基于數(shù)據(jù)挖掘的學(xué)生學(xué)業(yè)預(yù)警研究

邱鑫儀　沈良忠

摘要：隨著高等教育的大眾化，做好教學(xué)質(zhì)量管理成為高校普遍面臨的重大課題。通過高校學(xué)生的學(xué)業(yè)預(yù)警制度能夠調(diào)動(dòng)學(xué)生主動(dòng)學(xué)習(xí)，提高教學(xué)質(zhì)量。該文針對(duì)我校信息工程學(xué)院2016、2017屆學(xué)生的學(xué)習(xí)成績，通過統(tǒng)計(jì)分析和分類分析深入挖掘影響學(xué)生預(yù)警的相關(guān)課程，為高校及時(shí)的做好學(xué)業(yè)預(yù)警管理工作提供支持，提醒學(xué)生更好地準(zhǔn)備課程考試。

關(guān)鍵詞：數(shù)據(jù)挖掘；預(yù)警；統(tǒng)計(jì)分析；決策樹；Weka

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）36-0226-02

Abstract： With the popularization of higher education， the teaching quality management has become a major issue faced by the universities. Through the early warning mechanism toward university students， we can mobilize the positivity of the students and improve teaching quality. Based on the score data of 2016 and 2017 students in school of information engineering， this paper mines the courses related to the students early warning by means of statistical analysis and classification analysis， which provides support for the work of early warning and reminds the students to better prepare for the course exams.

Key words： Data mining； Early warning； Statistic Analysis； Decision tree； Weka

1 概述

自從1999年高校開始實(shí)施連續(xù)擴(kuò)招政策以來，高校的學(xué)生在數(shù)量明顯增加的同時(shí)生源質(zhì)量也開始逐步下降，使得高校的學(xué)生管理和教學(xué)管理工作難度加大，針對(duì)這一現(xiàn)象各高校都適時(shí)地推出了學(xué)業(yè)預(yù)警制度，以期提高學(xué)生學(xué)習(xí)的主動(dòng)性，同時(shí)降低教學(xué)管理的復(fù)雜性。2012年，我校教務(wù)處通過數(shù)據(jù)統(tǒng)計(jì)發(fā)現(xiàn)，近三年出于各種原因不能按時(shí)畢業(yè)的學(xué)生人數(shù)呈現(xiàn)上升趨勢(shì)，因此在當(dāng)年就擬定并發(fā)布了學(xué)業(yè)預(yù)警制度，每學(xué)期末都會(huì)啟動(dòng)學(xué)業(yè)預(yù)警工作，及時(shí)對(duì)學(xué)習(xí)存在困難或者故意曠課的學(xué)生予以提醒，甚至告知其家長，較好的達(dá)到了預(yù)期的效果。當(dāng)前，信息技術(shù)的發(fā)展使得教學(xué)管理的信息化逐漸完善，各高?；窘⒘俗约旱慕虅?wù)系統(tǒng)，基本實(shí)現(xiàn)學(xué)生成績的電子化管理，但是對(duì)于系統(tǒng)中學(xué)生成績等數(shù)據(jù)的深度利用工作還處于起步階段。因此，如何通過這些數(shù)據(jù)挖掘出可能潛在的價(jià)值，對(duì)教學(xué)管理工作具有重要的參考意義，不少學(xué)者針對(duì)學(xué)生學(xué)業(yè)預(yù)警進(jìn)行了相關(guān)研究。

