基于大數(shù)據(jù)的大學(xué)生學(xué)習(xí)預(yù)測研究

苗育源

（山西農(nóng)業(yè)大學(xué) 山西省晉中市 030800）

1 引言

近年來，國內(nèi)許多學(xué)者已成功地將數(shù)據(jù)挖掘技術(shù)應(yīng)用于教育領(lǐng)域上，如學(xué)校招生策略的制訂、學(xué)習(xí)障礙鑒定等研究。此外，以學(xué)生學(xué)業(yè)成就為分析目標的相關(guān)研究，則有針對學(xué)生基本數(shù)據(jù)、學(xué)生缺曠課、家庭與學(xué)校環(huán)境的影響為主要分析方向，鮮少有針對學(xué)生個人的學(xué)習(xí)態(tài)度進行分析。然而學(xué)習(xí)態(tài)度是學(xué)生在學(xué)習(xí)活動的歷程中，指示學(xué)習(xí)行為的方向，因此若所持的評價為正面，則對于所學(xué)的課程將全力以赴。有鑒于此，本研究將運用數(shù)據(jù)挖掘中的決策樹分類法，針對大學(xué)生的學(xué)習(xí)態(tài)度，建構(gòu)學(xué)習(xí)成績的分類模型，并找出預(yù)測低學(xué)習(xí)成績或成績低落的相關(guān)決策規(guī)則，以提供教師作為教學(xué)時的參考。

2 研究方法

本研究架構(gòu)是先從某科技大學(xué)校務(wù)信息系統(tǒng)的數(shù)據(jù)庫中，分別取得2020年度第二學(xué)期企業(yè)管理系一年級專業(yè)課程的教學(xué)評價問卷數(shù)據(jù)以及學(xué)生學(xué)期成績，以C4.5 決策樹算法開始進行數(shù)據(jù)挖掘工作，最后再將具有高準確率的規(guī)則，提供給教師作為教學(xué)參考，希望借以提升學(xué)生的學(xué)習(xí)成績。

2.1 數(shù)據(jù)收集與整理

本文收集的一年級專業(yè)課程部分，分別為A 專業(yè)一年級、B 專業(yè)一年級、以及C 專業(yè)一年級的各五門課程，合計十五門課程。原始教學(xué)評價（含學(xué)生對教師評價與學(xué)生自我評價兩部分）與學(xué)生學(xué)期成績數(shù)據(jù)共有15022 筆，剔除非本研究分析的數(shù)據(jù)（如教師評價部分）以及數(shù)據(jù)不全的記錄，再經(jīng)過數(shù)據(jù)匯整后，進入分析的數(shù)據(jù)合計為532 筆。每筆數(shù)據(jù)共有六個屬性，其中五個屬性是屬于學(xué)生自我評價部分（問卷說明詳如表1），另一個屬性則為學(xué)生學(xué)期成績。

由于本研究主要是研究學(xué)生自我評價與學(xué)生成績之間的關(guān)聯(lián)性，因此成績屬性為本研究的類別標記屬性，也就是輸出的分類結(jié)果。而有鑒于每一門課程的授課教師評定成績的標準不一，因此本研究在進行決策樹分析之前，先將每門課程的學(xué)生學(xué)期成績（v）進行分類處理，以平均值（mf）與標準差（sf）區(qū)分為H：高分群（v ≥mf+sf/2）、M：中分群（mf-sf≤v

2.2 使用決策樹進行分類

本研究的所有實驗皆通過Microsoft Excel2013 中的計算、排序與樞紐分析等功能來操作，并獲得所有分析結(jié)果。

2.2.1 模式訓(xùn)練與驗證

本研究建立決策樹規(guī)則的方式，是采取兩階段方式進行。第一階段先以A專業(yè)一年級的五門專業(yè)課程數(shù)據(jù)（課程代號分別為A、B、C、D、E、F），采五組交叉驗證的方式建構(gòu)決策樹，也就是分別取四門課程數(shù)據(jù)作為訓(xùn)練樣本（80%），再以剩下的另一門課程數(shù)據(jù)作為測試樣本（20%），以找出準確率最高的決策樹。

第二階段則是將準確率最高的決策樹轉(zhuǎn)換成分類規(guī)則，結(jié)合B專業(yè)一年級與C 專業(yè)一年級的10 門專業(yè)課程數(shù)據(jù)進行驗證，找出預(yù)測率高于80%且準確人數(shù)超過5 人的規(guī)則。

表1：學(xué)生自我評價問卷說明

2.2.2 以決策樹建立分類系統(tǒng)

（1）建立樹狀結(jié)構(gòu)。本研究是以Quinaln（1993）所提出的C4.5 算法來建立決策樹，此算法是由該學(xué)者修正自己之前發(fā)表的ID3（IterativeDichotomizer3）決策樹歸納算法而來，其基本概念是計算出獲利比值（gainratio）最大的屬性，作為決策樹中每一節(jié)點的分支屬性，以形成一個子樹，然后從剩下的屬性中，再次計算出獲利比值最大的屬性，以進行下一節(jié)點的分割，如此重復(fù)操作，最后形成整棵決策樹。

（2）修剪樹狀結(jié)構(gòu)。C4.5 算法中是以錯誤預(yù)估率（predicted error rate）為修剪標準，也就是當被分類于某一子樹的所有訓(xùn)練數(shù)據(jù)個數(shù)為T，其中有E 個訓(xùn)練數(shù)據(jù)分類錯誤，而錯誤預(yù)估率就是由TE 來評估，當錯誤率高于某一個臨界值時，就進行修剪。

