基于Apriori算法的課程內(nèi)容關(guān)聯(lián)分析及教學(xué)策略改進(jìn)

詹靜 范雪 劉一帆

摘要：挖掘?qū)W習(xí)數(shù)據(jù)并對(duì)教學(xué)策略進(jìn)行正向反饋已成為改進(jìn)教學(xué)質(zhì)量的重要手段?；贏priori算法對(duì)計(jì)算機(jī)網(wǎng)絡(luò)基礎(chǔ)課程教學(xué)中學(xué)生學(xué)習(xí)數(shù)據(jù)進(jìn)行挖掘和分析，生成課程教學(xué)內(nèi)容之間的強(qiáng)關(guān)聯(lián)規(guī)則。通過(guò)對(duì)這些生成規(guī)則的分析，找出影響學(xué)生成績(jī)的難點(diǎn)教學(xué)內(nèi)容，從而幫助教師利用這些反饋信息進(jìn)行有針對(duì)性的教學(xué)策略改進(jìn)。

關(guān)鍵詞：教學(xué)策略改進(jìn);課程內(nèi)容關(guān)聯(lián);Apriori算法;強(qiáng)關(guān)聯(lián)規(guī)則

中圖分類(lèi)號(hào)：G642.0? ? ?文獻(xiàn)標(biāo)志碼：A? ? ?文章編號(hào)：1674-9324（2020）15-0219-03

一、背景

學(xué)習(xí)數(shù)據(jù)挖掘是一種常見(jiàn)的高校學(xué)生學(xué)習(xí)效果分析方法。而簡(jiǎn)單的數(shù)理統(tǒng)計(jì)方法只能簡(jiǎn)單展示學(xué)生的最終學(xué)習(xí)效果，學(xué)習(xí)過(guò)程中的潛在信息沒(méi)有得到有效分析;數(shù)據(jù)挖掘能夠分析出影響學(xué)生成績(jī)的因素，關(guān)聯(lián)規(guī)則算法是數(shù)據(jù)挖掘中的一種重要方法，可以對(duì)教學(xué)過(guò)程形成正向反饋。當(dāng)前的關(guān)聯(lián)規(guī)則方法多用于課程間規(guī)則分析，對(duì)于課程中不同內(nèi)容之間規(guī)則分析較少。而課程的重點(diǎn)內(nèi)容和難點(diǎn)內(nèi)容才是決定學(xué)生某門(mén)課程是否及格的關(guān)鍵。

本文利用Apriori算法對(duì)計(jì)算機(jī)網(wǎng)絡(luò)基礎(chǔ)的學(xué)生的學(xué)習(xí)數(shù)據(jù)進(jìn)行深入挖掘和分析，生成課程教學(xué)內(nèi)容之間的強(qiáng)關(guān)聯(lián)規(guī)則，分析影響成績(jī)的難點(diǎn)內(nèi)容，根據(jù)課程教學(xué)大綱的重點(diǎn)內(nèi)容和分析所得的難點(diǎn)內(nèi)容，提出課程教學(xué)方案的改進(jìn)，幫助提高學(xué)生的學(xué)習(xí)質(zhì)量和學(xué)校的教學(xué)質(zhì)量。

