基于BP神經(jīng)網(wǎng)絡(luò)算法對學(xué)生學(xué)習(xí)行為預(yù)測的研究

周 喜

(集美大學(xué) 誠毅學(xué)院，福建 廈門 361021)

隨著社會的發(fā)展，學(xué)生的行為越來越受到家庭及學(xué)校的重視，BP神經(jīng)網(wǎng)絡(luò)算法的出現(xiàn)，能夠?qū)W(xué)生的學(xué)習(xí)行為進(jìn)行預(yù)測，在很大程度上減輕了教師的工作量，對于學(xué)生學(xué)習(xí)行為的評定具有十分重要的意義。隨著教育改革的深入，人工神經(jīng)網(wǎng)絡(luò)被應(yīng)用于教育領(lǐng)域，例如，學(xué)生建模、個性化學(xué)習(xí)計(jì)劃及學(xué)生特征分組等，充分證明了在當(dāng)前的教育環(huán)境下BP神經(jīng)網(wǎng)絡(luò)算法的運(yùn)用對于學(xué)生行為的預(yù)測產(chǎn)生較為理想的效果。

1 BP神經(jīng)網(wǎng)絡(luò)算法

人工神經(jīng)網(wǎng)絡(luò)是自組織能力和初步適應(yīng)的總稱。學(xué)生在參與教學(xué)活動中，通過方式的改變來突出權(quán)重值，以此來適應(yīng)環(huán)境的變化。即使在一個局域內(nèi)，因?yàn)楦鞣N因素的影響，所體現(xiàn)的功能也不盡相同。通常其訓(xùn)練學(xué)習(xí)的方式有如下兩種：(1)有教師演示教學(xué)的學(xué)習(xí)，樣本通過學(xué)習(xí)后在給定范圍內(nèi)進(jìn)行分類和模仿學(xué)習(xí)。(2)學(xué)習(xí)者進(jìn)行自主教學(xué)，學(xué)習(xí)方式需要進(jìn)行提前設(shè)置，具體的學(xué)習(xí)內(nèi)容不固定，主要是由輸入信號情況來進(jìn)行決策。系統(tǒng)能夠主動總結(jié)環(huán)境變化規(guī)律和特征，運(yùn)行機(jī)制更加接近于人腦的運(yùn)行機(jī)制。與以往采用的學(xué)習(xí)評價方式相比，BP神經(jīng)網(wǎng)絡(luò)算法的運(yùn)行結(jié)構(gòu)和處理機(jī)制更加完善，采用平行結(jié)構(gòu)和并行處理，能夠同時確定多個評價項(xiàng)，減少了評價片面性帶來的負(fù)面影響[1]。在進(jìn)行遠(yuǎn)程學(xué)習(xí)過程中，系統(tǒng)通過學(xué)習(xí)者的顯性行為數(shù)據(jù)(如等量化數(shù)據(jù)、瀏覽、檢索、提問、下載、討論)，來完成學(xué)習(xí)者的隱形數(shù)據(jù)(如效率、態(tài)度、方式、反思、偏好、自控力等數(shù)據(jù))的分析，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法綜合分析和評價學(xué)習(xí)者學(xué)習(xí)行為，并將評價結(jié)果反饋給學(xué)習(xí)者。

2 以BP神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ)，預(yù)測學(xué)生學(xué)習(xí)行為

2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包含了隱含層、輸入層和輸出層等。Robert充分證明了任一BP神經(jīng)網(wǎng)絡(luò)隱含層數(shù)值都能夠接近目標(biāo)函數(shù)中所圍成的區(qū)域內(nèi)，因此，目前設(shè)計(jì)的三層BP神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)任意n維到m維的完整映射。所以，本文以建立的三層BP神經(jīng)網(wǎng)絡(luò)為預(yù)測模型。而隱含層神經(jīng)元數(shù)量由公式?jīng)Q定，式中a為調(diào)節(jié)常數(shù)；ni為輸入層神經(jīng)元個數(shù)；no為輸出層神經(jīng)元個數(shù)。通常情況下，高等院校將學(xué)生所處專業(yè)某一學(xué)習(xí)科目10次平時學(xué)習(xí)行為表現(xiàn)得分作為輸入項(xiàng)，期末平均行為成績作為輸出項(xiàng)，網(wǎng)絡(luò)結(jié)構(gòu)為10—20—1。高考中教師在對學(xué)生高考考試行為的預(yù)測時，通常以5次月考中學(xué)習(xí)行為作為輸入項(xiàng)，高考考試行為作為輸出項(xiàng)，網(wǎng)絡(luò)結(jié)構(gòu)為5—8—1。

