鐘志強

（鞍山師范學(xué)院物理科學(xué)與技術(shù)學(xué)院，遼寧 鞍山 114007）

影響青少年機器人學(xué)習(xí)效果客觀因素的關(guān)聯(lián)分析*
——以遼寧省沈陽、大連、鞍山三市青少年機器人學(xué)員為例

鐘志強

（鞍山師范學(xué)院物理科學(xué)與技術(shù)學(xué)院，遼寧 鞍山 114007）

文章依據(jù)數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)分析方法，使用R語言對影響青少年機器人學(xué)習(xí)效果的客觀因素進行了分析。分析結(jié)果表明：在是否獲得獎項作為學(xué)習(xí)效果劃分標(biāo)準(zhǔn)下，機器人學(xué)習(xí)時間是檢驗其學(xué)習(xí)成果的關(guān)鍵規(guī)則。

機器人學(xué)習(xí);關(guān)聯(lián)分析；學(xué)習(xí)客觀因素

一、引言

2003年教育部頒布的高中技術(shù)課程標(biāo)準(zhǔn)中,把“人工智能初步”和“簡易機器人制作”設(shè)為技術(shù)領(lǐng)域的選修模塊,意味著我國的人工智能和機器人教育在大眾化、普及化層面上進入了一個新階段。[1]國內(nèi)教育專家和學(xué)者們都認(rèn)識到：以機器人技術(shù)為代表的人工智能技術(shù)是信息技術(shù)發(fā)展的一次重大飛躍，信息技術(shù)教育未來發(fā)展的趨勢必然是向智能機器人教育轉(zhuǎn)移。人工智能機器人教學(xué)集中承載著中小學(xué)信息技術(shù)教育的諸多核心價值，是全面培養(yǎng)學(xué)生信息素質(zhì)、提高其創(chuàng)新精神和綜合實踐能力的良好載體。[2]

截至2013年，青少年機器人教育仍以校外培訓(xùn)班和校內(nèi)課后班為主，機器人教育還沒有真正走進課堂。但據(jù)不完全統(tǒng)計，十年中遼寧省沈陽、大連、鞍山等市中小學(xué)校學(xué)生參加學(xué)習(xí)人數(shù)累計4萬余人，在國際、國內(nèi)（省級以上）比賽中相繼獲得不菲成績（累計1000以上獎項）。在熱情高漲的青少年機器人教育背后，不乏企業(yè)和培訓(xùn)機構(gòu)的逐利動機，也不乏家長在子女教育問題上對輿論導(dǎo)向的盲從心理。如何分析機器人對青少年身心成長的影響是該領(lǐng)域必需正視的問題。由于信息素質(zhì)、創(chuàng)新精神和綜合實踐能力衡量困難，機器人的比賽和獲獎尤其是國際獎項就成為當(dāng)前最好衡量標(biāo)準(zhǔn)。為驗證影響機器人學(xué)習(xí)效果的因素，我們將影響學(xué)習(xí)效果因素按主客觀劃分，將主觀因素分為學(xué)習(xí)的興趣與知識水平（認(rèn)知結(jié)構(gòu)），學(xué)習(xí)過程中解決問題的學(xué)習(xí)能力或克服困難的堅韌力。其中青少年學(xué)習(xí)興趣廣泛，而知識水平，學(xué)習(xí)能力和堅韌性是相對有限的。因而客觀因素的分析就顯得更加重要。影響學(xué)習(xí)的客觀因素種類較多，對學(xué)習(xí)過程也有重要影響。本文利用數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)分析方法對影響青少年機器人學(xué)習(xí)成果的客觀因素進行分析。

