大數(shù)據(jù)導向的高校體育智能教學決策系統(tǒng)建設

張瑞全

（滁州城市職業(yè)學院 體育部,安徽 滁州 239000）

在信息處理技術匱乏的年代，教育領域產生的大量數(shù)據(jù)只能起到統(tǒng)計、分類等功能.高校智慧校園推廣建設的教育環(huán)境中，首先要深度挖掘教學數(shù)據(jù)中的教育價值，明確教育大數(shù)據(jù)在學科建設、教學模式調整、教學體系優(yōu)化中的路徑.可見，大數(shù)據(jù)技術的誕生與廣泛運用拓展了教學數(shù)據(jù)的多項使用功能，不僅可以作為教學質量記錄、教學評價的依據(jù)，還能在海量數(shù)據(jù)中挖掘出內部聯(lián)系與規(guī)律，深度剖析教學質量與效果產生的原因，為教學管理決策創(chuàng)造科學的數(shù)據(jù)導向［1］.

以大數(shù)據(jù)為導向的高校體育智能教學決策系統(tǒng)是教育大數(shù)據(jù)智能化運用的科學路徑之一，首先，系統(tǒng)以精準的數(shù)據(jù)篩選為基礎完成數(shù)據(jù)安全存儲，實現(xiàn)體育教學信息在不同教務人員中的資源共享［2］；其次，利用經典的數(shù)據(jù)挖掘算法分析出對教學管理者有價值的信息，以數(shù)據(jù)挖掘結果為基礎智能化推薦出教學決策方案，為優(yōu)化體育學科建設、改善大學生體能體質提供智慧化手段.基于上述思路設計了基于大數(shù)據(jù)的高校體育智能教學決策系統(tǒng)，從總體架構、系統(tǒng)功能等角度全方位闡述了大數(shù)據(jù)技術支持下高校體育智能教學決策系統(tǒng)布局，重點基于ID3 決策樹算法實現(xiàn)教學數(shù)據(jù)挖掘，進而生成科學合理的體育教學決策方案.

1 基于大數(shù)據(jù)的高校體育智能教學決策系統(tǒng)總體架構

1.1 大數(shù)據(jù)智能教學決策系統(tǒng)總體設計

以大數(shù)據(jù)為導向設計的高校體育智能教學決策系統(tǒng)總體架構分為數(shù)據(jù)層、支持層、決策層3 個層次，如圖1 所示.系統(tǒng)各結構功能分析如下.

1）決策系統(tǒng)數(shù)據(jù)層.數(shù)據(jù)層中的數(shù)據(jù)類型豐富且來源廣泛，包括學生的基本學籍信息、體育考核成績、體育競賽成績、體育訓練行為等；按照數(shù)據(jù)渠道劃分可分為校園內部采集數(shù)據(jù)和校園外部采集數(shù)據(jù)兩種模式［3］.數(shù)據(jù)層作為系統(tǒng)的基礎層次起到數(shù)據(jù)倉庫的作用，向體育數(shù)據(jù)挖掘、決策分析提供強大的數(shù)據(jù)支撐.

2）決策系統(tǒng)支撐層.數(shù)據(jù)層與決策層的信息交互由支撐層實現(xiàn)，是幫助支撐層獲取數(shù)據(jù)源的紐帶.該層次采用圖1 描述的方式歸一化異構數(shù)據(jù)、復雜數(shù)據(jù)，經過抽取、清洗、格式轉換得到統(tǒng)一描述的體育教學數(shù)據(jù)形式，最終以數(shù)據(jù)標準接口為載體將處理后的數(shù)據(jù)傳輸至決策層.數(shù)據(jù)在支撐層的存在形式并不是無序狀態(tài)，而是以層次化形式表達與存儲，層次化的數(shù)據(jù)表達契合了多維度數(shù)據(jù)挖掘的現(xiàn)實需求.

