Apriori算法在新工科學(xué)生專業(yè)承諾研究中的應(yīng)用

摘要：目的：應(yīng)用Apriori算法研究新設(shè)工學(xué)專業(yè)學(xué)生的專業(yè)承諾與相關(guān)影響因素之間的關(guān)聯(lián)性.方法：采用問卷調(diào)查法，用Apriori算法進行關(guān)聯(lián)性研究.結(jié)果：數(shù)據(jù)挖掘發(fā)現(xiàn)，在諸多影響專業(yè)承諾的因素中，“專業(yè)認(rèn)知”“環(huán)境影響”“就業(yè)前景”這三個因素與制藥工程專業(yè)學(xué)生的專業(yè)承諾水平關(guān)聯(lián)性最強，對其有顯著影響.結(jié)論：Apriori算法相比傳統(tǒng)spss方法，更注重分析數(shù)據(jù)之間的聯(lián)系，且找出了對學(xué)生專業(yè)承諾水平影響最大的三個因素，對于提升新專業(yè)的質(zhì)量具有指導(dǎo)意義.

關(guān)鍵詞：專業(yè)承諾;調(diào)查問卷;數(shù)據(jù)挖掘

中圖分類號：G647? 文獻標(biāo)識碼：A? 文章編號：1673-260X（2019）06-0155-03

1 引言

我國高等院校的辦學(xué)理念已經(jīng)由擴張型發(fā)展模式轉(zhuǎn)變?yōu)閮?nèi)涵型發(fā)展模式，要求高校的發(fā)展要不斷創(chuàng)新，辦出特色，力爭培養(yǎng)一流人才.在這種體制下，很多醫(yī)學(xué)類院校為了提高辦學(xué)層次，由單一型院校向多學(xué)科綜合型大學(xué)轉(zhuǎn)變，開辦了一些近醫(yī)非醫(yī)的新專業(yè).

蚌埠醫(yī)學(xué)院近年來新建了三個工學(xué)專業(yè)，分別為制藥工程專業(yè)、食品質(zhì)量與安全專業(yè)和物聯(lián)網(wǎng)工程專業(yè).由于新專業(yè)成立時間短，辦學(xué)經(jīng)驗不足，專業(yè)資源有限，使得新專業(yè)的發(fā)展面臨一定的挑戰(zhàn).專業(yè)的特色和專業(yè)的優(yōu)勢無法體現(xiàn)出來，同時容易造成新專業(yè)的學(xué)生專業(yè)承諾水平偏低，這會導(dǎo)致學(xué)生對專業(yè)缺乏認(rèn)同感，專業(yè)思想不穩(wěn)定，學(xué)習(xí)上容易產(chǎn)生畏難情緒.這種低專業(yè)承諾水平對其學(xué)習(xí)和專業(yè)發(fā)展會造成嚴(yán)重的不良影響[1].

專業(yè)承諾是指個體認(rèn)同自身所從事的專業(yè)或職業(yè)，愿意付出努力的積極態(tài)度.大學(xué)生的專業(yè)承諾水平可以通過“情感承諾”“規(guī)范承諾”“繼續(xù)承諾”和“理想承諾”四個維度體現(xiàn)出來[2].本文通過對蚌醫(yī)新設(shè)工學(xué)專業(yè)的學(xué)生進行問卷調(diào)查，了解其專業(yè)承諾水平的現(xiàn)狀，運用數(shù)據(jù)挖掘Apriori算法找出影響學(xué)生專業(yè)承諾水平的關(guān)鍵因素.為提高學(xué)生專業(yè)承諾水平，提升新設(shè)專業(yè)的辦學(xué)質(zhì)量提供理論依據(jù).

2 Apriori算法應(yīng)用

2.1 算法介紹

在大量、繁雜、模糊的數(shù)據(jù)中，相互之間可能存在某種關(guān)聯(lián)性，其中隱含著有用的信息.找出事物之間這種潛在關(guān)聯(lián)的方法稱為數(shù)據(jù)挖掘，提取出來的有用信息叫作關(guān)聯(lián)規(guī)則.Apriori算法就是最常用的數(shù)據(jù)挖掘算法之一[3].

