大數(shù)據(jù)環(huán)境下的高校成績(jī)預(yù)警算法研究*

崔薛騰

(長(zhǎng)春大學(xué)教務(wù)處，吉林長(zhǎng)春130022)

大數(shù)據(jù)環(huán)境下的高校成績(jī)預(yù)警算法研究*

崔薛騰

(長(zhǎng)春大學(xué)教務(wù)處，吉林長(zhǎng)春130022)

在高校學(xué)生成績(jī)預(yù)警研究中，傳統(tǒng)的分析是使用統(tǒng)計(jì)匯總方法，這種方法挖掘出的規(guī)律不夠深入，并缺乏明確的指導(dǎo)原則.該文以教務(wù)成績(jī)信息和數(shù)據(jù)挖掘理論為基礎(chǔ)，重點(diǎn)研究了大數(shù)據(jù)環(huán)境下的高等院校成績(jī)預(yù)警算法設(shè)計(jì)與優(yōu)化，提出了一種基于關(guān)聯(lián)分析技術(shù)的預(yù)警機(jī)制，保證預(yù)警系統(tǒng)知識(shí)庫(kù)規(guī)則的豐富、科學(xué)和完備.通過對(duì)某高校同一專業(yè)學(xué)生的成績(jī)進(jìn)行預(yù)警知識(shí)挖掘，獲得了預(yù)警規(guī)則集，進(jìn)而幫助學(xué)生對(duì)課程的未來(lái)成績(jī)走向進(jìn)行預(yù)測(cè)，并相應(yīng)地調(diào)整學(xué)習(xí)計(jì)劃，為教學(xué)管理提供有效的決策支持.

大數(shù)據(jù);教育;數(shù)據(jù)挖掘;關(guān)聯(lián)分析;成績(jī)預(yù)警

大數(shù)據(jù)時(shí)代的到來(lái)為世界帶來(lái)了一場(chǎng)全面的革命，對(duì)社會(huì)的進(jìn)步和變革起到了巨大的推動(dòng)作用.大數(shù)據(jù)具有數(shù)據(jù)量大、種類繁多、價(jià)值密度低的特性，如何對(duì)大數(shù)據(jù)進(jìn)行更加有效、快速的存儲(chǔ)、采集、處理和分析成為當(dāng)前研究的重點(diǎn).其中，教育領(lǐng)域在大數(shù)據(jù)研究方面也遇到了前所未有的挑戰(zhàn)和機(jī)遇.隨著我國(guó)高等教育改革的不斷深入和發(fā)展，網(wǎng)絡(luò)教學(xué)、移動(dòng)教學(xué)、社交網(wǎng)絡(luò)及高校各類信息系統(tǒng)的使用，促進(jìn)了學(xué)生、教師數(shù)據(jù)量的快速激增，尤其在學(xué)校的教務(wù)系統(tǒng)中，存在著大量的教學(xué)信息數(shù)據(jù)［1］.但是，這些數(shù)據(jù)目前大多處于沉睡的狀態(tài)，沒有得到有效的利用，而且隨著數(shù)據(jù)量的持續(xù)增加，很多前期數(shù)據(jù)被當(dāng)作垃圾數(shù)據(jù)清理掉，造成巨大的信息資源浪費(fèi).因此，如何充分利用此類數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)化成促進(jìn)教學(xué)效果的知識(shí)和信息，幫助教務(wù)管理者和教師進(jìn)行教學(xué)決策、課程優(yōu)化等服務(wù)，是大數(shù)據(jù)時(shí)代教務(wù)工作者必須重視的問題.