圖1 高校體育智能教學決策系統(tǒng)架構

3）決策系統(tǒng)決策層.決策層基于數(shù)據(jù)挖掘結果對高校學生體育學習效果、教學質量、體育教學問題進行剖析，依靠系統(tǒng)集成的數(shù)學分析模型與數(shù)據(jù)挖掘算法實現(xiàn).數(shù)據(jù)挖掘功能在此層次開展，本次設計的系統(tǒng)基于ID3 決策樹算法挖掘大學生體育成績、分析學習行為，最終智能化生成教學決策方案，后文將詳述ID3 決策樹算法.

1.2 大數(shù)據(jù)智能教學決策系統(tǒng)功能設計

智能決策系統(tǒng)除了向用戶提供實時信息采集、信息可視化查詢以及管理功能以外，還集成了大量數(shù)學模型，實現(xiàn)數(shù)據(jù)的高效精準處理.基于大數(shù)據(jù)的智能教學決策系統(tǒng)滿足上述基本功能之外，設計了4大功能模塊，系統(tǒng)功能模塊設計如圖2 所示.

圖2 基于大數(shù)據(jù)的智能教學決策系統(tǒng)功能設計

由圖2 可知，系統(tǒng)的4 大功能模塊包括教學用戶管理模塊、體育數(shù)據(jù)處理與整合模塊、數(shù)據(jù)挖掘分析模塊以及數(shù)據(jù)庫管理模塊.1）教學用戶管理模塊.對教學用戶（教師、教學管理者）的登錄與操作權限進行設置約束，修改教務人員賬戶密碼等信息.2）體育數(shù)據(jù)整合模塊.此模塊主要對多源采集的數(shù)據(jù)進行統(tǒng)一格式轉換、降低數(shù)據(jù)噪聲，以層次化形式表征復雜的體育數(shù)據(jù)結構.3）數(shù)據(jù)挖掘與分析模塊.由于數(shù)據(jù)挖掘得到的結果可以作為體育教學決策方案生成的依據(jù)，因此數(shù)據(jù)挖掘模塊延伸出4 個具體化的決策系統(tǒng)功能，分別為：學生體育學習行為、體育訓練效果、體育教學質量以及訓練技法適用度的決策分析功能；此模塊設計目的是獲取影響學習效果、訓練技法、教學質量的因素［4］.4）數(shù)據(jù)庫管理模塊.數(shù)據(jù)庫的主要內容是教師信息表、學生信息表、體育課程信息表、體育教學技法信息表等大規(guī)模體育數(shù)據(jù)，此模塊賦予用戶刪除、修改、上傳相關信息的能力.

基于智能決策系統(tǒng)的高校體育教學決策需要經歷3 個階段.

Step 1：制定體育教學決策的任務目標，構建相應的數(shù)學決策模型以及決策實現(xiàn)的方案.

Step 2：體育教師需要根據(jù)系統(tǒng)給出的決策方案做出精準的優(yōu)劣勢評估，預測各個方案在實際體育教學中發(fā)揮的成效［5］.

Step 3：確定最具實踐教學價值的體育教學方案，整體把握樣本數(shù)據(jù)更改導致的體育教學風險.