二、相關(guān)工作

關(guān)聯(lián)分析廣泛應(yīng)用于教學(xué)改進(jìn)中，潘燕利用決策樹(shù)C5.0算法對(duì)學(xué)生成績(jī)進(jìn)行數(shù)據(jù)挖掘，得到該專(zhuān)業(yè)核心課程與其他課程之間的關(guān)聯(lián)關(guān)系，便于掌握學(xué)生學(xué)習(xí)狀態(tài)[1]。司馬碧蓉根據(jù)學(xué)生課程成績(jī)分析得到課程間依賴(lài)關(guān)系和依賴(lài)程度，能預(yù)測(cè)學(xué)生后續(xù)課程的學(xué)習(xí)成績(jī)[2]。賀超波等用粗糙集相關(guān)性質(zhì)對(duì)決策數(shù)據(jù)進(jìn)行屬性約簡(jiǎn)，基于分辨矩陣的關(guān)聯(lián)規(guī)則提取算法發(fā)現(xiàn)課程成績(jī)數(shù)據(jù)中隱藏的課程相關(guān)性規(guī)則[3]。陳青山通過(guò)優(yōu)化決策樹(shù)算法提取了有效關(guān)聯(lián)規(guī)則，找出了影響教學(xué)效果的關(guān)鍵因素[4]。孫潔等人利用Apriori算法分析了課程之間的相關(guān)關(guān)系和緊密程度，得到核心課程和課程結(jié)構(gòu)，對(duì)專(zhuān)業(yè)課程設(shè)置及改革提出意見(jiàn)與建議[5]。江靜嫻等人使用改進(jìn)的AprioriTid算法，減少了頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則的數(shù)量，過(guò)濾不能生成有效候選項(xiàng)集的元素，提高了算法效率[6]。曾子賢等人結(jié)合矩陣，基于改進(jìn)頻繁模式樹(shù)和候選集頻數(shù)優(yōu)化策略提出了改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法，提高了效率[7]。

三、課程成績(jī)數(shù)據(jù)處理

根據(jù)教學(xué)大綱，計(jì)算機(jī)網(wǎng)絡(luò)基礎(chǔ)課程內(nèi)容分為網(wǎng)絡(luò)操作系統(tǒng)、網(wǎng)絡(luò)模型、網(wǎng)絡(luò)接入、以太網(wǎng)、網(wǎng)絡(luò)層、IP編址、子網(wǎng)劃分、傳輸層、應(yīng)用層、安全共計(jì)10個(gè)內(nèi)容。

本文將2014級(jí)和2015級(jí)在在線練習(xí)、實(shí)驗(yàn)和期末考試三類(lèi)考核在上述10個(gè)內(nèi)容中分別統(tǒng)計(jì)，得到課程內(nèi)容得分（2014級(jí)沒(méi)有考核實(shí)驗(yàn)）。即先計(jì)算每個(gè)內(nèi)容在各類(lèi)考核中的實(shí)際得分乘以成績(jī)權(quán)重，求和得到內(nèi)容實(shí)際得分;再計(jì)算每個(gè)內(nèi)容總分乘以成績(jī)權(quán)重，求和得到內(nèi)容總分;用內(nèi)容實(shí)際得分除以內(nèi)容總分，可得到處于[0，1]的每個(gè)課程內(nèi)容得分?jǐn)?shù)據(jù)。

四、課程內(nèi)容關(guān)聯(lián)規(guī)則分析及教學(xué)策略改進(jìn)

通過(guò)Apriori算法對(duì)上述數(shù)據(jù)進(jìn)行分析，可得到有價(jià)值的課程內(nèi)容關(guān)聯(lián)規(guī)則，從而為教學(xué)策略改進(jìn)提供幫助。

本文對(duì)學(xué)生的不同課程內(nèi)容成績(jī)，篩選出每個(gè)內(nèi)容得分較差的學(xué)生，將篩選出的內(nèi)容表示成算法支持的輸入形式，進(jìn)行關(guān)聯(lián)規(guī)則的生成。首先，實(shí)驗(yàn)開(kāi)始時(shí)給定最小支持度和最小置信度。最小支持度表示項(xiàng)集在統(tǒng)計(jì)意義上的最低重要性，是被認(rèn)可的項(xiàng)集的最低出現(xiàn)頻率，最小支持度可以在生成頻繁項(xiàng)集時(shí)，將之篩選出來(lái);最小置信度表示關(guān)聯(lián)規(guī)則的最低可靠程度。其次，選擇低分的課程內(nèi)容，也就是課程的難點(diǎn)內(nèi)容進(jìn)行關(guān)聯(lián)規(guī)則的生成和分析，因?yàn)檎n程難點(diǎn)內(nèi)容的掌握情況決定了學(xué)生得分的高低。經(jīng)過(guò)反復(fù)試驗(yàn)，最終篩選出每個(gè)內(nèi)容得分在0.7以下的學(xué)生，在生成頻繁項(xiàng)集時(shí)設(shè)置支持度為0.2，在生成強(qiáng)關(guān)聯(lián)規(guī)則時(shí)設(shè)置最低置信度為0.45，得到如下表所示18條強(qiáng)關(guān)聯(lián)規(guī)則。