2.2 BP神經(jīng)網(wǎng)絡(luò)應(yīng)用過程

設(shè)輸入層的輸入值為X1，X2，....Xi，Xno，而隱含層的某個神經(jīng)元的輸入公式為式中：

wij：輸入層神經(jīng)元i與隱含層j之間的權(quán)值

θj：隱含層神經(jīng)元j的閾值

g()：隱含層神經(jīng)元的激活函數(shù)

本文采用的是tansig函數(shù)。

wjo：輸入層神經(jīng)元j與隱含層o之間的權(quán)值

θj：輸入層神經(jīng)元o的閾值

g()：輸入層神經(jīng)元的激活函數(shù)

本文采用的是線性傳遞purelin函數(shù)。

2.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程

人工神經(jīng)網(wǎng)絡(luò)術(shù)語生理學(xué)范疇內(nèi)的腦神經(jīng)網(wǎng)絡(luò)，最初的定義是大腦結(jié)構(gòu)中的神經(jīng)元，主要是控制著人類的活動以及行為，后來隨著生理學(xué)的發(fā)展，開創(chuàng)了仿生生物學(xué)，模仿神經(jīng)元的一些功能構(gòu)建了人工神經(jīng)網(wǎng)絡(luò)模型，該模型主要是對信息進(jìn)行針對性處理的算法模型。截至目前，各領(lǐng)域?qū)＜疫€未對其形成明確的解釋，只是進(jìn)行概括性的定義，最為權(quán)威的定義是:“神經(jīng)網(wǎng)絡(luò)是一種并行的分布式信息、處理結(jié)構(gòu)，由處理元件與單向信號通道互連而成，能夠處理信息的計(jì)算機(jī)系統(tǒng)?！?通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練能夠?qū)崿F(xiàn)閥值與權(quán)值的反復(fù)修正，確保誤差函數(shù)值E達(dá)到理想數(shù)值，本次運(yùn)用的是梯度下降法，通過調(diào)整使E減小的速度最快。

人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中包括了Hopfield神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)等，RBF神經(jīng)網(wǎng)絡(luò)無法以具體的數(shù)據(jù)來體現(xiàn)預(yù)測的過程，同時還缺少主要的預(yù)測依據(jù)，Hopfield神經(jīng)網(wǎng)絡(luò)在預(yù)測過程中，存在著信息傳輸速度緩慢現(xiàn)象，其性能也不如另外兩種神經(jīng)網(wǎng)絡(luò)完善，僅能對直觀的行為進(jìn)行簡單預(yù)測。而BP神經(jīng)網(wǎng)絡(luò)結(jié)合了另外兩種神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，具有較強(qiáng)的映射能力，在結(jié)構(gòu)上可分為三層網(wǎng)絡(luò)和多層網(wǎng)絡(luò)。如果結(jié)構(gòu)中神經(jīng)元數(shù)量具備足夠的規(guī)模，能夠使其接近任何非線性函數(shù)。

與此同時，BP神經(jīng)網(wǎng)絡(luò)具有對輸入信息延伸記憶和應(yīng)對外界環(huán)境變化記憶功能，這歸功于其在構(gòu)建的過程中采用了分部并行的處理模式，在信息采集過程中引入了信息聯(lián)想功能，能夠?qū)⒕W(wǎng)絡(luò)中全部的神經(jīng)元利用起來。BP神經(jīng)網(wǎng)絡(luò)還能通過預(yù)先處理的方式進(jìn)行適應(yīng)性調(diào)整，能夠完善采集而來的信息，同時消除干擾信息的影響。