2 基于大數(shù)據(jù)的高校體育智能教學決策方案生成

2.1 高校體育教學數(shù)據(jù)預處理

基于大數(shù)據(jù)的高校體育智能教學決策系統(tǒng)需要以多元化渠道數(shù)據(jù)為基礎，智能教學數(shù)據(jù)來源于信息化教學平臺、學生日常課堂表現(xiàn)記錄、學生卡記錄的學習行為信息、教室視頻圖像采集系統(tǒng)等渠道，為智能教學決策提供了豐富的數(shù)據(jù)來源.系統(tǒng)采集到的體育信息數(shù)據(jù)結構具有復雜性特征，從結構角度劃分數(shù)據(jù)類型有半結構、非結構化、結構化等類型.為了將多渠道數(shù)據(jù)統(tǒng)一整合，方便后期數(shù)據(jù)挖掘處理，首先要對其進行歸一化預處理，最終存儲到大數(shù)據(jù)決策系統(tǒng)中［6］.圖3 描述了關聯(lián)性數(shù)據(jù)歸一化處理的基本過程，此方法將結構不同的教學決策原始數(shù)據(jù)通過清洗、整合、提取的方式將其轉化為完整的可靠性數(shù)據(jù)，對缺失的教學信息進行補足，最終將其整合為具有關聯(lián)性的數(shù)據(jù)并進行統(tǒng)一安全存儲.

圖3 高校體育教學信息數(shù)據(jù)歸一化處理

除此之外，系統(tǒng)以大數(shù)據(jù)為導向實現(xiàn)智能教學決策功能，主要是應用決策樹數(shù)據(jù)挖掘算法對海量關聯(lián)性教學數(shù)據(jù)信息實時深度挖掘，研究使用決策樹算法完成數(shù)據(jù)特征挖掘.因此需要將這些預處理后具有連續(xù)性的高校體育教學信息數(shù)據(jù)進行離散化處理，使其成為決策樹算法可用的有效數(shù)據(jù)樣本.

2.2 基于ID3 決策樹的高校學生體育智能教學方案生成

數(shù)據(jù)挖掘結果是高校體育智能教學決策方案生成的基礎，決策樹是一種經典的數(shù)據(jù)挖掘手段，既能剖析出大規(guī)模體育教育數(shù)據(jù)的特征趨勢，又能精準預測體育教學決策的未來發(fā)展動向［7］.基于高校體育教育數(shù)據(jù)的離散性特征，從多類型決策樹算法中選取ID3 決策樹算法作為教學決策系統(tǒng)的挖掘工具，對體育成績、體育訓練特征、學習行為趨勢等信息進行深度挖掘.

信息論是ID3 決策樹的基礎，算法以信息熵與信息增益度兩個變量為依據(jù)劃分數(shù)據(jù)的類別［8］.信息增益與熵的求取是ID3 決策樹算法執(zhí)行的核心問題，ID3 決策樹挖掘大數(shù)據(jù)的基本原理如下.

采用式（1）求取ID3 決策樹算法的原始信息熵，采用式（2）進行更新：

其中，決策樹挖掘樣本數(shù)量規(guī)模采用A 表示；總計存在c 個類別，類別Ci的樣本數(shù)量采用Ai表示；根節(jié)點屬性采用Hr描述，決策樹各分支樣本規(guī)模及其內部歸類于Ci的樣本規(guī)模分別采用arj、arj(i)表示.

基于式（3）求取ID3 決策樹算法的信息增益：

基于上述設定的ID3 決策樹算法即可生成體育教學數(shù)據(jù)挖掘決策樹，作為高校體育教學數(shù)據(jù)挖掘的智能工具［9-10］.

2.3 基于大數(shù)據(jù)挖掘的高校學生體育智能教學方案生成

綜上所述，明確系統(tǒng)生成高校學生體育智能教學方案的過程.

首先，系統(tǒng)的數(shù)據(jù)層負責自主采集來自各個渠道的學生基本信息數(shù)據(jù)、體育考核成績數(shù)據(jù)、體育訓練行為數(shù)據(jù)等信息.

其次，系統(tǒng)的支撐層負責對數(shù)據(jù)實施統(tǒng)一的歸一化預處理，例如補充缺失的數(shù)據(jù)、降低數(shù)據(jù)的冗余度；同時系統(tǒng)對連續(xù)的數(shù)據(jù)進行離散化處理使其成為決策樹算法可用的數(shù)據(jù).

最后，在系統(tǒng)的決策層實施體育教學方案分析并智能生成決策方案，具體使用ID3 決策樹算法實現(xiàn)教學方案智能決策.具體過程如下.

