基于大數(shù)據(jù)決策樹的學(xué)生成績分析和預(yù)測模型設(shè)計

摘要：中國科教事業(yè)飛速進(jìn)步，大學(xué)生數(shù)量越來越多，高校畢業(yè)生綜合素質(zhì)低、能力不足等問題越來越突出。創(chuàng)建與素質(zhì)教育要求相符合，促進(jìn)教師發(fā)展、學(xué)生成長以及提高教育教學(xué)質(zhì)量的教育評估體系，是新課程改革中的重要任務(wù)。本研究基于大數(shù)據(jù)決策樹的學(xué)生成績預(yù)測模型，根據(jù)學(xué)生學(xué)習(xí)狀態(tài)，間接建立成績預(yù)測系統(tǒng)，以解決學(xué)生成績預(yù)測困難、模型復(fù)雜等問題，通過研究發(fā)現(xiàn)，基于大數(shù)據(jù)決策樹系統(tǒng)預(yù)測學(xué)生成績精準(zhǔn)率達(dá)到94%，對學(xué)生成績的監(jiān)控極為有利，而且也可預(yù)測學(xué)生成績的提升。

關(guān)鍵詞：大數(shù)據(jù)；決策樹；學(xué)生成績；預(yù)測模型

近年來，隨著我國高校教學(xué)、學(xué)生與科研等數(shù)據(jù)不斷積累，數(shù)據(jù)挖掘技術(shù)被廣泛應(yīng)用于各個行業(yè)，教育數(shù)據(jù)挖掘也成了越來越多專家學(xué)者的關(guān)注和研究方向。尤其是2017年在武漢召開的第十屆國際教育數(shù)據(jù)挖掘大會，將研究數(shù)字挖掘的熱潮推向新高度。中國科教事業(yè)飛速進(jìn)步，大學(xué)生數(shù)量越來越多，高校畢業(yè)生綜合素質(zhì)低、能力不足等問題越來越突出，而創(chuàng)建與素質(zhì)教育要求相符合，促進(jìn)教師發(fā)展、學(xué)生成長以及提高教育教學(xué)質(zhì)量的教育評估體系，是新課程改革中的重要任務(wù)[1]。

我國教育部門頒布的《基礎(chǔ)教育課程改革綱要》中明確提出，應(yīng)創(chuàng)建實(shí)現(xiàn)學(xué)生均衡發(fā)展的評估體系，該評估體系既要重點(diǎn)關(guān)注學(xué)生學(xué)業(yè)成績，又要挖掘?qū)W生多方潛能，幫助學(xué)生正確認(rèn)識自我，創(chuàng)建自信心，從而將評價體系的教育功能充分發(fā)揮出來，使學(xué)生綜合水平得到提升[2]。所以，科技飛速發(fā)展的現(xiàn)階段，高校應(yīng)充分發(fā)揮數(shù)據(jù)挖掘技術(shù)的功能，通過分析預(yù)測學(xué)生成績，創(chuàng)建大數(shù)據(jù)決策樹，對學(xué)生成績的影響因素進(jìn)行科學(xué)分析，預(yù)測學(xué)生發(fā)展趨勢，幫助教師客觀評價學(xué)生和正確引導(dǎo)學(xué)生，保證學(xué)生實(shí)現(xiàn)全面發(fā)展。

一、大數(shù)據(jù)決策樹系統(tǒng)的框架

大數(shù)據(jù)決策樹系統(tǒng)的模塊組成包括數(shù)據(jù)源、數(shù)據(jù)獲取和處理、預(yù)測成績及預(yù)測對象，其中數(shù)據(jù)源主要為輔導(dǎo)員、任課教師、學(xué)生及舍友等與該學(xué)生學(xué)習(xí)成績存在密切相關(guān)性的信息來源。大數(shù)據(jù)決策樹系統(tǒng)基于學(xué)校教學(xué)現(xiàn)狀，選擇和學(xué)生成績有密切關(guān)系的2～3個數(shù)據(jù)源，其中數(shù)據(jù)獲取模塊的功能可以解決快速從數(shù)據(jù)源中獲取高效信息的問題[3]。

