分類技術(shù)在高校教學(xué)管理中的應(yīng)用

王與，劉洋

（滁州學(xué)院數(shù)學(xué)科學(xué)學(xué)院，安徽滁州 239000）

分類技術(shù)在高校教學(xué)管理中的應(yīng)用

王與，劉洋

（滁州學(xué)院數(shù)學(xué)科學(xué)學(xué)院，安徽滁州 239000）

隨著高等教育的日益普及，運(yùn)用科學(xué)的分析方法找出更科學(xué)更有效的管理手段，已經(jīng)成為高校管理面臨的新課題。以某新建本科院校學(xué)生專業(yè)方向選擇為例，根據(jù)學(xué)生的學(xué)習(xí)情況，運(yùn)用貝葉斯分類技術(shù)對(duì)其進(jìn)行分類預(yù)測(cè)，從而幫助教學(xué)管理部門做出科學(xué)的決策，合理分配教學(xué)資源。

分類預(yù)測(cè)；貝葉斯分類技術(shù)；教學(xué)管理

隨著我國(guó)高等教育的日益普及，高校的辦學(xué)規(guī)模在不斷增大，高校的管理也隨之面臨著巨大的壓力和挑戰(zhàn)。對(duì)于高校教學(xué)管理者來(lái)說(shuō)，基于現(xiàn)有的資源運(yùn)用科學(xué)的分析方法找出更科學(xué)更有效的管理手段，已經(jīng)成為高校面臨的新課題。為適應(yīng)高等教育的大眾化，培養(yǎng)高素質(zhì)的應(yīng)用型人才，很多高校在培養(yǎng)模式上進(jìn)行了大幅度的改革，比較常見(jiàn)的做法是在各專業(yè)實(shí)行“大專業(yè)、寬口徑、多方向”的培養(yǎng)模式，即在大學(xué)的前兩年內(nèi)，學(xué)生主要學(xué)習(xí)公共基礎(chǔ)課和學(xué)科基礎(chǔ)課（必修），而后兩年，學(xué)生可以根據(jù)自己的愛(ài)好、個(gè)性發(fā)展以及現(xiàn)階段的學(xué)習(xí)情況，在設(shè)置的多個(gè)專業(yè)方向中任選一個(gè)方向進(jìn)行深入學(xué)習(xí)。專業(yè)方向的選擇一定程度上決定了學(xué)生今后的發(fā)展，因此合理的選擇合適自己的專業(yè)方向顯得尤為重要。一般來(lái)說(shuō)，學(xué)生在進(jìn)行專業(yè)方向的選擇時(shí)，往往是依據(jù)自己的理解及興趣愛(ài)好進(jìn)行的，有時(shí)還會(huì)受到諸多外界因素的影響，主要包括同學(xué)、老師、父母、家庭和社會(huì)的影響。雖然大三學(xué)生已經(jīng)在本專業(yè)進(jìn)行了兩年的學(xué)習(xí)，但對(duì)專業(yè)方向了解并不深，面對(duì)多種多樣的方向及課程設(shè)置，大部分的學(xué)生對(duì)各門課程間的關(guān)聯(lián)并不了解，對(duì)何種專業(yè)方向合適自己也沒(méi)有認(rèn)識(shí)，因此在選擇時(shí)多半是隨意選擇，具有一定的盲目性，這也就造成了學(xué)生在后續(xù)的學(xué)習(xí)中遇到很多困難，可能選擇了完全不合適自己的方向，甚至影響今后職業(yè)發(fā)展。如何科學(xué)的指導(dǎo)學(xué)生選擇專業(yè)方向，將學(xué)生的興趣愛(ài)好與專業(yè)知識(shí)的掌握程度充分相結(jié)合，從而合理的選擇專業(yè)方向，成為高校教育管理中的一個(gè)重要的課題。

本文以某新建本科院校數(shù)學(xué)與應(yīng)用數(shù)學(xué)專業(yè)學(xué)生方向選擇為例，結(jié)合學(xué)生對(duì)專業(yè)方向選擇的實(shí)際需求，運(yùn)用貝葉斯分類技術(shù)，根據(jù)學(xué)生的學(xué)習(xí)情況對(duì)其進(jìn)行分類預(yù)測(cè)，幫助教學(xué)管理部門做出合理決策，達(dá)到指導(dǎo)學(xué)生合理選擇專業(yè)方向以及預(yù)測(cè)方向人數(shù)的目的。

1 貝葉斯分類技術(shù)

