基于密度聚類算法的學(xué)情數(shù)據(jù)可視化分析研究

嚴(yán) 志

（長(zhǎng)沙民政職業(yè)技術(shù)學(xué)院軟件學(xué)院，長(zhǎng)沙 410000）

0 引言

隨著高校數(shù)字化建設(shè)及信息化管理時(shí)代的到來(lái)，傳統(tǒng)教育模式及教育方法在新技術(shù)的沖擊下正在發(fā)生悄然變革，探索從海量教育數(shù)據(jù)中挖掘?qū)W生學(xué)習(xí)規(guī)律和學(xué)習(xí)方式，讓真實(shí)的教學(xué)數(shù)據(jù)幫助教師實(shí)現(xiàn)教學(xué)工作方式轉(zhuǎn)變，讓管理者主動(dòng)把握學(xué)生的行為特點(diǎn)和規(guī)律，讓教學(xué)與管理實(shí)現(xiàn)科學(xué)化、智能化、精準(zhǔn)化與個(gè)性化。

傳統(tǒng)的高校教育教學(xué)工作中，對(duì)學(xué)生學(xué)習(xí)生活狀態(tài)的把控和判斷主要依賴相關(guān)授課老師或輔導(dǎo)員的經(jīng)驗(yàn)和主觀判斷，隨著高校信息化建設(shè)的發(fā)展，各類信息系統(tǒng)的運(yùn)用為大數(shù)據(jù)技術(shù)分析高校學(xué)生的學(xué)習(xí)生活規(guī)律提供了數(shù)據(jù)基礎(chǔ)，同時(shí)也為創(chuàng)新高校教育教學(xué)工作提供了可能性。沈貴慶利用大數(shù)據(jù)平臺(tái)對(duì)學(xué)生學(xué)習(xí)行為數(shù)據(jù)進(jìn)行存儲(chǔ)，采用數(shù)據(jù)挖掘算法和云計(jì)算技術(shù)獲取學(xué)生學(xué)習(xí)隱形行為。王改花等采用數(shù)據(jù)挖掘工具對(duì)網(wǎng)絡(luò)學(xué)習(xí)者進(jìn)行聚類分析，將學(xué)生群體分為4類，得出學(xué)習(xí)行為與學(xué)習(xí)效果密切相關(guān)；胡學(xué)鋼等通過(guò)認(rèn)知跟蹤模型分析學(xué)生作答習(xí)題的得分表現(xiàn)，追蹤學(xué)生隨時(shí)間變化的認(rèn)知狀態(tài)，從而預(yù)測(cè)學(xué)生在未來(lái)時(shí)間的作答表現(xiàn)。張進(jìn)良等以在線教育平臺(tái)為載體構(gòu)建智能化學(xué)習(xí)環(huán)境，建立以數(shù)據(jù)支持的在線學(xué)習(xí)行為研究，通過(guò)對(duì)學(xué)習(xí)行為數(shù)據(jù)的挖掘與分析，促進(jìn)學(xué)生自主反思、自主發(fā)現(xiàn)問(wèn)題，為學(xué)習(xí)者提供個(gè)性化學(xué)習(xí)服務(wù)。徐蕾等梳理歸納了國(guó)內(nèi)外教育大數(shù)據(jù)在服務(wù)教師教學(xué)、輔助學(xué)生學(xué)習(xí)、優(yōu)化高層決策、協(xié)助學(xué)校管理等方面的研究現(xiàn)狀，提出了教育大數(shù)據(jù)在實(shí)時(shí)統(tǒng)籌學(xué)生動(dòng)態(tài)發(fā)展、優(yōu)化教師教學(xué)質(zhì)量、動(dòng)態(tài)規(guī)劃資源分配、高校智能決策四方面的技術(shù)路徑選擇。目前，美國(guó)教育部門構(gòu)建“學(xué)習(xí)分析系統(tǒng)”，通過(guò)數(shù)據(jù)驅(qū)動(dòng)學(xué)校，分析變革教育，幫助預(yù)測(cè)學(xué)生未來(lái)的學(xué)習(xí)行為，為教育工作者提供更多、更好、更精確的信息。澳大利亞臥龍崗大學(xué)開(kāi)發(fā)了社會(huì)網(wǎng)絡(luò)可視化工具，構(gòu)建在校大學(xué)生日常學(xué)習(xí)行為分析系統(tǒng)。