支持度大于0.15，且得分比例低于0.7（即低分）的課程內(nèi)容項(xiàng)一共有7個(gè)，支持度從高到低依次為網(wǎng)絡(luò)接入、傳輸層、應(yīng)用層、子網(wǎng)劃分、IP編址、網(wǎng)絡(luò)層、網(wǎng)絡(luò)操作系統(tǒng)。其中，支持度越高表示該課程內(nèi)容項(xiàng)得分低的人數(shù)越多，是教學(xué)中學(xué)生掌握的較差的難點(diǎn)。以太網(wǎng)、網(wǎng)絡(luò)模型和安全課程內(nèi)容項(xiàng)沒(méi)有出現(xiàn)，說(shuō)明學(xué)生掌握相對(duì)較好。

我們將規(guī)則先按教學(xué)重點(diǎn)內(nèi)容（即網(wǎng)絡(luò)模型、子網(wǎng)劃分、IP編址、網(wǎng)絡(luò)層、傳輸層）和非重點(diǎn)內(nèi)容分類(lèi)，然后將支持度從高到低分類(lèi)，最后將置信度按從高到低分類(lèi)，提出如下教學(xué)內(nèi)容改進(jìn)策略。

（一）重點(diǎn)內(nèi)容改進(jìn)策略

1.傳輸層教學(xué)改進(jìn)策略。傳輸層支持度為44%，僅低于網(wǎng)絡(luò)接入45%，說(shuō)明這是學(xué)生掌握的較差的重點(diǎn)和難點(diǎn)內(nèi)容，需要重點(diǎn)分析改進(jìn)策略。

首先分析傳輸層作為前提條件的規(guī)則2和10：在傳輸層得分低的前提下，子網(wǎng)劃分也得分低的可能性為58.62%;在傳輸層得分低的前提下，應(yīng)用層也得分低的可能性為64%，都小于65%，說(shuō)明傳輸層對(duì)其他課程內(nèi)容的影響不大。

再分析傳輸層作為推理出的關(guān)聯(lián)內(nèi)容的規(guī)則1，7，8，9，僅有規(guī)則8的置信度為66.66%，大于65%，其含義是網(wǎng)絡(luò)層得分低的前提下，傳輸層得分低的可能性較大。實(shí)際上，網(wǎng)絡(luò)層確實(shí)是傳輸層的重要前提學(xué)習(xí)內(nèi)容，兩者有許多比較相似的抽象概念，比如服務(wù)和協(xié)議特點(diǎn)，地址分類(lèi)等。學(xué)好網(wǎng)絡(luò)層對(duì)后續(xù)的傳輸層學(xué)習(xí)確實(shí)有比較好的引導(dǎo)作用。

從教學(xué)策略改進(jìn)的角度考慮，教師可在傳輸層教學(xué)后增加網(wǎng)絡(luò)層與傳輸層的內(nèi)在關(guān)聯(lián)分析和比較，幫助學(xué)生掌握兩個(gè)內(nèi)容之間的關(guān)聯(lián)，適當(dāng)增加習(xí)題鞏固相關(guān)知識(shí)點(diǎn)，從而提高學(xué)生傳輸層的學(xué)習(xí)效果。

2.子網(wǎng)劃分、IP編址、網(wǎng)絡(luò)層教學(xué)改進(jìn)策略。子網(wǎng)劃分支持度為33%，IP編址支持度為32%，網(wǎng)絡(luò)層支持度為23%，均大于20%，因此可將子網(wǎng)劃分，IP編址和網(wǎng)絡(luò)層內(nèi)容看作課程難點(diǎn)。

首先分析這三個(gè)內(nèi)容作為前提條件的規(guī)則。

分析子網(wǎng)劃分作為前提條件的規(guī)則1、4、5、12，置信度大于65%的規(guī)則只有規(guī)則5。說(shuō)明子網(wǎng)劃分得分低的前提下，網(wǎng)絡(luò)層也得分低的可能性為77.27%。

分析IP編址作為前提條件的規(guī)則3、7、13、17，置信度大于65%的規(guī)則只有規(guī)則3，15。IP編址得分低的前提下，子網(wǎng)劃分與網(wǎng)絡(luò)層得分低的可能性都為66.66%。