信息化時代下，通過互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等相關(guān)信息平臺傳遞信息，是獲取數(shù)據(jù)的重要途徑。數(shù)據(jù)處理模塊的功能是將原始數(shù)據(jù)轉(zhuǎn)變?yōu)槟軌蛑苯虞斎氪髷?shù)據(jù)算法，一般需要基于原始數(shù)據(jù)特性，對數(shù)據(jù)展開標(biāo)準(zhǔn)化、缺失值和異常值的處理，作為大數(shù)據(jù)決策樹系統(tǒng)關(guān)鍵模塊，成績預(yù)測模塊根據(jù)相關(guān)算法和成績模塊預(yù)測學(xué)生的未來成績[4]。成績預(yù)測結(jié)果產(chǎn)生后，需要學(xué)生反思現(xiàn)階段的學(xué)習(xí)狀態(tài)，同時向數(shù)據(jù)源處輸出學(xué)生成績，為下次預(yù)測學(xué)習(xí)成績奠定基礎(chǔ)，此為預(yù)測對象模塊的重中之重。大數(shù)據(jù)決策樹框架如圖1所示。

二、基于大數(shù)據(jù)決策樹的學(xué)生成績分析與預(yù)測模型設(shè)計

大數(shù)據(jù)決策樹系統(tǒng)有五大模塊，各模塊分析學(xué)生成績與預(yù)測模型設(shè)計如下：

（一）數(shù)據(jù)源、數(shù)據(jù)獲取和預(yù)測對象

以往數(shù)據(jù)源獲取和管理方法沒有與高校網(wǎng)絡(luò)信息平臺發(fā)展現(xiàn)狀相結(jié)合，造成數(shù)據(jù)獲取與反饋效率非常低。為實(shí)現(xiàn)信息傳遞效率與準(zhǔn)確率的提升，預(yù)測模型設(shè)計結(jié)合互聯(lián)網(wǎng)信息平臺，設(shè)計信息傳遞模塊，圖2為信息平臺為中心的整體結(jié)構(gòu)示意圖。

現(xiàn)階段，被廣泛用于數(shù)據(jù)處理和人工智能領(lǐng)域的編程語言為Python，大數(shù)據(jù)決策樹系統(tǒng)通過Python語言實(shí)現(xiàn)，其網(wǎng)絡(luò)信息提交和獲取庫包的功能非常強(qiáng)大，其中包括Httplib、Urllib以及Urllib2，同時還應(yīng)用正則表達(dá)和數(shù)據(jù)處理模塊。具體實(shí)現(xiàn)過程如下。

連接互聯(lián)網(wǎng)信息平臺，關(guān)鍵函數(shù)為：

HTTPConnection（host[，port[，stict[，timeout]]]）

在以上關(guān)鍵函數(shù)中，port代表網(wǎng)絡(luò)信息平臺端口號；host代表網(wǎng)絡(luò)信息平臺對應(yīng)地址信息或者域名；timeout代表超時時間，如果連接時間超時，系統(tǒng)就會發(fā)出信息異常信號[5]。

將相關(guān)數(shù)據(jù)請求發(fā)送至互聯(lián)網(wǎng)信息平臺，關(guān)鍵函數(shù)為：

通過HTTP連接過程中應(yīng)用到的request方式，將數(shù)據(jù)請求發(fā)送至互聯(lián)網(wǎng)信息平臺中，其中M表示的是請求發(fā)送方式，根據(jù)通信協(xié)議自主選擇get與post方式。Address代表資源獲取對應(yīng)地址，最后選擇所需提交至服務(wù)器數(shù)據(jù)，兩者均會對通信協(xié)議進(jìn)行有效安裝，同時選擇對應(yīng)資源地址，這樣就能將數(shù)據(jù)提交給網(wǎng)絡(luò)信息平臺[6]。

對網(wǎng)絡(luò)信息平臺的響應(yīng)獲取函數(shù)為：

HTTP響應(yīng)對象是返回值，所含信息包括獲取響應(yīng)字節(jié)數(shù)據(jù)、頭部數(shù)據(jù)。依照所得響應(yīng)數(shù)據(jù)規(guī)則，能夠?qū)⒃撓到y(tǒng)所需數(shù)據(jù)解析出來。

（二）相關(guān)數(shù)據(jù)處理

大數(shù)據(jù)決策樹系統(tǒng)中，數(shù)據(jù)處理模塊包括處理缺失值、處理離散量和連續(xù)量兩大部分，主要目的在于轉(zhuǎn)換所得原始數(shù)據(jù)，利用大數(shù)據(jù)算法對標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行有效輸入。