教育大數(shù)據(jù)的研究對(duì)象包括教育管理者、教師、學(xué)生和家長(zhǎng)，其本質(zhì)還是改善管理效率，優(yōu)化教師教學(xué)方法以及提高學(xué)生成績(jī)。通過(guò)學(xué)生學(xué)習(xí)生活中一系列重要的信息，使用大數(shù)據(jù)分析和可視化手段將其完整地呈現(xiàn)出來(lái)，為評(píng)優(yōu)評(píng)先、教學(xué)質(zhì)量提升及貧困生鑒別等提供服務(wù)，優(yōu)化高校決策機(jī)構(gòu)與教師對(duì)教育資源的配置，進(jìn)一步提升教師的教學(xué)質(zhì)量與學(xué)生的成長(zhǎng)環(huán)境。教育大數(shù)據(jù)使得教學(xué)信息在高校決策者、教師、學(xué)生與家長(zhǎng)之間完整無(wú)阻地流動(dòng)，讓教學(xué)效果變得可見(jiàn)，讓決策過(guò)程有據(jù)可依，其對(duì)教學(xué)質(zhì)量提升具有重大的意義。本文以教育數(shù)據(jù)為依托，構(gòu)建教育可視化分析系統(tǒng)，通過(guò)密度聚類算法分析學(xué)情與考勤、學(xué)情穩(wěn)定性，挖掘教育規(guī)律，為信息化決策提供依據(jù)。

1 學(xué)情分析系統(tǒng)架構(gòu)設(shè)計(jì)

學(xué)情分析系統(tǒng)的主要原理是：將MOOC課程資源數(shù)據(jù)、第三方網(wǎng)絡(luò)數(shù)據(jù)源搜集整理，數(shù)據(jù)經(jīng)整理后以規(guī)范化的數(shù)據(jù)保存到關(guān)系數(shù)據(jù)庫(kù)或文件中，對(duì)要研究的數(shù)據(jù)進(jìn)行聚類分析，再使用可視化框架工具如echarts等以圖形方式展示，系統(tǒng)的核心框架如圖1所示。

圖1 系統(tǒng)框架

在圖1所示框架中，將第三方數(shù)據(jù)和MOOC數(shù)據(jù)爬取存儲(chǔ)到關(guān)系數(shù)據(jù)庫(kù)中，然后通過(guò)SQL語(yǔ)句對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，形成數(shù)據(jù)匯總分析，然后再執(zhí)行聚類算法分析，形成規(guī)范化的可視化數(shù)據(jù)，并將結(jié)果顯示到Web前端，系統(tǒng)用戶通過(guò)可視化系統(tǒng)查看數(shù)據(jù)分析結(jié)果，方便用戶查看學(xué)情效果。

以普通教師為例，通過(guò)數(shù)據(jù)可視化系統(tǒng)可以查看所在班級(jí)的成績(jī)、學(xué)習(xí)幫扶推薦、班級(jí)消費(fèi)、班級(jí)考勤，其主要功能如圖2所示。

圖2 教學(xué)管理框架

2 數(shù)據(jù)源模型

本文采用線上資源課程數(shù)據(jù)結(jié)合第三方數(shù)據(jù)源作為本系統(tǒng)的數(shù)據(jù)源模型，搜集整理后的數(shù)據(jù)表格包含文章表、成績(jī)表、學(xué)生表、教師表、考勤表、考勤類別表、消費(fèi)記錄表等數(shù)據(jù)。物理表模型如圖3所示。

圖3 物理表模型

3 DBSCAN聚類算法

給定集合，包含了個(gè)對(duì)象={,,,…,X},其中每個(gè)對(duì)象包含個(gè)維度屬性，DBSCAN算法基于一組“鄰域”參數(shù)（,MinPts）來(lái)刻畫(huà)樣本分布的緊密程度。

●-鄰域：對(duì)X∈，其-鄰域包含樣本集中與X的距離不大于的樣本，即(X)={X∈|dist(X,X)≤}，其中距離函數(shù)dis（t）是歐式距離。

●核心對(duì)象（core-object）：若X的-鄰域至少包含個(gè)樣本，即||(X)≥，則稱是一個(gè)核心對(duì)象。

●密度直達(dá)（directly density-reachable）：若X位于X的-鄰域中，且X是核心對(duì)象，則稱X由X密度直達(dá)。

●密度可達(dá)（density-reachable）：對(duì)X與X，若存在樣本序列,,,…,p,其中=X,p=X,且p由p密度直達(dá)，則稱X由X密度直達(dá)。