分析網(wǎng)絡(luò)層作為前提條件的規(guī)則6、8、15，置信度大于65%的規(guī)則只有規(guī)則6，8。網(wǎng)絡(luò)層得分低的前提下，子網(wǎng)劃分和傳輸層得分低的可能性都為66.66%。

再分析這三個(gè)內(nèi)容作為推理出的關(guān)聯(lián)內(nèi)容的規(guī)則，且置信度大于65%的規(guī)則，同樣只有規(guī)則3，5，6，8，13。

由上可知，子網(wǎng)劃分、IP編址、網(wǎng)絡(luò)層三部分內(nèi)容具有較大的關(guān)聯(lián)度，實(shí)際上三者也確實(shí)都屬于網(wǎng)絡(luò)模型中的網(wǎng)絡(luò)層，知識(shí)點(diǎn)有很高的相關(guān)度。并且由于這三個(gè)內(nèi)容都對(duì)學(xué)生實(shí)踐能力有一定要求，從教學(xué)策略改進(jìn)的角度考慮，教師可適當(dāng)為這三個(gè)部分在實(shí)驗(yàn)環(huán)節(jié)增加指導(dǎo)，幫助學(xué)生提高子網(wǎng)劃分、IP編址、網(wǎng)絡(luò)層的學(xué)習(xí)效果。

3.網(wǎng)絡(luò)模型教學(xué)改進(jìn)策略。網(wǎng)絡(luò)模型的支持度小于等于0.2，因此沒(méi)有相關(guān)規(guī)則，實(shí)際上，這部分內(nèi)容在網(wǎng)絡(luò)模型的不同層次教學(xué)內(nèi)容中都會(huì)反復(fù)提到，學(xué)生掌握的相對(duì)較好也是比較符合實(shí)際的，暫時(shí)不需要變化。

（二）非重點(diǎn)內(nèi)容改進(jìn)策略

1.網(wǎng)絡(luò)接入教學(xué)改進(jìn)策略。網(wǎng)絡(luò)接入課程內(nèi)容項(xiàng)的支持度最高，為0.45，也就是說(shuō)，網(wǎng)絡(luò)接入內(nèi)容學(xué)習(xí)的低分人數(shù)占總?cè)藬?shù)的45%，因此可以將網(wǎng)絡(luò)接入看作是課程教學(xué)中的最難內(nèi)容。

首先分析網(wǎng)絡(luò)接入作為前提條件的規(guī)則。僅有規(guī)則16表示網(wǎng)絡(luò)接入影響了IP編址的學(xué)習(xí)，但置信度為46.67%，小于65%。實(shí)際上該內(nèi)容和IP編址的關(guān)聯(lián)關(guān)系也不大。

再分析網(wǎng)絡(luò)接入作為推理出的關(guān)聯(lián)內(nèi)容的規(guī)則17和18。置信度也小于65%。

因此可以認(rèn)為網(wǎng)絡(luò)接入是一個(gè)較為獨(dú)立的難點(diǎn)內(nèi)容。該內(nèi)容處于網(wǎng)絡(luò)模型的最底層（包括物理層），學(xué)生在日常生活中接觸較少，概念不容易理解，因此確實(shí)掌握的相對(duì)較差。

從教學(xué)策略改進(jìn)的角度考慮，由于該內(nèi)容不是課程內(nèi)容重點(diǎn)，教師可通過(guò)增加相關(guān)實(shí)驗(yàn)環(huán)節(jié)指導(dǎo)和習(xí)題練習(xí)，提高學(xué)生的學(xué)習(xí)效果。

2.應(yīng)用層教學(xué)改進(jìn)策略。應(yīng)用層支持度為38%。說(shuō)明應(yīng)用層內(nèi)容學(xué)生掌握的相對(duì)較不好。