高等院校在教學(xué)運(yùn)行過程中，學(xué)生的成績(jī)管理是教務(wù)工作關(guān)注的重點(diǎn).課程成績(jī)不僅是學(xué)生個(gè)人學(xué)習(xí)能力的體現(xiàn)，可以為學(xué)生選擇研究方向、工作方向提供參考，還是高校教學(xué)質(zhì)量的重要反映，對(duì)高校加強(qiáng)教學(xué)管理、調(diào)整教學(xué)方式和方法具有重要的指導(dǎo)意義.隨著大數(shù)據(jù)時(shí)代的到來(lái)，高等院校在教務(wù)管理系統(tǒng)的研發(fā)和應(yīng)用方面有了快速的發(fā)展，并積累了海量的教務(wù)管理和教學(xué)過程數(shù)據(jù).高校的教學(xué)管理工作者一直致力于通過分析此類數(shù)據(jù)促進(jìn)高校教務(wù)管理能力和管理水平，但是，常用的方法都是通過傳統(tǒng)的統(tǒng)計(jì)匯總完成的，這種方法挖掘出的規(guī)律不夠深入，并缺乏明確的指導(dǎo)原則，在大數(shù)據(jù)環(huán)境下這些分析方式的缺陷更加突出.基于上述觀點(diǎn)，本文基于數(shù)據(jù)挖掘算法對(duì)大數(shù)據(jù)環(huán)境下的高校成績(jī)預(yù)警模型進(jìn)行了研究和構(gòu)建.高校成績(jī)預(yù)警模型通過對(duì)大學(xué)生的課程成績(jī)進(jìn)行分析，能夠挖掘出學(xué)科課程間的聯(lián)系，并結(jié)合實(shí)際成績(jī)數(shù)據(jù)獲取預(yù)警信息，幫助學(xué)生對(duì)課程的未來(lái)成績(jī)走向進(jìn)行預(yù)測(cè)，然后根據(jù)預(yù)測(cè)結(jié)果制定相應(yīng)的方案，為教學(xué)管理提供有效的決策支持.

1 成績(jī)預(yù)警系統(tǒng)框架

所謂預(yù)警，是指在事件發(fā)生前對(duì)事件發(fā)生的潛在可能性進(jìn)行預(yù)測(cè)并提供警示信息的過程.在大數(shù)據(jù)環(huán)境下，基于現(xiàn)有的數(shù)據(jù)和知識(shí)，預(yù)警可以通過數(shù)據(jù)挖掘技術(shù)對(duì)事物的發(fā)展規(guī)律進(jìn)行總結(jié)和分析，描述、預(yù)測(cè)事物的發(fā)展趨勢(shì)，然后與目標(biāo)閾值進(jìn)行對(duì)比，判斷是否發(fā)出必要的信號(hào)和警示，以便事件主體有充足的時(shí)間采取適當(dāng)?shù)奶幹脤?duì)策［2－3］.

隨著我國(guó)教育信息化、網(wǎng)絡(luò)化的發(fā)展和應(yīng)用，從積累的大數(shù)據(jù)倉(cāng)庫(kù)中提取有用的成績(jī)預(yù)警規(guī)則并建立一套預(yù)警系統(tǒng)成為教育工作者的重要研究方向.基于教務(wù)系統(tǒng)中的成績(jī)數(shù)據(jù)，自動(dòng)預(yù)警系統(tǒng)能夠自動(dòng)構(gòu)建預(yù)警模型并應(yīng)用模型提供必要的預(yù)警信息，這種從真實(shí)數(shù)據(jù)提取的知識(shí)具有更高的應(yīng)用價(jià)值.本文首先對(duì)基于數(shù)據(jù)挖掘算法的成績(jī)預(yù)警系統(tǒng)框架進(jìn)行簡(jiǎn)要的介紹，如圖1所示.

圖1 成績(jī)預(yù)警系統(tǒng)框架

成績(jī)預(yù)警系統(tǒng)包括成績(jī)數(shù)據(jù)導(dǎo)入、數(shù)據(jù)預(yù)處理、知識(shí)挖掘建模、參數(shù)設(shè)置、成績(jī)預(yù)警、預(yù)警信息輸出等模塊，以及一個(gè)預(yù)警知識(shí)庫(kù)組成.其中，知識(shí)挖掘建模模塊是系統(tǒng)的重要核心，它能夠基于用戶預(yù)置參數(shù)和教務(wù)系統(tǒng)成績(jī)數(shù)據(jù)挖掘出預(yù)警規(guī)則和知識(shí)，并將這些知識(shí)存儲(chǔ)到預(yù)警知識(shí)庫(kù)內(nèi).因?yàn)榻虅?wù)系統(tǒng)數(shù)據(jù)是不斷變化的，因此，預(yù)警系統(tǒng)需要從數(shù)據(jù)庫(kù)中定期更新成績(jī)數(shù)據(jù)，構(gòu)建新的預(yù)警模型，形成新的預(yù)警規(guī)則和策略.