3 預(yù)測的流程及模型

在線行為評價的意義在于為教師提供學(xué)生行為的預(yù)測，同時為學(xué)習(xí)者下一階段的學(xué)習(xí)提供參考。通過系統(tǒng)的測評來對遠(yuǎn)程學(xué)習(xí)的學(xué)生進(jìn)行行為指導(dǎo)和提示，以此來提升教學(xué)效果。在目前我國開展的網(wǎng)絡(luò)教育中，學(xué)習(xí)者在參與遠(yuǎn)程教學(xué)過程中需要登錄在線學(xué)習(xí)平臺，在線行為評價系統(tǒng)通過對學(xué)習(xí)者相關(guān)數(shù)據(jù)的采集來獲得學(xué)習(xí)者的顯性數(shù)據(jù)，例如，作業(yè)提交的頻率、學(xué)習(xí)時間、每個頁面停留的時間、瀏覽的媒體類型數(shù)目、資源瀏覽的時間、登陸次數(shù)、上傳資源的次數(shù)、作業(yè)的質(zhì)量等。本文根據(jù)我國某院校424名學(xué)生C語言課程行為作為學(xué)習(xí)行為預(yù)測的樣本數(shù)據(jù)和某學(xué)校868名學(xué)生的考試行為作為期末考試行為預(yù)測的樣本數(shù)據(jù)。對于學(xué)校學(xué)生期末考試行為和大學(xué)課程行為預(yù)測，都需要將樣本數(shù)量中的70%作為訓(xùn)練樣本，剩余的樣本作為測試樣本，BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果則是依賴于輸出和輸入的相關(guān)性。期末考試行為預(yù)測過程中，輸入一般截取的是考試前某段時間內(nèi)五次模擬考試行為得分，而且選取的五次考試行為考核均屬于正式考試，所以模擬考試能夠真實(shí)地反映學(xué)生的實(shí)際情況，而且與考試的關(guān)聯(lián)度也較為密切。大學(xué)課程行為預(yù)測過程中，輸入則是選取某學(xué)期十次平時作業(yè)的上交及質(zhì)量，由于選取的時段較長，而且學(xué)生在完成作業(yè)過程中無法判斷是否有外界因素影響，因此與期末考試行為的關(guān)聯(lián)度不理想[2]。與此同時，在樣本數(shù)量上，期末考試行為的預(yù)測樣本數(shù)量要遠(yuǎn)多于大學(xué)課程行為樣本數(shù)量 。所以，根據(jù)BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于學(xué)習(xí)者行為預(yù)測的過程中所得到結(jié)果的準(zhǔn)確度來看，需要大量的樣本和訓(xùn)練樣本作為保障。為了驗(yàn)證該方法的準(zhǔn)確性，可將BP神經(jīng)網(wǎng)絡(luò)算法結(jié)果與傳統(tǒng)最小二乘回歸進(jìn)行對比，根據(jù)對比結(jié)果來進(jìn)行誤差的預(yù)判。根據(jù)預(yù)判的結(jié)果來看，不管是進(jìn)行哪種行為預(yù)測，傳統(tǒng)最小二乘回歸預(yù)測方法的準(zhǔn)確度都不如BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測準(zhǔn)確高。

學(xué)生學(xué)習(xí)行為預(yù)測研究中，關(guān)聯(lián)度的引入解決了諸多復(fù)雜問題。BP神經(jīng)網(wǎng)絡(luò)算法中的關(guān)聯(lián)度主要作用是研究學(xué)生群體間關(guān)系，簡單地講就是“什么與什么相伴”。例如，喜歡做應(yīng)用題的學(xué)生更傾向于喜歡學(xué)習(xí)物理學(xué)中物體運(yùn)動的知識，這即是關(guān)聯(lián)。這種方法在BP神經(jīng)網(wǎng)絡(luò)算法中稱為購物籃分析，隨著學(xué)習(xí)平臺的建立，使得教育者在數(shù)據(jù)傳輸中斷存儲大量有關(guān)學(xué)生的行為信息，這為預(yù)測學(xué)生學(xué)習(xí)行為提供了數(shù)據(jù)參考。關(guān)聯(lián)度是在學(xué)生大量的學(xué)習(xí)數(shù)據(jù)中總結(jié)其關(guān)聯(lián)關(guān)系，關(guān)聯(lián)度最終表示的是數(shù)據(jù)集中體現(xiàn)與其他行為關(guān)聯(lián)的規(guī)律。例如，80%的語文成績好的同學(xué)英語成績也十分優(yōu)秀，根據(jù)關(guān)聯(lián)度能夠使學(xué)生學(xué)習(xí)行為預(yù)測提供準(zhǔn)確參考。目前，世界各國學(xué)者已經(jīng)總結(jié)了多種關(guān)聯(lián)度數(shù)據(jù)挖掘的方法，公認(rèn)最為準(zhǔn)確的是Agrawal和Srikant提出的Apriori關(guān)聯(lián)規(guī)則算法，這種方法主要是關(guān)于對商場數(shù)據(jù)庫中挖掘顧客行為關(guān)聯(lián)的問題。我國學(xué)者對其進(jìn)行了深入研究，同時還在教育領(lǐng)域進(jìn)行的應(yīng)用。例如對該方法進(jìn)行了優(yōu)化，應(yīng)用領(lǐng)域也在不斷擴(kuò)大，這其中包括金融、教育、民生等領(lǐng)域，針對研究的課題也進(jìn)行了分類。關(guān)聯(lián)度主要是根據(jù)變量的種類進(jìn)行劃分，主要分為量化型和布爾型。布爾型的屬性是離散化的形式。例如，某學(xué)科考試行為只有存在不合格與合格兩種，代表選項(xiàng)間是否存在關(guān)聯(lián)。具體預(yù)測程序：｛語文考試行為不合格)=＞｛離散語文行為不合格｝。量化型表示量化的項(xiàng)或者稱為數(shù)值型的關(guān)聯(lián)度。例如，｛學(xué)習(xí)行為成績:85-100，性別:女｝=＞｛優(yōu)秀學(xué)生｝。與此同時還可建立多維關(guān)聯(lián)關(guān)系。Aprior算法由于其他算法主要是其具備了簡單理解、算法簡單和推導(dǎo)步驟不繁瑣等特性。