由于本研究中可供分析的輸入變量僅有五個，并不會建構(gòu)過度復(fù)雜的決策樹，因此于建構(gòu)決策樹過程中，僅使用當訓(xùn)練數(shù)據(jù)個數(shù)與樹的節(jié)點數(shù)比值低于2 時的修剪方法，以避免節(jié)點再往下分支就會造成品質(zhì)測量值太低的問題。此外，本研究為了觀察學(xué)生學(xué)習(xí)態(tài)度與學(xué)業(yè)成就之間的關(guān)系，在形成葉節(jié)點（leaf node）的方式，不采取以多數(shù)決投票的傳統(tǒng)方式進行，也就是說，除了可以完全分類的葉節(jié)點外，其他則采用概率分配的方式進行預(yù)測。

3 結(jié)果

經(jīng)由五組交叉驗證所獲得的結(jié)果（如表2），決策樹在經(jīng)過修剪之后，由A、C、D、E（以下簡稱ACDE）四門課程所獲得的決策樹規(guī)則其準確率最高。為節(jié)省篇幅，以下僅針對該組的決策樹建構(gòu)過程簡述如后。

ACDE 四門課程數(shù)據(jù)經(jīng)過整理后，可供分析使用的記錄共有173 筆，其中計有60 人成績屬于H 類別、有72 人成績屬于M 類別、以及有41 人成績屬于L 類別，其他各種數(shù)據(jù)的分布情形整理于表3。而經(jīng)過完整計算所獲得的決策樹結(jié)果共有54 條規(guī)則，修剪后的決策樹后剩下48 條規(guī)則，同樣針對B 課程數(shù)據(jù)來進行驗證，驗證結(jié)果顯示，該課程中符合驗證規(guī)則進行驗證的人數(shù)維持為42 人，正確人數(shù)提升為27 人，準確率達64.3%。

表2：五組決策樹驗證結(jié)果

表3：ACDE 四門課程數(shù)據(jù)合并后的學(xué)生人數(shù)分布情形

表4：預(yù)測率達80%并且正確人數(shù)達5 人的規(guī)則結(jié)果

本研究第二階段以該決策樹所獲得的48 條規(guī)則，針對A 專業(yè)一年級的B 課程、B 專業(yè)一年級的五門課程、以及C 專業(yè)一年級的五門課程，合計11 門課程（共346 人）的數(shù)據(jù)進行驗證工作，其中有338 人可按照規(guī)則進行驗證，正確人數(shù)為246 人，整體預(yù)測率為72.8%。最后再從驗證結(jié)果中挑選出預(yù)測率達80%且正確人數(shù)達5 人的規(guī)則（表4），從所得的8 條規(guī)則中我們可以發(fā)現(xiàn)：

（1）如果當學(xué)生偶爾缺課、上課偶爾聽講、對課程不太了解且對于課程尚有興趣時，則該學(xué)生的成績可能為中分群的概率為42.9%、低分群的概率為57.1%。

（2）如果當學(xué)生偶爾缺課、上課聽講還算用心、課后很少復(fù)習(xí)且對課程尚有興趣，則該學(xué)生的成績可能為中分群的概率為66.7%、低分群的概率為33.3%。

（3）如果當學(xué)生很少缺課、對課程了解、課后很少復(fù)習(xí)、上課還算用心聽講且對課程尚有興趣，則該學(xué)生的成績可能為中分群的概率為83.3%、低分群的概率為16.7%。

（4）如果當學(xué)生很少缺課、對課程了解、課后偶爾復(fù)習(xí)、上課還算用心聽講且對課程有興趣，則該學(xué)生的成績可能為中分群的概率為47.1%、低分群的概率為41.2%。

（5）如果當學(xué)生很少缺課、對課程了解、課后偶爾復(fù)習(xí)且上課很用心聽講，則該學(xué)生的成績可能為高分群或中分群的概率各為50%。

（6）如果當學(xué)生從未缺課、課后很少復(fù)習(xí)且對課程不太了解，則該學(xué)生的成績可能為高分群、中分群或低分群的概率各為33.3%。

（7）如果當學(xué)生從未缺課、課后偶爾復(fù)習(xí)且對課程不太了解，則該學(xué)生的成績可能為高分群或中分群的概率各為50%。

（8）如果當學(xué)生從未缺課、課后經(jīng)常復(fù)習(xí)、對課程非常有興趣且對課程非常了解，則該學(xué)生的成績可能為高分群的概率為61%、中分群的概率為38.5%。

從以上挖掘結(jié)果中可以發(fā)現(xiàn)，決策樹中的第一層分類都是學(xué)生出席情形（Q26），所以學(xué)生出席率的高低對學(xué)生成績會有絕對的影響。

4 結(jié)論

本研究運用C4.5 分類法，研究大學(xué)生的自我學(xué)習(xí)態(tài)度與學(xué)業(yè)學(xué)習(xí)成效之間的關(guān)系，由研究結(jié)果得知學(xué)生的缺課情形對學(xué)生成績具有明確的分類效果，因此若能有效提升學(xué)生出席情形，則定能改善學(xué)生的學(xué)業(yè)學(xué)習(xí)成效。然大學(xué)屬于學(xué)術(shù)自由的殿堂，不如之前高中職的學(xué)習(xí)階段，無法也不能以教條式的制度要求學(xué)生到課，因此借由授課教師如何思考改善自我的教學(xué)方法與品質(zhì)，提高學(xué)生學(xué)習(xí)興趣與到課意愿。