數(shù)據(jù)挖掘算法可以廣泛應(yīng)用在各行各業(yè)的數(shù)據(jù)分析中，Apriori算法就是用來分析找出數(shù)據(jù)之間的潛在關(guān)聯(lián)性，然后人為去分析產(chǎn)生這種關(guān)聯(lián)性的原因.而使用SPSS軟件去研究數(shù)據(jù)之間的關(guān)聯(lián)性，需要選擇數(shù)據(jù)，建立回歸分析模型進行研究，這就需要我們首先要為數(shù)據(jù)人為設(shè)定一個范圍，算法的建立比較復(fù)雜，得出的結(jié)果可能也不準(zhǔn)確.使用Apriori算法更簡單、直觀，是SPSS軟件的一種有益補充.

2.2 研究方法

目前專業(yè)承諾的研究成果表明，影響大學(xué)生專業(yè)承諾的因素大致可分成學(xué)生個體的心理因素、學(xué)校教育因素和社會因素，共三大類.本文把這三大類影響因素再細(xì)分成五類，分別為：學(xué)生對所學(xué)專業(yè)的認(rèn)知程度;學(xué)院對開辦專業(yè)的管理水平;專業(yè)課教師的教學(xué)水平;學(xué)校環(huán)境氛圍的影響;專業(yè)的就業(yè)前景.這五類影響因素分別記為“專業(yè)認(rèn)知”“專業(yè)管理”“專業(yè)課教學(xué)”“環(huán)境影響”“就業(yè)前景”.

制作調(diào)查問卷，收集這五類影響因素和學(xué)生專業(yè)承諾的數(shù)據(jù)，運用Apriori算法研究這五類影響因素與學(xué)生專業(yè)承諾之間的關(guān)聯(lián)性，試圖找出其中與學(xué)生專業(yè)承諾水平關(guān)聯(lián)性最大的影響因素[4].

2.3 數(shù)據(jù)獲取

編制了《新設(shè)工學(xué)專業(yè)學(xué)生專業(yè)承諾問卷》和《專業(yè)承諾影響因素問卷》兩個調(diào)查問卷來獲取數(shù)據(jù).《新設(shè)工學(xué)專業(yè)學(xué)生專業(yè)承諾問卷》改編自連榕等人編制的大學(xué)生專業(yè)承諾量表，可較好地反應(yīng)大學(xué)生的專業(yè)承諾水平[5].《專業(yè)承諾影響因素問卷》參考目前已有的相關(guān)文獻資料編制問卷結(jié)構(gòu)和題型，問卷包含了“專業(yè)認(rèn)知”“專業(yè)管理”“專業(yè)課教學(xué)”“環(huán)境影響”“就業(yè)前景”五個部分共22題，采用Likert 5級記分，完全符合記5分，比較符合計4分，不確定計3分，比較不符合記2分，完全不符合記1分.

調(diào)查對象選擇蚌埠醫(yī)學(xué)院新建制藥工程專業(yè)的在校學(xué)生，2016至2018級三個年級學(xué)生，一共277人.本次調(diào)查共計發(fā)放問卷277份，收回有效問卷277份.每份《專業(yè)承諾影響因素問卷》按照“專業(yè)認(rèn)知”“專業(yè)管理”“專業(yè)課教學(xué)”“環(huán)境影響”“就業(yè)前景”這五類影響因素進行得分匯總.從每份《新設(shè)工學(xué)專業(yè)學(xué)生專業(yè)承諾問卷》中獲取該學(xué)生專業(yè)承諾水平的數(shù)據(jù)，一共采集六組數(shù)據(jù).這樣就獲取了277份原始數(shù)據(jù).

2.4 數(shù)據(jù)處理與分析

Apriori算法要求數(shù)據(jù)必須是布爾型，因此對收集的六組數(shù)據(jù)進行處理.六組數(shù)據(jù)“專業(yè)認(rèn)知”“專業(yè)管理”“專業(yè)課教學(xué)”“環(huán)境影響”“就業(yè)前景”和“專業(yè)承諾”分別記為“A”“B”“C”“D”“E”“F”，統(tǒng)計每份問卷六組數(shù)據(jù)的得分，計算出277份問卷六組數(shù)據(jù)的平均分，見表1.

