數(shù)據(jù)挖掘在高職院校醫(yī)學(xué)生成績影響因素分析中的應(yīng)用

張彥，張淑芳

（山東醫(yī)學(xué)高等專科學(xué)校，山東 臨沂276000）

高等職業(yè)教育是高等教育的重要組成部分，是職業(yè)技術(shù)教育的高等階段。隨著高校招生規(guī)模不斷擴大，高職院校的學(xué)生數(shù)量也越來越多。他們的學(xué)習(xí)素質(zhì)比起本科院校，生源知識結(jié)構(gòu)參差不齊，基礎(chǔ)較差，自制力較弱[1]。而隨著科技的快速發(fā)展，智能手機普及，大數(shù)據(jù)潮流來臨，影響學(xué)生學(xué)習(xí)成績的因素也較以前繁多。大數(shù)據(jù)不僅是一門技術(shù)，更是一種全新的模式，利用大數(shù)據(jù)分析高職院校醫(yī)學(xué)生的成績影響因素，充分利用數(shù)據(jù)挖掘[2]、決策樹[3]等對學(xué)生各門科目、紀律與考勤等日常行為進行研究，分析學(xué)生各種學(xué)習(xí)行為及成績影響因素，從而使學(xué)校領(lǐng)導(dǎo)和一線教師對學(xué)生學(xué)習(xí)和日常管理有的放矢，有效提升高職院校教育教學(xué)質(zhì)量。

1 對象與方法

1.1 研究對象 選取山東醫(yī)學(xué)高等專科學(xué)校2017 級大一學(xué)生第一學(xué)期（2017 年9 月—2018 年1 月）考試理論成績。成績科目中，人體解剖學(xué)學(xué)包括期中和期末理論成績，組織胚胎學(xué)和公共英語期末理論成績。學(xué)生專業(yè)包括臨床專業(yè)18 個班，護理、檢驗、影像等專業(yè)各隨機抽取兩個班。學(xué)生成績不包括期末實訓(xùn)成績，只是期中與期末筆試理論成績，滿分100。

1.2 方法 從臨床專業(yè)18個班中，分析每個班不同分數(shù)段的人數(shù)，進行班級頻數(shù)比較，分析每個班級是否符合正態(tài)分布、負偏態(tài)分布和正偏態(tài)分布。再從4個專業(yè)（臨床、護理、檢驗、影像）中每個專業(yè)各隨機抽取兩個班，共8個班，以個人為單位進行縱向比較，生成決策樹，見圖1。

圖1 決策樹

1.3 統(tǒng)計學(xué)處理 應(yīng)用SPSS20.0 軟件進行數(shù)據(jù)錄入分析，包括一般描述性分析，正偏態(tài)分布分析。應(yīng)用數(shù)據(jù)挖掘中的決策樹分析，決策樹算法采用改進的C4.5算法并進行決策樹修剪生成。

2 結(jié)果

2.1 臨床專業(yè)18個班解剖學(xué)期末成績各班頻數(shù)比較見表1、圖2。

2.2 臨床專業(yè)男女生平均分比較 見表2。

表1 人體解剖學(xué)期末成績臨床各班各分段頻數(shù)比較

圖2 臨床17班、10班和14班成績頻數(shù)直方圖和負偏態(tài)分布曲線

表2 臨床專業(yè)男女生平均分比較（±s，分）

表2 臨床專業(yè)男女生平均分比較（±s，分）

性別 n 解剖學(xué)理論成績 組胚學(xué)期末理論成績期中 期末女生 483 76.15±9.49 72.67±10.26 67.96±9.78男生 455 67.13±12.51 63.45±13.34 60.10±13.67

2.3 決策樹構(gòu)造及生成

2.3.1 數(shù)據(jù)收集 學(xué)生成績從2017 級臨床專業(yè)、護理專業(yè)、影像專業(yè)和檢驗專業(yè)隨機抽兩個班，共8個班，431 名學(xué)生。學(xué)生成績表中數(shù)據(jù)由學(xué)生信息表和教師信息表兩部分組成。學(xué)生信息數(shù)據(jù)中有學(xué)號、性別、專業(yè)、課程名稱、成績和紀律考勤。教師信息數(shù)據(jù)中有教師姓名、職稱和課程名稱。