王凱成運(yùn)用4種數(shù)據(jù)挖掘算法對(duì)在讀學(xué)生進(jìn)行績點(diǎn)預(yù)測(cè)，從而根據(jù)學(xué)生的學(xué)業(yè)表現(xiàn)預(yù)先獲知其畢業(yè)時(shí)的平均績點(diǎn)情況[1]。陳衡利用數(shù)據(jù)挖掘技術(shù)，針對(duì)成績預(yù)警設(shè)計(jì)了三種模型，使學(xué)業(yè)預(yù)警更具實(shí)用性和有效性[2]。宮鋒將數(shù)據(jù)挖掘技術(shù)應(yīng)用于學(xué)生“學(xué)業(yè)預(yù)警”，對(duì)高校學(xué)生的學(xué)籍信息數(shù)據(jù)和學(xué)生日常表現(xiàn)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，分析出學(xué)生預(yù)警的影響因素并建立相應(yīng)學(xué)生學(xué)業(yè)預(yù)警的決策樹，為教學(xué)管理、學(xué)生管理提供數(shù)據(jù)支持[3]。朱東星通過應(yīng)用關(guān)聯(lián)規(guī)則Apriori算法發(fā)現(xiàn)各科成績與學(xué)生能否順利畢業(yè)之間的內(nèi)在關(guān)聯(lián)，為學(xué)校的教務(wù)管理工作提供了支持[4]。

本文以我校信息工程學(xué)院的學(xué)生成績數(shù)據(jù)為例，通過統(tǒng)計(jì)分析以及數(shù)據(jù)挖掘方法對(duì)學(xué)生的成績進(jìn)行研究，獲取學(xué)生預(yù)警工作的轉(zhuǎn)化關(guān)系，并在此基礎(chǔ)上分析預(yù)警學(xué)生共有的特征，挖掘其中隱藏的規(guī)律。

2 數(shù)據(jù)準(zhǔn)備及統(tǒng)計(jì)分析

2.1 數(shù)據(jù)準(zhǔn)備

我校目前依然實(shí)行學(xué)年學(xué)分制，每一位學(xué)生都必須修得規(guī)定的學(xué)分才能畢業(yè)。如果學(xué)期中，某門課程沒有通過就無法獲得相應(yīng)的學(xué)分。按照學(xué)校預(yù)警文件的規(guī)定，不及格學(xué)分超過每學(xué)期總學(xué)分的30%就要實(shí)施學(xué)業(yè)預(yù)警，學(xué)業(yè)預(yù)警在第二學(xué)期期初補(bǔ)考考試完成之后啟動(dòng)，補(bǔ)考通過的課程將不再記錄。本文以信息工程學(xué)院2016、2017屆學(xué)生為例，課程成績數(shù)據(jù)只包括大一到大三的6個(gè)學(xué)期。學(xué)生成績從學(xué)校教務(wù)系統(tǒng)導(dǎo)出，針對(duì)部分同學(xué)的成績?nèi)笔闆r進(jìn)行記錄刪除，最后保留199條2016屆學(xué)生、192條2017屆學(xué)生成績，同時(shí)通過對(duì)學(xué)生成績的分析，刪除相關(guān)的選修課程保留必修課程，主要由公共基礎(chǔ)必修課和專業(yè)必修課、學(xué)科基礎(chǔ)課組成，從中匯總預(yù)警學(xué)生的基本成績數(shù)據(jù)，包括學(xué)號(hào)、姓名、預(yù)警門數(shù)、預(yù)警專業(yè)、預(yù)警班級(jí)，相關(guān)的預(yù)警學(xué)生成績數(shù)據(jù)結(jié)構(gòu)如表1所示：

2.2 統(tǒng)計(jì)分析

統(tǒng)計(jì)分析作為統(tǒng)計(jì)學(xué)當(dāng)中的一種常用的科學(xué)方法，被廣泛地運(yùn)用于各個(gè)領(lǐng)域，起著信息功能、咨詢功能、監(jiān)督功能、輔助決策功能的作用[5]。此處以2017屆學(xué)生為例，通過對(duì)2017屆信息工程學(xué)院各專業(yè)預(yù)警學(xué)生成績的分析得出信息工程學(xué)院中預(yù)警學(xué)生主要出現(xiàn)在電氣專業(yè)和計(jì)算機(jī)專業(yè)，而電子專業(yè)信管專業(yè)較少，如圖1所示：