●密度相連（density-connected）：對(duì)X與X，若存在X使得X與X均由X密度可達(dá)，則稱X與X密度相連。

如圖4所示，設(shè)定=3，虛線代表-鄰域，則是核心對(duì)象，由密度直達(dá)，由密度可達(dá)，與密度相連。

圖4 DBSCAN聚類關(guān)系

DBSCAN算法在數(shù)據(jù)集中任選一個(gè)核心對(duì)象為種子，由該節(jié)點(diǎn)計(jì)算密度可達(dá)生成的聚類簇，遍歷數(shù)據(jù)集中所有核心對(duì)象形成最終聚類簇。該算法具體過(guò)程如下所示：

輸入：樣本集D={,,,...,x}

鄰域參數(shù)（，）

過(guò)程：

1：初始化核心對(duì)象集合：Ω=?

2：for j=1,2,…,do

4 學(xué)情相關(guān)性分析

4.1 學(xué)情與考勤的關(guān)系

通過(guò)考勤表t_kq、學(xué)生表t_student和成績(jī)表t_chengji三個(gè)表之間的關(guān)系，查找出學(xué)習(xí)成績(jī)與學(xué)生考勤之間的關(guān)系，形成考勤成績(jī)?cè)M模型:

x={_,_,_,_}；其中：考勤學(xué)生學(xué)號(hào)，：考勤方式，：考核課程平均分，：個(gè)人考試成績(jī)。

將考勤數(shù)據(jù)形成樣本集D={x,x,…,x}輸入到DBSCAN密度查詢算法進(jìn)行聚類分析得到圖5所示結(jié)果。其中縱軸0代表平均成績(jī)，橫軸代表遲到次數(shù)。通過(guò)考勤次數(shù)與學(xué)科成績(jī)的聚類關(guān)系得出，成績(jī)較好的學(xué)生考勤數(shù)據(jù)較好。

圖5 考勤次數(shù)與成績(jī)分布

圖6給出了考勤數(shù)據(jù)與學(xué)生成績(jī)的比例，從中可以看出遲到次數(shù)較少的優(yōu)等生比例較高，遲到次數(shù)達(dá)到20次以上差等生的比例接近100%。

圖6 考勤與成績(jī)優(yōu)劣關(guān)系

4.2 成績(jī)穩(wěn)定性探究

通過(guò)研究成績(jī)表的各科課程平均成績(jī)和個(gè)人標(biāo)準(zhǔn)差成績(jī)，對(duì)學(xué)生成績(jī)的穩(wěn)定性進(jìn)行探究。

選擇數(shù)據(jù)元組

x={_,_,_,_}，其中：課程編號(hào)，：課程平均成績(jī)，：課程個(gè)人成績(jī)，：學(xué)科成績(jī)標(biāo)準(zhǔn)差。

采用DBSCAN算法進(jìn)行分析得到學(xué)生學(xué)科成績(jī)的穩(wěn)定性，如圖7所示。標(biāo)準(zhǔn)差接近20的為非穩(wěn)定成績(jī)?nèi)后w，標(biāo)準(zhǔn)差在10以內(nèi)的群體為學(xué)習(xí)成績(jī)穩(wěn)定群體。

圖7 學(xué)生學(xué)科成績(jī)穩(wěn)定性分析

5 結(jié)語(yǔ)

本系統(tǒng)采用前端可視化框架，數(shù)據(jù)分析使用密度DBSCAN聚類算法，數(shù)據(jù)源基于在線課程和第三方數(shù)據(jù)結(jié)合而成。通過(guò)分析系統(tǒng)架構(gòu)及聚類算法的原理，挖掘分析成績(jī)與考勤的關(guān)系、學(xué)生的成績(jī)穩(wěn)定性，為大數(shù)據(jù)學(xué)情分析提供了案例。由于統(tǒng)計(jì)的數(shù)據(jù)不夠精細(xì)，以上分析不一定代表實(shí)際的結(jié)果，為使大數(shù)據(jù)更加精準(zhǔn)地為教學(xué)服務(wù)，需要充分記錄詳盡數(shù)據(jù)，分析比較各類算法，得到更精準(zhǔn)的分析結(jié)果，為服務(wù)學(xué)校管理提供幫助。