1.處理異常值

近年來，高校互聯(lián)網(wǎng)信息平臺存在逐漸完善的反饋機(jī)制與數(shù)據(jù)更新狀態(tài)，加之HTTP協(xié)議握手制度，自高校網(wǎng)絡(luò)信息平臺中直接獲取數(shù)據(jù)通常會存在異常值問題，這已并非數(shù)據(jù)準(zhǔn)確率問題，重點(diǎn)是數(shù)據(jù)缺失[7]。對缺失值處理效果進(jìn)行綜合考慮，通過數(shù)據(jù)統(tǒng)計特性值對大數(shù)據(jù)決策樹系統(tǒng)進(jìn)行有效處理，依照不同缺失值特性對其統(tǒng)計特性進(jìn)行選擇，采用Python語言將統(tǒng)計特性關(guān)鍵代碼提取出來，所用庫是科學(xué)計算庫Numpy。

2.處理數(shù)據(jù)量

本次預(yù)測模型設(shè)計所用方法為決策樹算法，所以需要應(yīng)用到離散數(shù)據(jù)量。依照離散狀態(tài)，可將離散數(shù)據(jù)劃分為不同類別。在連續(xù)值方面，必須離散化處理，才能實(shí)現(xiàn)數(shù)據(jù)區(qū)分度的提升。Python庫內(nèi)，通過離散化方式cut（ ），以下為具體定義：

cut（D，B，R=False，L=NULL）

在以上定義中，D代表的是一維數(shù)據(jù)，R代表分組區(qū)間的閉合與否；B代表的是分割點(diǎn)值；L則表示對應(yīng)分組標(biāo)簽，在對離散化方法進(jìn)行應(yīng)用過程中，應(yīng)基于B對D進(jìn)行離散化，同時返回離散化數(shù)據(jù)對象，使數(shù)據(jù)實(shí)現(xiàn)連續(xù)離散化目的。

（三）建立成績預(yù)測模塊

當(dāng)前，成績預(yù)測算法主要集中于預(yù)測運(yùn)動員、體育生的成績，通常成績預(yù)測會對歷史成績與對象狀態(tài)進(jìn)行預(yù)測，并將最終預(yù)測數(shù)據(jù)直接計算出來，該思路或較低預(yù)測精度，很難滿足實(shí)際應(yīng)用需求。如果預(yù)測模型比較復(fù)雜，則有助于提升預(yù)測精度，然而也會出現(xiàn)運(yùn)算量大、預(yù)測結(jié)果過擬合等問題，這就要提出基于預(yù)測對象分類的成績預(yù)測算法，即不直接預(yù)測學(xué)生的成績，關(guān)鍵在于劃分預(yù)測對象成績變化為各個區(qū)間，對學(xué)生成績變化量進(jìn)行分類預(yù)測，依照分類結(jié)果，間接預(yù)測學(xué)生成績，預(yù)測流程如圖3所示。

現(xiàn)階段，大數(shù)據(jù)分類算法包括決策樹算法、K-Means、神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)等，相關(guān)研究選擇K-Means算法對花朵授粉和減速箱狀態(tài)進(jìn)行分類。但是K-Mean算法中，確定K值始終是這一算法的難點(diǎn)。也有研究采用支持向量機(jī)理論對手語、表情和暫態(tài)穩(wěn)定故障進(jìn)行分類，但該算法對缺失數(shù)據(jù)環(huán)節(jié)進(jìn)行預(yù)測的敏感度較低，也很難解決非線性問題。還有文獻(xiàn)研究，通過神經(jīng)網(wǎng)絡(luò)算法對草地和圖像進(jìn)行分類，結(jié)果發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)非線性擬合能力非常強(qiáng)，但是神經(jīng)網(wǎng)絡(luò)的參數(shù)比較多，而且存在較大的運(yùn)算量。

三、基于大數(shù)據(jù)決策樹的學(xué)生成績預(yù)測

本次應(yīng)用大數(shù)據(jù)決策樹中的ID3算法，根據(jù)待分類數(shù)據(jù)內(nèi)各特征信息增益進(jìn)行決策樹葉子節(jié)點(diǎn)與根節(jié)點(diǎn)構(gòu)造?；诖髷?shù)據(jù)決策樹算法的運(yùn)算過程如下。

a.計算信息熵，具體計算公式為：

也就是說，各特征概率與概率值自然對數(shù)的和，表征數(shù)據(jù)集有序程度。大數(shù)據(jù)決策樹下的構(gòu)思理念，就是采用最少根節(jié)點(diǎn)，提高數(shù)據(jù)集的有序性。

b.所謂信息熵增益，其實(shí)就是某屬性刪除后和該屬性刪除前信息熵的差，大數(shù)據(jù)決策樹要求將信息熵增益屬性最大值當(dāng)作新根節(jié)點(diǎn)，由此就能構(gòu)造大數(shù)據(jù)決策樹。