針對(duì)監(jiān)測(cè)數(shù)據(jù)，成績(jī)預(yù)警系統(tǒng)能夠根據(jù)知識(shí)庫(kù)的規(guī)則和事先制定的預(yù)警閾值來(lái)判斷是否發(fā)出預(yù)警.最后的預(yù)警模塊和信息輸出模塊能夠?qū)ν馓峁┮幌盗械目刂平涌?，進(jìn)而與其他系統(tǒng)聯(lián)動(dòng)完成整個(gè)成績(jī)預(yù)警過程.

2 成績(jī)預(yù)警算法設(shè)計(jì)

2.1 成績(jī)預(yù)警規(guī)則介紹

成績(jī)預(yù)警規(guī)則是對(duì)被預(yù)警課程成績(jī)與前期已修課程成績(jī)間關(guān)聯(lián)或依賴關(guān)系的反映，被預(yù)警課程成績(jī)能夠根據(jù)關(guān)聯(lián)課程成績(jī)進(jìn)行預(yù)警［4－5］.預(yù)警系統(tǒng)主要應(yīng)用關(guān)聯(lián)分析技術(shù)產(chǎn)生預(yù)警規(guī)則，在教務(wù)管理的過程中，系統(tǒng)首先將監(jiān)測(cè)數(shù)據(jù)處理成標(biāo)準(zhǔn)的數(shù)據(jù)格式，然后根據(jù)數(shù)據(jù)特征從預(yù)警知識(shí)庫(kù)中提取相應(yīng)的預(yù)警規(guī)則，并將預(yù)警規(guī)則和監(jiān)測(cè)數(shù)據(jù)對(duì)比:首先在規(guī)則集的前項(xiàng)中查找監(jiān)測(cè)數(shù)據(jù)，若均無(wú)法匹配，則使用下一條規(guī)則重新比對(duì);若匹配成功，則根據(jù)事先的策略產(chǎn)生綜合預(yù)警信息.

2.2 基于關(guān)聯(lián)分析技術(shù)的成績(jī)預(yù)警算法

關(guān)聯(lián)分析技術(shù)，是指從數(shù)據(jù)集中挖掘頻繁項(xiàng)集的技術(shù)，它形成一系列形如X→Y的規(guī)則，其中，X代表發(fā)生前項(xiàng)事件，Y代表預(yù)警事件.關(guān)聯(lián)分析產(chǎn)生的規(guī)則稱為關(guān)聯(lián)規(guī)則.關(guān)聯(lián)分析通過提取滿足支持度、置信度要求的規(guī)則對(duì)事件的前后項(xiàng)關(guān)系進(jìn)行預(yù)測(cè).

支持度:表示在所有的事務(wù)中，項(xiàng)集{X，Y}出現(xiàn)的概率大小.如下所示:

Support(X→Y)=P(X，Y)=P(X∪Y)

置信度:表示發(fā)生事務(wù)X的前提下，由“X→Y”得到Y(jié)的概率大小.即在所有包含X的項(xiàng)集內(nèi)，包含Y的概率，如下所示:

Confidence(X→ Y) = P(Y|X) =P(X，Y)/P(X)=P(X∪Y)/P(X)

基于教務(wù)系統(tǒng)大數(shù)據(jù)的成績(jī)預(yù)警模型主要以關(guān)聯(lián)分析技術(shù)為基礎(chǔ)進(jìn)行構(gòu)建.但是，由于傳統(tǒng)的關(guān)聯(lián)分析算法會(huì)產(chǎn)生很多無(wú)用的、冗余的關(guān)聯(lián)規(guī)則，這些規(guī)則會(huì)對(duì)最終的預(yù)警結(jié)果產(chǎn)生很大的影響，顯著降低預(yù)警的精度.因此，在實(shí)際應(yīng)用過程中，對(duì)算法流程進(jìn)行了一定的約束和優(yōu)化:

(1)最小支持度.支持度是項(xiàng)集在數(shù)據(jù)集中出現(xiàn)的概率，反映了數(shù)據(jù)項(xiàng)集的普遍規(guī)律.在數(shù)據(jù)挖掘過程中，要保證所分析出的規(guī)則和規(guī)律具有普遍性，因此需要對(duì)最小支持度進(jìn)行限制，這樣才能使得到的結(jié)果具有現(xiàn)實(shí)意義.