由表1可以看到，制藥工程專業(yè)學(xué)生《專業(yè)承諾問卷》每題的平均得分為3.364分，處在Likert量表中的三、四級之間，說明學(xué)生的總體專業(yè)承諾水平處在中等偏上水平，還不夠理想，確實有必要提高.五個影響因素的每題平均得分，“專業(yè)認(rèn)知”因素得分最低，“就業(yè)前景”得分最高，可以反映出學(xué)生在專業(yè)選擇的時候，相比于自身興趣和專業(yè)辦學(xué)內(nèi)容等因素，更傾向于以專業(yè)的就業(yè)前景來進行專業(yè)選擇，學(xué)生選擇專業(yè)有較強的功利心.不考慮自身興趣和自身特點盲目的進行專業(yè)選擇，容易造成專業(yè)承諾水平偏低，在以后的專業(yè)學(xué)習(xí)上也容易造成困難.

再把每份問卷里六組數(shù)據(jù)的分?jǐn)?shù)分別和平均分進行比較，比平均分高的就記為“1”，比平均分低的就記為“0”，六組數(shù)據(jù)就都分成了高“1”、低“0”兩個等級[6].這樣就把277份問卷的數(shù)據(jù)全都處理成了布爾型的“1”“0”數(shù)據(jù)，見表2.

277份問卷六組數(shù)據(jù)兩個等級的總體分布情況，見表3.

2.5 算法計算

把處理后的數(shù)據(jù)（表2）輸入到Apriori算法程序中，目標(biāo)是找到包含F(xiàn)項的最大頻繁項集.設(shè)置最小支持度為0.3，最小置信度為0.5，挖掘得到兩個最大頻繁項集：包含“F1”的最大頻繁項集{D1，E1，F(xiàn)1}，和包含“F0”的最大頻繁項集{A0，D0，F(xiàn)0}，詳見表4.

由表4可以看到，兩個頻繁項集的支持度都大于設(shè)置的最小支持度30%，符合算法要求，且只有這兩個項集的支持度大于最小支持度.項集{D1，E1，F(xiàn)1}表示D、E、F三個因素在一張問卷里同時為“1”的概率為33.21%;{A0，D0，F(xiàn)0}就是表示A、D、F三個因素在一張問卷里同時為“0”的概率為34.66%.數(shù)據(jù)挖掘發(fā)現(xiàn)，“專業(yè)認(rèn)知”“環(huán)境影響”“就業(yè)前景”這三類影響因素和學(xué)生專業(yè)承諾水平之間有較強的關(guān)聯(lián)性.

再從兩個最大頻繁項集中分別獲得所有強關(guān)聯(lián)規(guī)則，關(guān)聯(lián)規(guī)則是一種蘊含形式X→Y，置信度表示的就是X∩Y的事務(wù)占項集X的百分比[7]，詳見表5和表6.

由表5得到關(guān)聯(lián)規(guī)則：對自己的就業(yè)前景樂觀有信心，且專業(yè)承諾水平較高的學(xué)生中，有88.46%的學(xué)生認(rèn)為學(xué)校和同學(xué)營造出了良好的專業(yè)學(xué)習(xí)環(huán)境.

由表6得到關(guān)聯(lián)規(guī)則：對所學(xué)專業(yè)不太了解，同時認(rèn)為所在集體無法有效促進學(xué)習(xí)的學(xué)生中，有94.12%的學(xué)生專業(yè)承諾水平較低.

2.6 結(jié)果討論

對數(shù)據(jù)挖掘的結(jié)果進一步分析，首先對三種因素進行分析：“專業(yè)認(rèn)知”因素分析，調(diào)查問卷的數(shù)據(jù)顯示，制藥專業(yè)有80%的學(xué)生，入校時是校內(nèi)專業(yè)調(diào)劑過來的，只有很少學(xué)生的入校第一志愿填的就是制藥工程專業(yè).這就造成了很多學(xué)生對本專業(yè)的不了解，最典型的例子就是，大多數(shù)學(xué)生入校時理所當(dāng)然地認(rèn)為“制藥工程專業(yè)也是醫(yī)學(xué)類專業(yè)”.對制藥工程專業(yè)的不了解，導(dǎo)致了有超過一半的學(xué)生在校期間“對制藥專業(yè)有過失落感”.