四、基于大數(shù)據(jù)決策樹學(xué)生成績分析的實(shí)驗驗證

選取某高校的175名學(xué)生為研究對象，對其期末考試進(jìn)行實(shí)驗驗證。預(yù)測對象實(shí)驗如下：所選特征包括學(xué)生階段心理測評狀態(tài)（Psy）、作業(yè)完成率（Work）、出勤率（Attend）、學(xué)分成績（Cur）、平時成績（Usual）。階段心理測評狀態(tài)屬于離散數(shù)據(jù)，其他屬于連續(xù)數(shù)據(jù)。

對五大特征數(shù)據(jù)信息增益進(jìn)行計算，明確相對應(yīng)決策樹根節(jié)點(diǎn)，將不同特征的信息熵增益計算出來，具體如表1所示。從表1數(shù)據(jù)可知，作業(yè)完成率屬性信息增益較高，將作業(yè)完成率視為第一根節(jié)點(diǎn)，對決策樹進(jìn)行創(chuàng)建，從五類領(lǐng)域劃分學(xué)生狀態(tài)，采用I-V表示。

通過決策樹預(yù)測學(xué)生成績，結(jié)果見表2。

從表2可以看出，模型預(yù)測學(xué)生成績的正確率為94%，可見該體系存在有效性與正確性。

五、結(jié)束語

基于大數(shù)據(jù)決策樹的學(xué)生成績預(yù)測模型，根據(jù)學(xué)生學(xué)習(xí)狀態(tài)，為其間接建立成績預(yù)測系統(tǒng)，有助于學(xué)生成績預(yù)測困難、模型復(fù)雜等問題的有效解決。研究發(fā)現(xiàn)，基于大數(shù)據(jù)決策樹系統(tǒng)預(yù)測學(xué)生成績的準(zhǔn)確率為94%，有助于監(jiān)控高校學(xué)生成績。但該系統(tǒng)也有不足之處，具體在于：人為因素會對學(xué)生成績特征選取產(chǎn)生影響，成績一次性特征增加了數(shù)據(jù)收集難度。

作者單位：孫劍 瀘州職業(yè)技術(shù)學(xué)院四川瀘州

參 ?考 ?文 ?獻(xiàn)

[1]胡柳青，趙剛.基于數(shù)據(jù)挖掘下機(jī)器學(xué)習(xí)算法對學(xué)生成績影響因素的研究[J].南昌航空大學(xué)學(xué)報（自然科學(xué)版），2021，35（03）：43-48，97.

[2]吳曉倩，權(quán)麗麗，陳誠，等.基于大數(shù)據(jù)決策樹算法的學(xué)生成績分析與預(yù)測模型仿真[J].電子設(shè)計工程，2020，28（24）：138-141，146.

[3]蘇錦.數(shù)據(jù)關(guān)聯(lián)分析與挖掘技術(shù)在學(xué)生信息中的應(yīng)用研究[D].廣西大學(xué)，2019.

[4]吳強(qiáng)，方睿，韓斌，等.基于決策樹-LMBP神經(jīng)網(wǎng)絡(luò)的學(xué)生成績分析及預(yù)測模型的研究[J].成都信息工程大學(xué)學(xué)報，2018，33（03）：274-280.

[5]金詩譜.基于屬性相關(guān)性分析的高校學(xué)生成績分析應(yīng)用研究[J].西安文理學(xué)院學(xué)報（自然科學(xué)版），2018，21（01）：30-33.

[6]胡在林.關(guān)聯(lián)規(guī)則和決策樹組合算法在學(xué)生成績分析中的應(yīng)用與研究[D].青島理工大學(xué)，2017.

[7]黃炎，王紫玉，黃方亮.數(shù)據(jù)挖掘技術(shù)在高校學(xué)生成績分析中的應(yīng)用與研究[J].蘭州文理學(xué)院學(xué)報（自然科學(xué)版），2016，30（03）：64-68，78.