(2)最低置信度.置信度的大小代表了預(yù)測(cè)結(jié)果的準(zhǔn)確度，如果最低置信度設(shè)置得較小，會(huì)將準(zhǔn)確度較低的規(guī)則都納入到關(guān)聯(lián)規(guī)則中來(lái)，從而顯著降低預(yù)測(cè)的效果.同時(shí)，也會(huì)增加建模的硬件壓力和時(shí)間.

(3)后件約束.通常，算法中不對(duì)關(guān)聯(lián)規(guī)則的前件和后件屬性進(jìn)行約束.但是，在進(jìn)行高校學(xué)生成績(jī)預(yù)警的過程中，要求規(guī)則的后件必須為限定條件下的項(xiàng)集元素.也就是說，需要對(duì)預(yù)警規(guī)則的后件進(jìn)行一定的約束.約束后不僅能夠保證算法的正常運(yùn)行，還能將無(wú)效規(guī)則剔除，從而提高算法的運(yùn)行效率.

(4)順序約束.在關(guān)聯(lián)分析中，規(guī)則的前件和后件順序沒有固定的限制和要求.但是在學(xué)生成績(jī)預(yù)警時(shí)，后件課程需要發(fā)生在前件課程之后，這是課程大綱和業(yè)務(wù)需求所決定的.因此，在本文的算法設(shè)計(jì)過程中，需要加入前后件事件的時(shí)間順序約束.

本文設(shè)計(jì)的成績(jī)預(yù)警模型主要基于Apriori算法.通過算法分析和上述限制條件的約束，最終得到的規(guī)則和實(shí)際情況相比是比較符合的，可以把這些預(yù)警規(guī)則添加到規(guī)則庫(kù)內(nèi).Apriori算法得到的規(guī)則較多，但是有用的規(guī)則比例較低.本文經(jīng)過優(yōu)化后的算法能夠?qū)崿F(xiàn)定向的數(shù)據(jù)挖掘，在有約束的前提下獲取讓用戶更感興趣的知識(shí).算法描述如下所示:(其中:D1代表事務(wù)集，D2代表預(yù)警項(xiàng)集，L代表頻繁項(xiàng)集，C代表候選集，Rules代表預(yù)警規(guī)則集，seq代表項(xiàng)順序集，minsup代表最小支持度，minconf代表最小置信度)

Input:D1，minsup，minconf，D2，seq

Output:成績(jī)預(yù)警規(guī)則Rules

①初始化頻繁項(xiàng)集L1

②while(all Lk－1≠?)

a.產(chǎn)生新候選集Ck;

b.根據(jù)minsup分割Ck;

c.遍歷Ck中的全部候選項(xiàng)并對(duì)計(jì)數(shù);

d.選擇Ck中支持度大于minsup的集合作為L(zhǎng)k;

③end

④while(all Lk)

a.對(duì)于同時(shí)屬于L和D2的子集lk，要求lk滿足:x∈(Lk－lk)，y∈lk，有(x，y)∈seq;

b.while(all lk)

置信度=support(Lk)/support(Lk－lk);

if置信度≥minconf

Rules=Rules∪{(Lk－lk)→lk};

end

c.end

⑤end

3 預(yù)警模型的實(shí)現(xiàn)與應(yīng)用

隨著我國(guó)高校規(guī)模的迅速擴(kuò)大和學(xué)生數(shù)量的不斷增加，我國(guó)高等教育的發(fā)展水平取得了很大的進(jìn)步.隨著在校學(xué)生的增長(zhǎng)，高等院校的教育質(zhì)量和教學(xué)成果受到了廣泛的關(guān)注.通過高等院校的培養(yǎng)，大學(xué)生能否順利畢業(yè)，能否滿足就業(yè)的需求成為社會(huì)關(guān)注的焦點(diǎn).因此，高校教學(xué)工作要加強(qiáng)對(duì)學(xué)生學(xué)習(xí)水平的考核與管理，這樣才能保證學(xué)生學(xué)習(xí)的質(zhì)量和教師教學(xué)的效果.然而，由于我國(guó)高校的辦學(xué)方式主要是自主管理，所以課程的數(shù)量和種類變化很大，使得對(duì)高校學(xué)生的管理和培養(yǎng)更加困難，嚴(yán)重影響了大學(xué)生的發(fā)展［6］.