首先分析應(yīng)用層作為前提條件的規(guī)則9、11、14、18，置信度均沒(méi)有超過(guò)65%。

再分析應(yīng)用層作為推理出的關(guān)聯(lián)內(nèi)容的規(guī)則10，12和15，置信度也沒(méi)有超過(guò)65%。

因此，也可以認(rèn)為應(yīng)用層是一個(gè)較為獨(dú)立的難點(diǎn)內(nèi)容。該內(nèi)容處于網(wǎng)絡(luò)模型的最高層，與生活中的網(wǎng)絡(luò)活動(dòng)有密切聯(lián)系，但協(xié)議內(nèi)容和分類(lèi)都較多，因此學(xué)生掌握的相對(duì)較差。

從教學(xué)策略改進(jìn)的角度考慮，教師可以通過(guò)增加應(yīng)用層相關(guān)的習(xí)題和實(shí)驗(yàn)的方式提高學(xué)生的學(xué)習(xí)效果。

3.網(wǎng)絡(luò)操作系統(tǒng)、以太網(wǎng)、安全教學(xué)改進(jìn)策略。網(wǎng)絡(luò)操作系統(tǒng)，以太網(wǎng)和安全的支持度都小于等于0.2，說(shuō)明這部分學(xué)生掌握的相對(duì)較好，且根據(jù)教學(xué)大綱，這三部分內(nèi)容都屬于非重點(diǎn)內(nèi)容。從教學(xué)策略改進(jìn)的角度考慮，教師可以適當(dāng)通過(guò)增加在線和課后練習(xí)的方式，讓學(xué)生更多通過(guò)自學(xué)掌握這些部分內(nèi)容。

五、結(jié)論

本文使用Apriori算法，針對(duì)計(jì)算機(jī)網(wǎng)絡(luò)基礎(chǔ)課程進(jìn)行了課程教學(xué)內(nèi)容的關(guān)聯(lián)規(guī)則生成，通過(guò)分析難點(diǎn)內(nèi)容之間的關(guān)聯(lián)規(guī)則，結(jié)合課程教學(xué)大綱的重點(diǎn)，給教師提出了教學(xué)策略改進(jìn)建議，包括：對(duì)重難點(diǎn)內(nèi)容傳輸層部分進(jìn)行理論教學(xué)方法改進(jìn)，對(duì)重難點(diǎn)內(nèi)容子網(wǎng)劃分、IP編址和網(wǎng)絡(luò)層增加實(shí)驗(yàn)環(huán)節(jié)指導(dǎo);對(duì)非重點(diǎn)但確是難點(diǎn)的網(wǎng)絡(luò)接入和應(yīng)用層內(nèi)容增加習(xí)題和實(shí)驗(yàn)指導(dǎo);而對(duì)于非重點(diǎn)又非難點(diǎn)的其他部分，適當(dāng)通過(guò)學(xué)生自學(xué)自測(cè)的形式進(jìn)行引導(dǎo)。通過(guò)上述教學(xué)策略改進(jìn)，期望能夠提高后續(xù)教學(xué)質(zhì)量。

參考文獻(xiàn)：

[1]潘燕.決策樹(shù)算法在高職院校課程關(guān)聯(lián)分析中的應(yīng)用研究[J].現(xiàn)代信息科技，2019，3（02）：151-153.

[2]司馬碧榮.基于貝葉斯分類(lèi)的高職軟件課程教學(xué)應(yīng)用研究[D].云南大學(xué)，2010.

[3]賀超波，陳啟買(mǎi).高校課程相關(guān)性粗糙集分析模型及應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2011，47（27）：233-235+245.

[4]陳青山.決策樹(shù)算法在高校教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)中的應(yīng)用研究[D].西南交通大學(xué)，2010.

[5]孫潔，沈桂蘭.基于關(guān)聯(lián)規(guī)則及知識(shí)網(wǎng)絡(luò)的專(zhuān)業(yè)課程關(guān)聯(lián)分析[J].中國(guó)電力教育，2014，（21）：55-57.

[6]汪靜嫻，楊厚俊，范延濱.AprioriTid改進(jìn)算法在課程關(guān)聯(lián)分析中的應(yīng)用[J].工業(yè)控制計(jì)算機(jī)，2018，31（09）：37-38.

[7]曾子賢，鞏青歌，張俊.改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法——MIFP-Apriori算法[J].科學(xué)技術(shù)與工程，2019，19（16）：216-220.