輸入與輸出定義：定義訓練樣本與特征集分別為Z、B，特征集數(shù)量為4 個，其名稱分別定義為a、b、c、d；λ 表示閾值，以上項目為輸入內容；輸出則為完善的數(shù)據(jù)挖掘決策樹.本次體育教學決策的目標任務是評定學生特定階段內體能訓練的效果，以智能生成體育教學方法調整方案.體能訓練效果評價等級分別為優(yōu)秀、良好、合格、不合格4 種形式.

Step 1：定義M 為初始結點，K 為決策樹，單結點樹是指體能訓練效果訓練集中的數(shù)據(jù)均屬于同一類別等級，若全部結點均屬于“優(yōu)秀”類別，當前結點的類標記則為“優(yōu)秀”.此外，如果特征集不含任何信息，也將決策樹視為單結點樹，此時需跳至初始結點位置繼續(xù)尋找類標記，類標記判斷依據(jù)為類別最多的那一項.

Step 2：鑒于當前存在4 個體能訓練效果特征集，分別求取各個特征集的信息增益上限值，得到增益上限內容為“增加技巧性訓練（b）”.

Step 3：對比gain(Z,B)、λ 之間的差異，順序操作下一步驟的前提是前者數(shù)值較大，若后者數(shù)值較大，需要結束分支行為同時生成新的葉片.

Step 4：獲得“增加技巧性訓練”相應的取值情況，與“增加技巧性訓練”對應的取值分別為a、b，a、b則為賦予“增加技巧性訓練”的屬性，根據(jù)a、b 屬性生成兩個新的決策樹分支.

Step 5：體能訓練效果訓練集中B 的樣本子集描述為Z1，當Z1中等級類別是無內容集合時，采用“良好”標記K 中新增的葉子結點.若出現(xiàn)相反情況，返回至Step 1 以Z1為對象進行循序操作，決策樹構建成功的標志是特征集合與訓練集合其中一者成為無內容集合.

利用構建完成的決策樹立即挖掘出測試樣本的特征，與數(shù)據(jù)庫中的信息進行匹配生成相應的教學決策方案.當本次教學智能決策系統(tǒng)給出的方案結果為“增加技巧性訓練”時，說明教師需要從體育訓練教學的技巧入手增強不同層次學生體能訓練的效果.值得注意的是，智能決策系統(tǒng)給出的教學決策方案僅供體育教師參考，需要教師結合實情預估決策方案實施效果，權衡教學決策方案實施的利弊.只有教師人為融入理性與情感的分析，智能決策方案才能更加符合高校體育教學現(xiàn)狀，切實發(fā)揮系統(tǒng)在體育教學領域的智能決策功能.

3 教學決策系統(tǒng)效果測試與分析

為了評估此次設計的高校體育智能教學決策系統(tǒng)用于體育教學決策的有效性，反復對系統(tǒng)進行仿真測試.該系統(tǒng)進行教學決策的目標任務是評定學生特定階段內體能訓練的效果，以智能生成體育教學方法調整方案.此次測試通過展示系統(tǒng)功能界面與教學決策方案界面，分析系統(tǒng)評價值指標的方式評估系統(tǒng)開發(fā)成果.為了客觀評價該系統(tǒng)的使用性能，使用分布式高校體育教學智能決策系統(tǒng)、基于數(shù)據(jù)倉庫的高校體育教學智能決策系統(tǒng)進行同步對比測試.

3.1 系統(tǒng)界面展示

圖4 為系統(tǒng)登錄界面，用戶通過瀏覽器進入登錄界面，此時需要輸入預先設置好的個人用戶名名稱與密碼，同時選取正確的用戶類型（例如：教師、學生）；繼續(xù)點擊“登錄”按鈕,系統(tǒng)服務器端接受到訪問請求進行相應處理，如果密碼正確,類型符合即可正式進入教學決策系統(tǒng)主界面.