“環(huán)境影響”因素分析，（1）82%的制藥學(xué)生認(rèn)為校內(nèi)環(huán)境，尤其是宿舍的學(xué)習(xí)氛圍對自己有很大影響;（2）73%的學(xué)生認(rèn)為學(xué)生干部沒有在專業(yè)學(xué)習(xí)上充分發(fā)揮作用;（3）相對于醫(yī)學(xué)專業(yè)，有37%制藥專業(yè)的學(xué)生會覺得自己有點“獨特”.在學(xué)生的學(xué)習(xí)和生活中，同伴的作用大于老師，營造良好的宿舍氛圍，加強班風(fēng)、考紀(jì)教育，提高班級凝聚力，可以有效提高學(xué)生學(xué)習(xí)的積極性.

“就業(yè)前景”因素分析，43%的學(xué)生不清楚制藥專業(yè)的就業(yè)形勢;48%的學(xué)生不了解制藥專業(yè)的就業(yè)收入;63%的學(xué)生不滿意制藥專業(yè)的工作環(huán)境.制藥工程專業(yè)需要接觸到化學(xué)試劑，有可能接觸到有害氣體，需要在廠房工作，等等特點決定工作環(huán)境和學(xué)生期望值有差距，這需要學(xué)校做好學(xué)生就業(yè)指導(dǎo)工作，提早開始工作實習(xí)，讓學(xué)生早日適應(yīng)[8].

只有使非醫(yī)專業(yè)的學(xué)生正確認(rèn)識自己所學(xué)的專業(yè)，了解專業(yè)的辦學(xué)內(nèi)容和目標(biāo)，清晰規(guī)劃自己的未來，學(xué)生才能自覺營造出良好的學(xué)習(xí)氛圍，使學(xué)生對專業(yè)產(chǎn)生歸屬感.為進一步了解不同影響因素對學(xué)生專業(yè)承諾的具體作用，對制藥專業(yè)部分學(xué)生進行了深入的訪談.

3 總結(jié)

通過Apriori算法研究發(fā)現(xiàn)“環(huán)境影響”“專業(yè)認(rèn)知”“就業(yè)前景”這三個因素對學(xué)生專業(yè)承諾水平的影響最大，可以針對這三個影響因素專門制定改善措施，對提高學(xué)生專業(yè)承諾水平有直接的幫助.下一步的工作即是使用SPSS軟件對調(diào)查問卷的數(shù)據(jù)再一次分析，進一步研究醫(yī)學(xué)院校新設(shè)工學(xué)專業(yè)學(xué)生專業(yè)承諾的現(xiàn)狀，探討提高醫(yī)學(xué)院校工學(xué)專業(yè)學(xué)生專業(yè)承諾水平的途徑.

參考文獻：

〔1〕楊曉燕，肖安.高職學(xué)生心理健康問題原因分析[J].黃岡師范學(xué)院學(xué)報，2013，33（05）：136-137+173.

〔2〕林良章，葉欽龍.大學(xué)生專業(yè)承諾與學(xué)習(xí)效能感的關(guān)系研究[J].黃岡師范學(xué)院學(xué)報，2013，33（05）：107-109.

〔3〕倪東.基于數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則研究[J].太原學(xué)院學(xué)報（自然科學(xué)版），2018，36（03）：36-39.

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

〔5〕連榕，楊麗嫻，吳蘭花.大學(xué)生的專業(yè)承諾、學(xué)習(xí)倦怠的關(guān)系與量表編制[J].心理學(xué)報，2005，37（5）：632-636.

〔6〕苗維誠，魏杰.基于關(guān)聯(lián)規(guī)則算法的醫(yī)學(xué)生對物理實驗學(xué)習(xí)態(tài)度分析研究[J].普洱學(xué)院學(xué)報，2018，34（03）：107-109.

〔7〕苗維誠，朱文婕.基于關(guān)聯(lián)規(guī)則Apriori算法的物理實驗成績分析研究[J].赤峰學(xué)院學(xué)報（自然科學(xué)版），2019（01）：14-16.

〔8〕葉俊.基于就業(yè)現(xiàn)狀調(diào)查的地方本科旅游管理專業(yè)人才培養(yǎng)模式優(yōu)化研究[J].黃岡師范學(xué)院學(xué)報，2018，38（01）：14-18.