本文進(jìn)行行為預(yù)測的具體方式有如下幾種：(1)如果以班級為單位，一部分學(xué)生的預(yù)測行為不理想，教師在通過與該部分學(xué)生交流的方式獲取學(xué)生學(xué)習(xí)行為的動態(tài)變化，通過引導(dǎo)和舉例子的方法來激發(fā)其轉(zhuǎn)變學(xué)習(xí)思路進(jìn)而實(shí)現(xiàn)學(xué)習(xí)成績的提高。(2)在進(jìn)行學(xué)習(xí)行為預(yù)測時，預(yù)測結(jié)果未達(dá)到預(yù)期，教師應(yīng)從自身出發(fā)轉(zhuǎn)變教學(xué)思路，激發(fā)學(xué)生學(xué)習(xí)興趣。(3)該方法不僅可以預(yù)測學(xué)生學(xué)習(xí)行為，也可用于總結(jié)學(xué)生行為的結(jié)果，通過預(yù)測與實(shí)際結(jié)果的對比，來分析學(xué)生的實(shí)際學(xué)習(xí)情況。例如，是否存在作業(yè)抄襲、考試過程中學(xué)生心態(tài)發(fā)生變化，以及教學(xué)方法的是否存在漏洞。

4 BP神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用

根據(jù)BP神經(jīng)網(wǎng)絡(luò)算法存在的問題，重點(diǎn)對最優(yōu)案例進(jìn)行論證，根據(jù)應(yīng)用的實(shí)踐來使預(yù)測結(jié)果的準(zhǔn)確度得到有效提高。在日常應(yīng)用的過程中，利用BP神經(jīng)網(wǎng)絡(luò)算法建立人腦活動模型，確保其具有自訓(xùn)練學(xué)習(xí)能力和大規(guī)模處理信息的能力，進(jìn)而實(shí)現(xiàn)其應(yīng)用于股市預(yù)測、輿情預(yù)測和銷售預(yù)測等。與此同時，在應(yīng)用于實(shí)踐過程中，由于我國網(wǎng)絡(luò)輿情危機(jī)構(gòu)成的預(yù)警研究初具雛形，可通過與BP神經(jīng)網(wǎng)路算法融合，構(gòu)建完善的預(yù)警指標(biāo)體系，進(jìn)而突出該體系的防范功效，進(jìn)而轉(zhuǎn)入到非線性關(guān)系演算程序，打破局部的最小值誤區(qū)(選擇全局搜索、優(yōu)化算法)，最終實(shí)現(xiàn)其具有聯(lián)想和樣本記憶的功能。

以2018年河南省文化領(lǐng)域網(wǎng)絡(luò)輿情處理為參考案例，通過媒體進(jìn)行數(shù)據(jù)整合，將教育、媒體和文體作為該次事件的重點(diǎn)分析對象，通過BP神經(jīng)網(wǎng)絡(luò)算法來對民眾行為進(jìn)行預(yù)測。在這一過程中，經(jīng)過網(wǎng)絡(luò)預(yù)測的云聯(lián)，根據(jù)網(wǎng)絡(luò)輿情傳播階段與網(wǎng)絡(luò)輿情危機(jī)等級結(jié)合的趨勢，不斷對BP神經(jīng)網(wǎng)絡(luò)算法的閥值和初始權(quán)值進(jìn)行調(diào)整，同時結(jié)合預(yù)警模型所占據(jù)的數(shù)據(jù)比例和MATLAB工具箱，實(shí)現(xiàn)預(yù)測方法精準(zhǔn)度的提高，減少真實(shí)結(jié)果與預(yù)測結(jié)果的偏離程度，使其更具普適性。