通過匯總發(fā)現(xiàn)，預(yù)警人數(shù)最多的學(xué)生集中在大一下學(xué)期，有22個(gè)人，在大二上學(xué)期有9個(gè)人出現(xiàn)預(yù)警，了解到從大一下學(xué)期開始，學(xué)生的課程數(shù)目增多、難度加深、專業(yè)性加強(qiáng)，學(xué)生難以適應(yīng)，可以通過合理的教學(xué)安排適當(dāng)減少課程數(shù)目、降低課程難度。通過匯總發(fā)現(xiàn)，2016屆的學(xué)生存在同樣的情況。大一下學(xué)期開始出現(xiàn)大量學(xué)業(yè)問題，但是后續(xù)隨著學(xué)生適應(yīng)能力的逐漸加強(qiáng)以及學(xué)校啟動(dòng)學(xué)業(yè)預(yù)警管理工作，幫助預(yù)警的學(xué)生通過補(bǔ)考等措施再次獲得學(xué)分，使得總體預(yù)警學(xué)生的人數(shù)下降，效果明顯。由此可見，高校對(duì)學(xué)生的預(yù)警工作應(yīng)主要放在大一下和大二年級(jí)，可以通過減少課程難易程度、改進(jìn)課程教學(xué)方法來降低預(yù)警學(xué)生的數(shù)量，同時(shí)預(yù)防大三年級(jí)學(xué)生的預(yù)警狀況，以此保證大部分學(xué)生在大四畢業(yè)設(shè)計(jì)和實(shí)習(xí)之前能夠順利獲得相應(yīng)學(xué)分保證畢業(yè)。endprint

進(jìn)一步對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)化率、新增率等的計(jì)算發(fā)現(xiàn)，通過學(xué)校的及時(shí)預(yù)警大一下學(xué)期到大二上學(xué)期有72.73%的預(yù)警學(xué)生轉(zhuǎn)化為正常學(xué)生，新增率從100%降低到33.33%，改善預(yù)警學(xué)生工作的措施發(fā)揮效用，趨勢(shì)明顯下降；大二上學(xué)期到大二下學(xué)期有88.89%的預(yù)警學(xué)生轉(zhuǎn)化為正常學(xué)生，新增率由33.33%下降到0%，在轉(zhuǎn)化預(yù)警學(xué)生的同時(shí)有效預(yù)防預(yù)警學(xué)生，大二下學(xué)期的預(yù)警人數(shù)沒有增加。大二下學(xué)期到大三上學(xué)期，新增率增加到50%，轉(zhuǎn)化率從88.89%到0%，可見針對(duì)轉(zhuǎn)化預(yù)警學(xué)生的有效措施在大三上學(xué)期的效果最為明顯，由于大三上學(xué)期開始，教學(xué)課程任務(wù)慢慢減負(fù)，部分學(xué)生對(duì)待學(xué)業(yè)有所松懈導(dǎo)致在大三上學(xué)期又出現(xiàn)了預(yù)警學(xué)生。具體的轉(zhuǎn)換指標(biāo)如圖2所示。

由上可以發(fā)現(xiàn)，在大一下學(xué)期開始出現(xiàn)預(yù)警學(xué)生到大二下學(xué)期為止，轉(zhuǎn)化預(yù)警學(xué)生和預(yù)防預(yù)警學(xué)生出現(xiàn)的工作做得卓有成效，雖然總體趨勢(shì)轉(zhuǎn)好，但是在大三和大四學(xué)期還是應(yīng)該重點(diǎn)關(guān)注以往的預(yù)警學(xué)生，防止相關(guān)課程再次出現(xiàn)不及格，影響學(xué)生畢業(yè)。

3 數(shù)據(jù)挖掘過程

3.1 決策樹的構(gòu)成

數(shù)據(jù)挖掘就是從大量的、不完整的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的，但又潛在有用的信息和知識(shí)的過程。