2.3.2 數(shù)據(jù)預(yù)處理 對采集到的數(shù)據(jù)進行數(shù)據(jù)“清洗”，通過數(shù)據(jù)轉(zhuǎn)換與選擇[4]，將數(shù)據(jù)量縮減，如學(xué)生的紀律考勤用A 代表良好，B 代表較差；課程類型的屬性用A、B、C 分別表示公共課、專業(yè)基礎(chǔ)課和專業(yè)課；教師職稱的屬性值[5]用A、B、C、D代表教授、副教授、講師和助教；學(xué)生成績＜60為不及格，用C表示；成績＜80 為良好，用B 表示；成績＞80 為優(yōu)秀，用A表示。

由于學(xué)生成績數(shù)據(jù)表中的屬性個數(shù)較多，為了方便決策樹模型的建立，選擇性別、專業(yè)名稱、課程名稱、紀律考勤和教師職稱這五個屬性，簡化形成訓(xùn)練數(shù)據(jù)集，作為建立學(xué)生成績分類決策樹模型的依據(jù)，生成決策樹。

2.3.3 決策樹模型 本文中對決策屬性進行離散化處理，使其適合使用決策樹方法。并采用改進的C4.5算法[6]，簡化計算量和計算復(fù)雜度，提升了建樹效率。通過對重點數(shù)據(jù)進行分類，計算并比較每個屬性的信息熵及信息增益率[7]。由于“專業(yè)名稱”的屬性具有最高信息增益率，所以被選為測試屬性。創(chuàng)建這個節(jié)點，并對該節(jié)點遞歸調(diào)用上述方法進行分類，創(chuàng)建決策樹[8]。當訓(xùn)練數(shù)據(jù)集中存在有噪聲，在盡量忠于源數(shù)據(jù)的決策規(guī)則，必須對決策樹進行剪枝。常用的剪枝方法有前剪和后剪。圖3 為采用后剪枝法形成的決策樹。

2.3.4 生成分類規(guī)則 決策樹最大的優(yōu)點就是可以直接提取類規(guī)則。將決策樹進行廣度優(yōu)先搜索[9]，對每一個葉節(jié)點，求出從根節(jié)點到該葉節(jié)的路徑，該路徑上所有節(jié)點的劃分條件并在一起，并在每個葉節(jié)點生成規(guī)則，即構(gòu)成一條分類規(guī)則。由改進的C4.5 算法建好決策樹后，可以快速地將決策轉(zhuǎn)換為分類規(guī)則，采用IF...THEN 的形式來表達，生成規(guī)則，例如，IF“專 業(yè) 名 稱”=“臨 床 專 業(yè)”AND 職 稱=“助 教”THEN類成績=“B”

圖3 采用后剪枝法形成的決策樹

3 討論

高職院校醫(yī)學(xué)生的成績管理是高校教務(wù)管理工作的基礎(chǔ)和核心[9]。傳統(tǒng)的大學(xué)生學(xué)習(xí)成績分析多由授課老師自己完成，將學(xué)生的考試成績做簡單排序和分析試卷難度，然后交由教務(wù)處存檔。在大數(shù)據(jù)背景下，通過數(shù)據(jù)挖掘?qū)︶t(yī)學(xué)生成績的各種影響因素進行挖掘，研究找出教學(xué)活動過程中哪些因素對學(xué)生成績具有重要影響[10]，從而分析和識別出學(xué)生成績的直接影響因素和間接影響因素，實時掌握醫(yī)學(xué)生的學(xué)習(xí)狀況，就可以及時準確的為整個教學(xué)活動提供信息反饋，更好的提高教學(xué)效果和學(xué)生成績[11]。