以2010年影響大學(xué)生心理健康的各個因素為例。在同一標(biāo)準(zhǔn)層次下，根據(jù)BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測出的2010年影響大學(xué)生心理健康的各個因素可見，對個人前途的擔(dān)憂和情感經(jīng)歷是影響大學(xué)生學(xué)習(xí)行為的重要因素，與此同時，父母的過高期望也導(dǎo)致了學(xué)生對前途的擔(dān)憂進(jìn)而影響到了大學(xué)生的學(xué)習(xí)行為，對于高考成績感到不理想以及家庭收入低等其他因素對學(xué)生的學(xué)習(xí)行為影響較小。

在此過程中需要對數(shù)據(jù)展開分析，目前我國已進(jìn)入信息化社會，信息革命浪潮不斷充斥著整個中國社會，同時民眾的工作、學(xué)習(xí)和生活也都離不開信息技術(shù)。與此同時，各領(lǐng)域的發(fā)展也愈加重視信息技術(shù)，信息化已經(jīng)成為社會發(fā)展的主旋律，尤其是在教育領(lǐng)域，大量教學(xué)軟件的出現(xiàn)，極大提升了學(xué)校的教學(xué)效率，數(shù)字化平臺的建立已經(jīng)成為教育改革的主要方向，目前建立的教學(xué)平臺中都存有學(xué)習(xí)者學(xué)習(xí)行為的痕跡，其中包括學(xué)習(xí)時間、學(xué)習(xí)任務(wù)及考核成績等。但這些數(shù)據(jù)卻未受到校方的重視，造成數(shù)據(jù)無法發(fā)揮其作用。因此，需要運(yùn)用數(shù)學(xué)統(tǒng)計(jì)等方法對這部分?jǐn)?shù)據(jù)進(jìn)行整理，將轉(zhuǎn)化成提升教育工作者開展教學(xué)工作和學(xué)習(xí)者學(xué)習(xí)效率的信息。教育數(shù)據(jù)研究已受到社會各界的廣泛關(guān)注，這為BP神經(jīng)網(wǎng)絡(luò)算法的發(fā)展提供了機(jī)遇?？傮w來講，開展數(shù)據(jù)挖掘工作的主要目的是對學(xué)習(xí)者學(xué)習(xí)數(shù)據(jù)進(jìn)行分析和挖掘，根據(jù)分析結(jié)果來預(yù)測學(xué)生的行為。能夠根據(jù)學(xué)習(xí)者過往的行為規(guī)律來預(yù)測接下來學(xué)習(xí)行為趨勢?？偠灾?，其出現(xiàn)使學(xué)習(xí)行為預(yù)測更加智能，為教學(xué)者下一步開展教學(xué)工作提供借鑒，并且將其反饋給學(xué)習(xí)者。

在此之前，數(shù)據(jù)挖掘工作還不夠完善，只是通過學(xué)習(xí)者近期表現(xiàn)來進(jìn)行學(xué)習(xí)行為預(yù)測。例如，病人去醫(yī)院看病，診斷時醫(yī)生會說“你可能患有什么樣的疾病”，其實(shí)這就是預(yù)測，無法完全確診。醫(yī)生主要是根據(jù)患者的癥狀進(jìn)行預(yù)測，這其中還涵蓋了提煉、總結(jié)和分析等過程，這也充分表明了人類能夠根據(jù)事物規(guī)律進(jìn)行相關(guān)性的預(yù)測。BP神經(jīng)網(wǎng)絡(luò)算法是集合了心理學(xué)、教育學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)的一門綜合性學(xué)科，通過這些技術(shù)的綜合應(yīng)用來實(shí)現(xiàn)對學(xué)習(xí)者行為的預(yù)測。

5 結(jié)語

BP神經(jīng)網(wǎng)絡(luò)算法的出現(xiàn)，對學(xué)生行為預(yù)測的意義十分重大，但該預(yù)測方法也存在問題，例如，下降梯度機(jī)制的存在導(dǎo)致了收斂速度緩慢，存在著局部預(yù)測不準(zhǔn)確的現(xiàn)象。在學(xué)習(xí)者日常學(xué)習(xí)過程中，可通過改變學(xué)習(xí)率、新增動量項(xiàng)、結(jié)合遺傳算法、退火算法和采用其他梯度優(yōu)化算法等方式來進(jìn)行優(yōu)化。除此之外，該方法已經(jīng)應(yīng)用于各個領(lǐng)域，尤其是網(wǎng)絡(luò)輿情危機(jī)演示，為學(xué)生的學(xué)習(xí)行為進(jìn)行預(yù)測提供了值得借鑒的經(jīng)驗(yàn)。