通過上文的介紹，預(yù)警規(guī)則模型能夠通過對(duì)教務(wù)系統(tǒng)數(shù)據(jù)庫(kù)成績(jī)數(shù)據(jù)的分析，挖掘數(shù)據(jù)中的潛在規(guī)律，建立成績(jī)預(yù)警知識(shí)庫(kù)，以輔助學(xué)校的教學(xué)管理和教務(wù)決策工作.這樣就能夠通過提前預(yù)警，幫助學(xué)生及早發(fā)現(xiàn)學(xué)習(xí)中的問題，進(jìn)而通過改正問題提高學(xué)習(xí)的質(zhì)量，另外也能夠幫助教師優(yōu)化教學(xué)流程，完善教學(xué)體系，提高高校教育的系統(tǒng)化、合理化、科學(xué)化.為了對(duì)預(yù)警規(guī)則的有效性進(jìn)行驗(yàn)證，需要將高校教務(wù)系統(tǒng)中的成績(jī)數(shù)據(jù)代入模型，通過預(yù)警模塊產(chǎn)生預(yù)警信息，然后通過對(duì)比預(yù)警信息與實(shí)際成績(jī)確定模型分析效果.

下文以某高校同一專業(yè)87位學(xué)生的23門專業(yè)課程成績(jī)?yōu)槔M(jìn)行數(shù)據(jù)建模，模型將學(xué)生在大一期間的課程作為項(xiàng)集前件，在大二期間的課程作為項(xiàng)集后件，目的是建立預(yù)警規(guī)則，通過學(xué)生大一課程的成績(jī)對(duì)其大二課程成績(jī)進(jìn)行判斷和預(yù)警.模型最小置信度為0.6，最小支持度為0.3，最終模型得到了30條預(yù)警規(guī)則.部分規(guī)則如表1所示:

表1 部分預(yù)警規(guī)則

表1列出了部分模型挖掘出的預(yù)警規(guī)則.例如，高等數(shù)學(xué)A2與概率論與數(shù)理統(tǒng)計(jì)A、線性代數(shù)A之間的關(guān)聯(lián)性較強(qiáng)，這幾門課程均屬于數(shù)學(xué)基礎(chǔ)課程，課程相互之間必然存在一定的關(guān)聯(lián).而且在大部分的課程培養(yǎng)方案中，高等數(shù)學(xué)通常作為最基礎(chǔ)的課程首先開設(shè).因此，當(dāng)學(xué)生出現(xiàn)“高等數(shù)學(xué)A2－不及格”的情況時(shí)，預(yù)警模型就會(huì)對(duì)后續(xù)的概率論與數(shù)理統(tǒng)計(jì)A和線性代數(shù)A進(jìn)行預(yù)警，讓學(xué)生提前引起重視，合理調(diào)整學(xué)習(xí)計(jì)劃，也讓教師在教學(xué)過程中能夠更多關(guān)注此類學(xué)生.

另外，高等數(shù)學(xué)A2與數(shù)字電子技術(shù)、大學(xué)外語(yǔ)Ⅲ之間也具有顯著的關(guān)聯(lián)性.這個(gè)規(guī)律在課程內(nèi)容上雖然不是很明顯，但卻是一條具有統(tǒng)計(jì)意義的規(guī)律，這些課程在學(xué)生的理解方式、學(xué)習(xí)方法方面可能具有相似的部分.相對(duì)于很多顯而易見的規(guī)則，這些看似不相關(guān)的規(guī)則更加重要，因?yàn)樗鼈兡軌驗(yàn)榻虅?wù)管理工作者和教師提供更多的信息和啟發(fā)，加深對(duì)學(xué)生、課程的理解，促進(jìn)教務(wù)工作摒棄以往根據(jù)主觀判斷進(jìn)行決策管理的方式，提高教務(wù)管理的系統(tǒng)性、科學(xué)性.