二、關(guān)聯(lián)分析

關(guān)聯(lián)分析（association analysis）是數(shù)據(jù)挖掘中一個重要的課題，被廣泛研究。關(guān)聯(lián)分析是在大量數(shù)據(jù)集中的發(fā)現(xiàn)關(guān)聯(lián)性或相關(guān)性，描述事物中某些屬性同時出現(xiàn)的規(guī)律和模式。[3]關(guān)聯(lián)分析與統(tǒng)計學(xué)中的相關(guān)分析均討論事物間的相互關(guān)聯(lián)。相關(guān)分析主要刻畫兩類平行關(guān)系變量間相關(guān)程度，是揭示不確定性的隨機現(xiàn)象之統(tǒng)計規(guī)律的學(xué)科,因此對于因素間具有不確定性的系統(tǒng),既可應(yīng)用相關(guān)分析,也可應(yīng)用關(guān)聯(lián)分析。還有關(guān)聯(lián)分析主要處理二分變量,并對其出現(xiàn)的頻率進行分析，這一點區(qū)別于數(shù)據(jù)挖掘中的決策樹分析。當(dāng)然關(guān)聯(lián)分析也可以對連續(xù)的變量進行離散化后分析。[4]在關(guān)聯(lián)分析中每一個觀測稱為事務(wù)或交易 （transaction）,數(shù)據(jù)集合稱為項集（item），一個集包含k個項，則稱為k項集。[5]用X表示一個項目 (前項或左項)，Y表示與X沒有交集的另一個項目（后項或右項），蘊涵式X≥Y表示X,Y同時出現(xiàn)的規(guī)則（rule）。X≥Y的支持度（support）：表示前項和后項在整個數(shù)據(jù)集中同時出現(xiàn)的頻率，σ（Z）表示事務(wù)集Z的頻數(shù)，TX，TY分別表示含有X和Y的事務(wù)集。supp(X≥Y)；置信度(confidence)：支持度與前項頻率之比；提升（lift）：置信度與后項頻率之比。關(guān)聯(lián)分析代表性算法有：先驗（Apriori）算法，頻繁模式樹（frequent pattern-growth，F(xiàn)P-growth）算法（R語言目前不支持）及頻繁項集(Eclat)算法。[6]

三、數(shù)據(jù)說明

影響青少年機器學(xué)習(xí)效果客觀因素分析數(shù)據(jù)來源于整理后的近五年里遼寧省內(nèi)沈陽、大連、鞍山三城市352名機器人學(xué)員1100筆記錄 （含個人幾年內(nèi)連續(xù)記錄），如表1。變量包括：學(xué)員性別（gender:female,male）；機器人學(xué)習(xí)時間（time:1-6年）；機器人學(xué)習(xí)課堂融合程度（Integration:高high,中mid,低low）;父母的教育程度（研究生 postgraduate、大學(xué)college（本科、大專）、其他other，二人中取高學(xué)歷）；學(xué)校學(xué)習(xí)成績（academic performance,AP:優(yōu) best、良 good、一般 ok）；獲獎（reward: yes,no各種企業(yè)和政府組織省級以上比賽）。此外，還有一些觀測變量統(tǒng)計困難。如家庭收入，家庭對孩子的教育方式，家庭和諧程度，上一代對家庭的照顧方式與程度，父母職業(yè)（由于同一職業(yè)內(nèi)部差異較大不具有統(tǒng)計學(xué)上可辨別性,雙親不同職業(yè)對子女影響也無法考量），機器課堂學(xué)習(xí)成績（不同的學(xué)習(xí)班有不同的教學(xué)內(nèi)容和考核標(biāo)準(zhǔn)）。其它等未列入數(shù)據(jù)分析中。

表1 機器人學(xué)員部分客觀因素表局部

四、R語言關(guān)聯(lián)分析過程

R是GNU系統(tǒng)的一個自由、免費、源代碼開放的軟件，主要用于統(tǒng)計分析與數(shù)據(jù)可視化。[7]其使用簡潔、靈活而且新興研究領(lǐng)域算法不斷更新，在數(shù)據(jù)挖掘（或機器學(xué)習(xí)）領(lǐng)域有廣泛的應(yīng)用。現(xiàn)利用R語言對青少年機器學(xué)習(xí)效果客觀因素與是否獲獎進行關(guān)聯(lián)分析。

1.數(shù)據(jù)整理[8]

mydata=read.table("clipboard",header=T)#加載數(shù)據(jù)mydata$time=factor((as.numeric(mydata$time)＞3)+1,levels= 1:2,labels=c("short","long"))#關(guān)聯(lián)規(guī)則處理的是二分變量，需將學(xué)習(xí)時間time轉(zhuǎn)成”long,short”兩個水平myrobot=as(mydata,"transactions")#arules包要求的數(shù)據(jù)形式為（transactions）itemFrequencyPlot(myrobot,support=0.05)#顯示頻率在5%以上的項如圖1。

圖1 各客觀因素頻率在5%以上的直方圖

2.apriori算法求解關(guān)聯(lián)規(guī)則[9]

library(arules);mynewrules=apriori(myrobot,parameter=list(minlen=2,supp=0.05,conf=0.05),appearance=list (rhs=c("reward=yes"),default="lhs"),control=list(verbose= F))#第一個規(guī)則的lhs是個空集，可以使用minlen=2排除lhs空集；verbose=F設(shè)置算法處理的過程簡化;以lift提升度排序myrulessorted=sort(mynewrules,by="lift")#關(guān)聯(lián)規(guī)則按“l(fā)ift”排序