通過人體解剖學(xué)期末成績臨床各班各分段頻數(shù)比較（表1）和臨床17 班、10 班和14 班成績頻數(shù)直方圖和負偏態(tài)分布曲線（圖2）的大數(shù)據(jù)分析，發(fā)現(xiàn)醫(yī)學(xué)生成績開始呈現(xiàn)負偏態(tài)和正偏態(tài)分布。例如同是臨床專業(yè)，某些優(yōu)秀班級90 分以上可達12 個，80 以上可達10 個，呈現(xiàn)負偏態(tài)分布。但是不及格者也可達10個，許多班級成績呈現(xiàn)兩極分化，極大的拉低了班級平均分。而某些極差班級80 分以上沒有1 個，不及格的能達到20～25個，班級整體水平都趨于差，呈現(xiàn)正偏態(tài)分布。在大數(shù)據(jù)應(yīng)用中，分析在一個大教室上課的兩個班級成績存在一定的關(guān)聯(lián)性(我校學(xué)生上課大部分是兩個班同時合堂上大課)，比如，臨床9、10、17、18 班，護理13、14 班，檢驗1、2 班等合堂班成績偏好，臨床13、14班，護理9、10班等合堂班普遍成績偏差。采用大數(shù)據(jù)中的決策樹生成來深入挖掘其背后隱藏的規(guī)則。

通過決策樹的IF-THEN 簡化規(guī)則，通過大數(shù)據(jù)分析發(fā)現(xiàn)對高職院校醫(yī)學(xué)生成績影響最大的是學(xué)生所學(xué)專業(yè)。如人體解剖學(xué)是影像專業(yè)的主要專業(yè)基礎(chǔ)課，在臨床、護理、影像和檢驗四個專業(yè)中，影像專業(yè)學(xué)生的人體解剖期末成績最高。同理，檢驗專業(yè)的主要專業(yè)基礎(chǔ)課是組織胚胎學(xué)，所以檢驗專業(yè)學(xué)生的組胚學(xué)期末成績最高。

通過決策樹分析還發(fā)現(xiàn)，學(xué)生的科目成績與教師的職稱高低并不成正比，但與課程性質(zhì)是否是公共課、專業(yè)基礎(chǔ)課和專業(yè)課有一定的關(guān)系。例如公共課如英語課，講師和副教授的課業(yè)成績比教授成績要好；對于專業(yè)基礎(chǔ)課，副教授職稱一般好于講師的課業(yè)成績；對于專業(yè)課，副教授和教授課業(yè)成績差別不明顯。決策樹還側(cè)面驗證了學(xué)生班級紀律考勤對成績也有比較明顯的影響因素。決策樹分析發(fā)現(xiàn)，合堂班級整體學(xué)習(xí)紀律好，學(xué)習(xí)風(fēng)氣正，那兩個班成績都很好。反之，合堂班級紀律不好，兩個班成績都比較差，呈現(xiàn)明顯的相關(guān)性。

綜合分析認為，高職院校特別是高職醫(yī)學(xué)類院校，課程繁多，又以記憶類內(nèi)容為主；影響學(xué)生理論成績的因素很多，但對于大一新生，專業(yè)和紀律因素最明顯。應(yīng)針對不同專業(yè)情況采取不同措施，盡量在大一就形成良好的班級紀律和學(xué)習(xí)風(fēng)氣。

綜上所述，通過數(shù)據(jù)挖掘可以把學(xué)生日常紀律、選課數(shù)據(jù)、課堂活動、圖書借閱、網(wǎng)上學(xué)習(xí)、自習(xí)室使用頻率、實習(xí)實訓(xùn)和學(xué)生老師評價等進行分析歸納處理[12]。再通過深度數(shù)據(jù)挖掘，能發(fā)現(xiàn)一些沒被人注意到，但又是較大程度影響教學(xué)質(zhì)量的因素，如本課題通過決策樹分析就發(fā)現(xiàn)班級紀律也是影響高職院校醫(yī)學(xué)生成績的重要因素。所以，數(shù)據(jù)挖掘能在詳細掌握學(xué)生學(xué)習(xí)狀況的基礎(chǔ)上，獲取大量有益信息，還能及時應(yīng)對學(xué)生學(xué)習(xí)中遇到的問題，分析并做出學(xué)生成績下滑預(yù)警、成績關(guān)聯(lián)預(yù)警、學(xué)生生活狀態(tài)波動的危急預(yù)警[13]等，對學(xué)霸學(xué)習(xí)規(guī)律進行分析和推廣應(yīng)用，為學(xué)生全方面發(fā)展創(chuàng)造有利條件。