1.1 分類技術(shù)概述

數(shù)據(jù)挖掘技術(shù)是一門綜合性多學(xué)科的技術(shù)，被認(rèn)為是數(shù)據(jù)庫(kù)和人工智能領(lǐng)域中研究、開(kāi)發(fā)和應(yīng)用最活躍的分支之一。近年來(lái)已廣泛應(yīng)用在產(chǎn)品質(zhì)量分析、金融風(fēng)險(xiǎn)預(yù)測(cè)、電信、分子生物學(xué)、基因工程研究以及信息搜索等眾多領(lǐng)域。分類作為數(shù)據(jù)挖掘中具有代表性的一種方法，也漸漸成為目前數(shù)據(jù)挖掘領(lǐng)域應(yīng)用廣泛的一個(gè)分支。分類技術(shù)是運(yùn)用分類方法構(gòu)建一個(gè)分類函數(shù)（分類模型或分類器），根據(jù)這個(gè)分類將輸入的數(shù)據(jù)映射到某個(gè)給定的類別上。分類問(wèn)題的應(yīng)用領(lǐng)域很廣，數(shù)據(jù)挖掘中的很多問(wèn)題都可以轉(zhuǎn)換為分類問(wèn)題來(lái)處理。比較典型的是客戶服務(wù)領(lǐng)域，比如將客戶按忠誠(chéng)度分類，預(yù)測(cè)客戶的流失度等。

貝葉斯分類方法是一種使用方便且錯(cuò)誤率最小的概率分類法，其具有完善的貝葉斯理論基礎(chǔ)，有很好的模型、學(xué)習(xí)以及推理能力，是一種使用普遍的數(shù)據(jù)挖掘分類方法。貝葉斯分類技術(shù)是一種統(tǒng)計(jì)學(xué)分類方法，一般用于預(yù)測(cè)類成員聯(lián)系的可能性，例如，數(shù)據(jù)項(xiàng)屬于某個(gè)特定類的概率［1］。

1.2 貝葉斯分類模型

貝葉斯分類是一種基于概率統(tǒng)計(jì)中貝葉斯定理的分類模型，其利用數(shù)據(jù)的屬性值，通過(guò)計(jì)算來(lái)預(yù)測(cè)數(shù)據(jù)屬于某個(gè)類的可能性來(lái)對(duì)數(shù)據(jù)進(jìn)行分類。分類數(shù)據(jù)項(xiàng)是由條件屬性值組成的特征向量，并且還具有一個(gè)目標(biāo)屬性。其具體的數(shù)據(jù)項(xiàng)形式X｛x1，x2，…，x n；c｝為離散變量的有限集，其中xi（1≤i≤n）為條件屬性值，c為目標(biāo)屬性。令樣本集有A1，A2，…，An這n個(gè)屬性，構(gòu)成了樣本的特征向量，可能的類別為｛C1，C2，…，Cm｝，待分類樣本X的特征向量為｛x1，x2，…，xn；c｝。這樣，我們通過(guò)求出X分別屬于每個(gè)類別的概率P（Ci｜X），其中P（Ci｜X）＝P（X｜Ci）P（Ci）／P（X），得出最大概率的即為X的預(yù)測(cè)類別。對(duì)所有的Ci，P（X）都相同，而P（Ci）等于訓(xùn)練集中類別為Ci的樣本所占的比例值，則只需比較P（X｜Ci）·P（Ci）的大小。若假設(shè)屬性獨(dú)立，則有P（X｜Ci）＝

2 貝葉斯分類技術(shù)在專業(yè)方向選擇上的應(yīng)用

2.1 問(wèn)題描述及數(shù)據(jù)預(yù)處理

該專業(yè)設(shè)置兩個(gè)方向供學(xué)生選擇，分別為：軟件工程方向及經(jīng)濟(jì)金融方向。入學(xué)前兩年學(xué)生主要學(xué)習(xí)公共基礎(chǔ)課和學(xué)科基礎(chǔ)課，大三時(shí)學(xué)生可以根據(jù)自己的興趣愛(ài)好及課程學(xué)習(xí)情況進(jìn)行選擇其中任意一個(gè)方向進(jìn)行深入學(xué)習(xí)。

本例中，分類目標(biāo)屬性為本專業(yè)方向：軟件工程方向及經(jīng)濟(jì)金融方向，數(shù)據(jù)樣本包含19個(gè)條件屬性（即課程），分別為：數(shù)值分析、數(shù)學(xué)建模與計(jì)算軟件、數(shù)據(jù)庫(kù)原理與應(yīng)用、數(shù)據(jù)結(jié)構(gòu)、解析幾何、概率統(tǒng)計(jì)、離散數(shù)學(xué)、常微分方程、復(fù)變函數(shù)、計(jì)算機(jī)基礎(chǔ)、高等代數(shù)（一、二）、數(shù)學(xué)分析（一、二、三）等17門課程，課程成績(jī)轉(zhuǎn)化為四級(jí)制（優(yōu)秀、良好、中等、及格）記錄，數(shù)據(jù)中還另外包含2個(gè)條件屬性，分別是學(xué)生對(duì)兩個(gè)方向的興趣度：對(duì)軟件方向的興趣度及對(duì)金融方向的興趣度，以三級(jí)制（較多、一般、較少）記錄，即所有屬性值均為離散值。在選擇某屆該專業(yè)學(xué)生成績(jī)及專業(yè)方向選擇情況作為專業(yè)選擇訓(xùn)練集樣本，經(jīng)過(guò)預(yù)處理共有62條記錄，其中2個(gè)目標(biāo)屬性數(shù)據(jù)來(lái)自于學(xué)生方向選擇表，19個(gè)成績(jī)條件屬性來(lái)自于學(xué)生成績(jī)表，而2個(gè)興趣度條件屬性則來(lái)自于對(duì)學(xué)生的問(wèn)卷調(diào)查。