4 結(jié)束語(yǔ)

大數(shù)據(jù)對(duì)社會(huì)的進(jìn)步和變革起到了巨大的推動(dòng)作用，教育領(lǐng)域在大數(shù)據(jù)研究方面也遇到了前所未有的挑戰(zhàn)和機(jī)遇，如何充分利用大數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)化成促進(jìn)教學(xué)效果的知識(shí)和信息，幫助教務(wù)管理者和教師進(jìn)行教學(xué)決策、課程優(yōu)化等服務(wù)，是大數(shù)據(jù)時(shí)代教務(wù)工作者必須重視的問題.本文以數(shù)據(jù)挖掘理論和高校成績(jī)預(yù)警現(xiàn)狀為基礎(chǔ)，對(duì)高等院校成績(jī)預(yù)警算法進(jìn)行了設(shè)計(jì)和優(yōu)化，提出了一種基于關(guān)聯(lián)分析技術(shù)的預(yù)警機(jī)制，通過對(duì)某高校同一專業(yè)學(xué)生的成績(jī)進(jìn)行預(yù)警知識(shí)挖掘，獲得了預(yù)警規(guī)則集.根據(jù)預(yù)警規(guī)則集就可以形成預(yù)警信息，進(jìn)而指導(dǎo)教務(wù)管理工作者、教師和學(xué)生作出合理的決策，提高學(xué)習(xí)的質(zhì)量和效果.

［1］張慶利，李文斐.淺談提高本科教學(xué)質(zhì)量［J］.高教探索，2003，19(1):27.

［2］柳炳祥.基于數(shù)據(jù)挖掘的危機(jī)管理及其預(yù)警方法研究［D］.南京:東南大學(xué)，2003.

［3］羅堯成，陳敬良，姚儉.我國(guó)高校課程與教學(xué)改革三十年:歷程、經(jīng)驗(yàn)與瞻望［J］.中國(guó)高教研究，2009，24(2):11－14.

［4］Agrawal R，Imielinskia T，Swami A.Mining Association Rules between Sets of Items in Large Databases［C］.Acm Sigmod Record.Washington D.C，1993:207－216.

［5］盧炎生，楊芬，趙棟.帶單調(diào)約束的關(guān)聯(lián)規(guī)則挖掘［J］.計(jì)算機(jī)工程，2004，30(15):78－80.

［6］胡華平，張怡，陳海濤，等.面向大規(guī)模網(wǎng)絡(luò)的入侵檢測(cè)與預(yù)警系統(tǒng)研究［J］.國(guó)防科技大學(xué)學(xué)報(bào)，2003，25(1):21－25.

(責(zé)任編輯:王前)

圖6 提示信息

綜上所述，我們可以從Word文檔中要轉(zhuǎn)換為演示文稿中第一張幻燈片標(biāo)題文字的段落開始，將該段落之前不需要轉(zhuǎn)換的文字刪除，同時(shí)將該段落及其下面要轉(zhuǎn)換為演示文稿中各張幻燈片標(biāo)題文字的各段文字都設(shè)置成“標(biāo)題1”樣式，把要轉(zhuǎn)換為幻燈片的1級(jí)文本、2級(jí)文本、3級(jí)文本等的各段文字設(shè)置成“標(biāo)題2”“標(biāo)題3”“標(biāo)題4”等樣式，并放置在對(duì)應(yīng)的已設(shè)置成“標(biāo)題1”樣式文字段落的下面，然后進(jìn)行轉(zhuǎn)換就可以了.

參考文獻(xiàn):

［1］孫偉.計(jì)算機(jī)應(yīng)用基礎(chǔ)Win 7+Office 2010［M］.北京:化學(xué)工業(yè)出版社，2015.

［2］王杰.PPT轉(zhuǎn)Word三妙招［J］.電腦知識(shí)與技術(shù)，2014(04).

［2］何勇.親密無(wú)間——Word2000與其他Office程序間的合作［J］.電腦技術(shù)，2001(02).

(責(zé)任編輯:岳朋)

TP274

1008－7974(2016)06－0075－04

10.13877/j.cnki.cn22－1284.2016.12.024

2016－08－09

吉林省教育科學(xué)“十三五”規(guī)劃課題(ZD16022)

崔薛騰，男，吉林長(zhǎng)春人，教師.