圖4 系統(tǒng)登錄界面

高校體育智能教學決策系統(tǒng)的功能界面如圖5 所示，用戶可根據(jù)自身需求選擇相應的功能模塊.

圖5 系統(tǒng)功能模塊界面

圖6 為系統(tǒng)的智能教學決策方案生成界面，此功能主要統(tǒng)計了學生的基本信息、成績、學習效果、教學決策方案等內容.在智能教學方案生成一欄中一般會根據(jù)學生學習情況給出例如“增加技巧性訓練、扎實基本技能、加強理論學習”等類型的建議.

圖6 高校體育教學智能決策界面

3.2 高校體育教學智能決策系統(tǒng)性能評價

在高校體育專業(yè)隨機選取20 名學生與6 名體育教師參與系統(tǒng)性能評價測試，系統(tǒng)中均完整錄入20 名學生的體育教學與學習信息.學生與教師依次使用3 種系統(tǒng)進行常規(guī)操作，并生成智能教學決策方案.測試中記錄了用戶登錄系統(tǒng)主功能界面所需的響應時間情況，測試結束后通過問卷的形式了解學生與教師使用系統(tǒng)產生的滿意度、對智能教學決策合理性的評估情況，結果如表1 所示.

表1 決策系統(tǒng)性能評價

表1 數(shù)據(jù)顯示，系統(tǒng)進入主功能界面的平均響應時長為0.32 s，說明系統(tǒng)沒有顯著的卡頓問題，相比另外兩種系統(tǒng)而言響應速度較快，系統(tǒng)進入主功能界面的靈敏度較高.學生和教師對系統(tǒng)的滿意度分別達到96.6%、95.8%，屬于較為優(yōu)秀的水平，而分布式高校體育教學智能決策系統(tǒng)獲得教師滿意度僅為87.9%，說明在系統(tǒng)界面設計布局、決策準確度、功能設置等方面沒有滿足教師的要求；基于數(shù)據(jù)倉庫的高校體育教學智能決策系統(tǒng)的滿意度均在90%以下，同樣不太理想，相比系統(tǒng)而言該系統(tǒng)的使用性能較差.

關于系統(tǒng)決策合理性評價方面，系統(tǒng)取得了97.8%的水平，說明生成的智能教學方案基本與學生實際情況符合，適用于投入真實的教學實踐當中.另外兩種系統(tǒng)決策合理性雖都在90%以上，但是沒有達到系統(tǒng)的水平，仍需進一步改進.系統(tǒng)決策合理性較高是因為采用了高性能的ID3 決策樹算法對學生體育教學信息進行深度挖掘，捕捉學生學習行為與學習成績之間的關系，評估學生學習效果的基礎上做出合理的教學決策建議.

4 結論

以大數(shù)據(jù)為導向設計的高校體育智能教學決策系統(tǒng)存在兩個顯著優(yōu)勢：其一，運用關系數(shù)據(jù)庫存儲方式完成體育關聯(lián)數(shù)據(jù)向數(shù)據(jù)庫的轉換，保留了海量原始數(shù)據(jù)的語義特征、關聯(lián)特征，是體育教學信息價值充分挖掘的基本保障；其二，基于ID3 決策樹算法構建了教學信息挖掘決策樹，測試樣本輸入決策樹內即可獲得預期的教學決策方案，教師便于獲得大量教學改革備選方案，減少了高校體育教學主導者進行改革策劃與思考的過程，助力體育教學新模式早日到來.

本次設計的體育教學決策系統(tǒng)使用單一的決策模型，未來關于高校體育智能教學決策系統(tǒng)的設計可以嘗試實現(xiàn)多元化決策模型的協(xié)作創(chuàng)新，同時要考慮系統(tǒng)運行的占用程度，在保障系統(tǒng)占用較小的基礎上提高教學決策的效率.