進(jìn)的實驗儀器，更要思考學(xué)生對于實驗態(tài)度的轉(zhuǎn)變，改革實驗教學(xué)方法.讓學(xué)生主導(dǎo)實驗的方式，能使實驗課的教學(xué)有更好的發(fā)展.

參考文獻(xiàn)：

〔1〕呂道文.《醫(yī)學(xué)物理實驗》的課程建設(shè)與教學(xué)改革研究[J].中國醫(yī)學(xué)物理學(xué)雜志，2009，26（6）：1570-1572.

〔2〕馮俊，胥莉，閔蘭.基于Apriori算法的高校學(xué)生考試作弊動機(jī)分析與應(yīng)對[J].西南師范大學(xué)學(xué)報（自然科學(xué)版），2017，42（2）：174-180.

〔3〕吳信東，庫瑪爾.數(shù)據(jù)挖掘十大算法[M].北京：清華大學(xué)出版社，2013.

〔4〕樊妍妍.Apriori算法在個性化教學(xué)輔助系統(tǒng)中的應(yīng)用[J].新鄉(xiāng)學(xué)院學(xué)報，2015，32（9）：36-39.

〔5〕苗維誠.C4.5算法在提高物理實驗教學(xué)效果中的應(yīng)用[J].赤峰學(xué)院學(xué)報（自然科學(xué)版），2017，33（12）：14-15.

〔6〕陳輝，向偉忠，單健.關(guān)聯(lián)規(guī)則挖掘在教師教學(xué)評價系統(tǒng)中的應(yīng)用[J].南華大學(xué)學(xué)報（自然科學(xué)版），2005，19（1）：104-107，118.