表2 各客觀因素關(guān)聯(lián)規(guī)則表

#以下去除冗余關(guān)聯(lián)規(guī)則

m y s u b s e t = i s . s u b s e t ( m y r u l e s s o r t e d , m y r u l e s s o r t e d) ；m y s u b s e t [ l o w e r . t r i ( m y s u b s e t , d i a g = T )] ＜-N A ；r e d u n d a n t ＜-c o l S u m s ( m y s u b s e t , n a . r m = T) ＞= 1 ；r u l e s p r u n e d ＜-m y r u l e s s o r t e d [ ! r e d u n d a n t] ；i n s p e c t ( r u l e s p r u n e d )#顯示關(guān)聯(lián)規(guī)則，見表2 。

library(arulesViz)；plot(mynewrules,method="graph", control=list(type="items"))#關(guān)聯(lián)分析的圖形表示如圖2。

圖2 各客觀因素對學(xué)習(xí)獲獎關(guān)聯(lián)規(guī)則圖

3.關(guān)聯(lián)分析結(jié)果解釋

從表2，無論是支持度、信任度還是提升，與后項獲獎關(guān)聯(lián)最大的前項是學(xué)習(xí)時間 （長）。信任度較大關(guān)聯(lián)（0.335，0.325）的前項是機器人學(xué)習(xí)課堂融合程度（中）、學(xué)校成績（優(yōu)秀）、父母教育程度（大學(xué)）。支持度較大關(guān)聯(lián)（0.188）的前項是性別（男）。人們假想的父母學(xué)歷較高、機器人學(xué)習(xí)課堂融合程度高卻不是機器人獲獎的關(guān)聯(lián)項。從圖2，將獲獎置于中心，離中心較近的項是學(xué)習(xí)時間（長），機器人學(xué)習(xí)課堂融合程度（中），性別（男）；提升（顏色較深）和支持度（面積較大）的項目是性別（女）、學(xué)校成績（一般），其方向離心說明這是負(fù)關(guān)聯(lián)，即學(xué)校學(xué)習(xí)平常的小姑娘不能實現(xiàn)機器人比賽獲獎的目標(biāo)。

五、結(jié)論與展望

盡管作用于學(xué)習(xí)的客觀因素不能直接的參與學(xué)習(xí)的知識建構(gòu)，但在學(xué)習(xí)之初，特別是青少年階段，客觀的輔助作用是不可或缺的，學(xué)習(xí)時間是檢驗其學(xué)習(xí)成果的關(guān)鍵規(guī)則。青少年的機器人學(xué)習(xí)組織以社會辦學(xué)為主，學(xué)習(xí)時間意味著家長的投入和企業(yè)利潤的最大化。但我們不是金錢決定論的完全支持者，因為比賽獲獎不是機器人學(xué)習(xí)的真正目標(biāo)，而且較長時間的學(xué)習(xí)投入對促進學(xué)生綜合發(fā)展的利弊還需進一步討論。此外，機器人學(xué)習(xí)中的主觀因素在學(xué)習(xí)過程中如何表現(xiàn)？原有的學(xué)習(xí)成績對機器人學(xué)習(xí)效果沒有預(yù)期遷移效果，而反之是否有影響？這些仍是我們需要進一步討論的問題。

[1]鐘志強,張毅寧,李國軍.高中機器人教育課程讀解[J].鞍山師范學(xué)院學(xué)報,2014,(2):43-46.

[2]鐘志強,張毅寧.中小學(xué)機器人教育課程讀解[J].中小學(xué)電教,2012,(11):15-18.

[3]維基百科——關(guān)聯(lián)式規(guī)則[DB/OL].http://zh.w ikipedia. org/w iki/關(guān)聯(lián)式規(guī)則,2014-5-10.

[4]韓家煒.數(shù)據(jù)挖掘:概念與技術(shù)[M].北京:機械工業(yè)出版社,2012.

[5][8]吳喜之.復(fù)雜數(shù)據(jù)統(tǒng)計方法:基于R的應(yīng)用[M].北京:中國人民大學(xué)出版社,2013.

[6]Pang-N ing Tan.數(shù)據(jù)挖掘?qū)д揫M].北京:人民郵電出版社,2011.

[7]R語言——百度百科 [DB/OL].http://baike.baidu. com,2014-5-10.

[9]R and Data M ining:Examples and Case Studies [DB/OL]http://www.RDataM ining.com,2014,5.

（編輯:郭桂真）

G40-057

A

1673-8454（2015）02-0086-03

本文為2013年度鞍山市哲學(xué)社會科學(xué)研究立項課題《鞍山市中小學(xué)機器人教育問題與對策》（項目編號：as20133061）；2014年度遼寧經(jīng)濟社會發(fā)展立項課題《遼寧省青少年機器人教育研究》（項目編號：2014LSLKTJYX-01）。