本文采取數(shù)據(jù)挖掘任務(wù)中的分類分析，由于決策樹的 ID3 算法只能處理離散化的數(shù)據(jù)[6]，所以要對(duì)成績數(shù)據(jù)進(jìn)行離散化的處理，為了使數(shù)據(jù)挖掘更好地運(yùn)用，選取預(yù)警學(xué)生最多的課程，主要集中在大學(xué)計(jì)算機(jī)、大學(xué)英語、高等數(shù)學(xué)這三類課程，根據(jù)每類課程是否拿到學(xué)分設(shè)為和“N”和“Y”，將該學(xué)生“是否預(yù)警”也設(shè)為“N”和 “Y”。需要說明的是，由于大學(xué)英語包括大學(xué)英語（一）到大學(xué)英語（四）的四門課程，所以只要有一門不通過，就將大學(xué)英語設(shè)為“N”，高等數(shù)學(xué)也是類似。經(jīng)過數(shù)據(jù)處理，最終的以表2呈現(xiàn)：

3.2 基于決策樹的分析

本文利用 Weka 軟件中決策樹 ID3 算法進(jìn)行決策樹分析，根據(jù)分類結(jié)果為“Y”或“N”提取分類規(guī)則。提取的部分代表性分類規(guī)則如表3所示：

由表3可知，信息工程學(xué)院是否預(yù)警的決策樹的根結(jié)點(diǎn)都為高等數(shù)學(xué)，這說明高等數(shù)學(xué)在大學(xué)期間的重要性，其次是大學(xué)英語、大學(xué)計(jì)算機(jī)。因此，在高等數(shù)學(xué)未通過拿不到學(xué)分而受到預(yù)警的學(xué)生要在大學(xué)期間針對(duì)高等數(shù)學(xué)要好好地進(jìn)行學(xué)習(xí)，在以后的補(bǔ)考、重修中通過，對(duì)于信息工程學(xué)院即將上高等數(shù)學(xué)的學(xué)生而言，可以事先進(jìn)行預(yù)習(xí)，制定一些針對(duì)高等數(shù)學(xué)的學(xué)習(xí)計(jì)劃或者對(duì)高等數(shù)學(xué)等課程開展分層分類教學(xué)、另外開設(shè)課程加強(qiáng)班等舉措。

4 結(jié)束語

本文以信息工程學(xué)院2016、2017屆學(xué)生現(xiàn)有的學(xué)習(xí)情況，運(yùn)用統(tǒng)計(jì)、分類分析挖掘數(shù)據(jù)背后隱藏的規(guī)則，學(xué)業(yè)預(yù)警體現(xiàn)了“以學(xué)生為本”和全員育人的教育理念，針對(duì)不同學(xué)生的學(xué)業(yè)預(yù)警信息，可以有效監(jiān)控學(xué)生學(xué)習(xí)狀態(tài)，及時(shí)糾正不良學(xué)習(xí)行為習(xí)慣，對(duì)預(yù)警學(xué)生的學(xué)習(xí)狀況進(jìn)行針對(duì)性的管理、引導(dǎo)，提高高校學(xué)生的培養(yǎng)質(zhì)量，減輕高校教師的工作壓力。

參考文獻(xiàn)：

[1] 王凱成. 基于數(shù)據(jù)挖掘的大學(xué)生學(xué)業(yè)預(yù)警研究[D]. 上海師范大學(xué)， 2012.

[2] 陳衡. 基于數(shù)據(jù)挖掘的高校學(xué)生成績預(yù)警模型研究[J]. 科學(xué)大眾：科學(xué)教育， 2017（5）：144-144.

[3] 宮鋒. 數(shù)據(jù)挖掘在高校學(xué)生學(xué)業(yè)預(yù)警中的應(yīng)用[J]. 電子技術(shù)與軟件工程， 2017（4）：202-203.

[4] 朱東星， 沈良忠. 關(guān)聯(lián)規(guī)則在高校學(xué)業(yè)預(yù)警中的應(yīng)用研究[J]. 電腦知識(shí)與技術(shù)， 2017， 13（23）.

[5] 劉桂榮. 基于數(shù)據(jù)挖掘的（預(yù)警）學(xué)生狀況分析及應(yīng)用[D]. 武漢科技大學(xué)， 2009.

[6] 曾水光. 基于數(shù)據(jù)挖掘的河北省高考數(shù)據(jù)分析研究[D]. 河北師范大學(xué)， 2013.endprint