2.2 貝葉斯分類模型流程

貝葉斯學(xué)生方向選擇模型流程如圖1所示：

圖1 貝葉斯分類的流程

2.3 實(shí)例分析預(yù)測(cè)

推斷新樣本的專業(yè)方向選擇情況，用貝葉斯分類法對(duì)某高校數(shù)學(xué)與應(yīng)用數(shù)學(xué)專業(yè)方向選擇進(jìn)行預(yù)測(cè)。例如，某學(xué)生N的各門課程成績(jī)?yōu)椋簲?shù)值分析＝中等，數(shù)學(xué)建模與計(jì)算機(jī)軟件＝優(yōu)秀，數(shù)學(xué)分析一＝良好，數(shù)學(xué)分析二＝及格，數(shù)學(xué)分析三＝中等，數(shù)據(jù)庫(kù)原理及應(yīng)用＝中等，數(shù)據(jù)結(jié)構(gòu)＝及格，離散數(shù)學(xué)＝良好，解析幾何＝優(yōu)秀，計(jì)算機(jī)基礎(chǔ)＝及格，程序設(shè)計(jì)基礎(chǔ)＝及格，高等代數(shù)一＝良好，高等代數(shù)二＝中等，概率統(tǒng)計(jì)＝良好，復(fù)變函數(shù)＝良好，大學(xué)英語(yǔ)＝及格，常微分方程＝良好；其對(duì)軟件方向的興趣度為一般，經(jīng)濟(jì)金融方向興趣度為一般。

使用貝葉斯算法計(jì)算各屬性的所有取值相對(duì)于每個(gè)類別的概率結(jié)果如表1所示。

另，P（軟件工程方向）＝17／62，P（經(jīng)濟(jì)金融方向）＝45／62。由上述條件，我們有

根據(jù)上述結(jié)果P（N｜軟件工程方向）＞P（N｜經(jīng)濟(jì)金融方向），可以推測(cè)該學(xué)生有較大的幾率選擇軟件工程方向，該預(yù)測(cè)結(jié)果也于實(shí)際情況相一致。

表1 各屬性的條件概率

3 結(jié)束語(yǔ)

運(yùn)用數(shù)據(jù)挖掘中的分類技術(shù)，科學(xué)地預(yù)測(cè)學(xué)生專業(yè)方向的選擇，將學(xué)生的興趣愛(ài)好與專業(yè)知識(shí)的掌握程度充分結(jié)合，指導(dǎo)學(xué)生更合理的選擇專業(yè)方向；通過(guò)對(duì)學(xué)生專業(yè)方向選擇的預(yù)測(cè)，可以幫助教學(xué)管理部門做出決策，充分利用教學(xué)資源，避免了資源的浪費(fèi)。本文只對(duì)分類技術(shù)在教學(xué)管理中作了簡(jiǎn)單的應(yīng)用，還可以通過(guò)對(duì)學(xué)生每一學(xué)習(xí)階段的情況進(jìn)行預(yù)測(cè)，指導(dǎo)學(xué)生為專業(yè)方向的選擇早做準(zhǔn)備，更有利于學(xué)生的職業(yè)生涯規(guī)劃。

［1］董 倩，王克儉，韓憲忠，苑迎春.基于貝葉斯分類的網(wǎng)上書(shū)店潛在用戶挖掘［J］.Microcomputer ＆Its Applications，2011，（1）：47－49.

［2］韓家煒.數(shù)據(jù)挖掘概念與技術(shù)［M］.北京：機(jī)械工業(yè)出版社，2000.

［3］王 俊.樸素貝葉斯分類模型的研究與應(yīng)用［D］.安徽：合肥工業(yè)大學(xué)，2006.

［4］丁智斌，袁 方，董賀偉.數(shù)據(jù)挖掘在高校學(xué)生學(xué)習(xí)成績(jī)分析中的應(yīng)用［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2006，（4）.

TP301

A

1673－1794（2011）05－0124－02

王 與（1984－），女，碩士，主要研究方向?yàn)閿?shù)據(jù)挖掘。

2011－07－14