☆ 楊銘釗金世東

（1.長春市實驗中學(xué)高中部，吉林長春 130117；2.長春市實驗中學(xué)電教中心，吉林長春 130117）

基于決策樹的電子游戲?qū)Ω咧猩鷮W(xué)習(xí)成績影響分析

☆ 楊銘釗1金世東2

（1.長春市實驗中學(xué)高中部，吉林長春 130117；2.長春市實驗中學(xué)電教中心，吉林長春 130117）

目前，電子游戲已經(jīng)成為青少年的一種重要娛樂休閑方式。其在給青少年帶來快樂的同時，也在一定程度上減少了青少年的課外學(xué)習(xí)時間，困擾了學(xué)生、教師和家長。高中生心智發(fā)展迅速，但對電子游戲普遍存在較強(qiáng)的依賴性，而且由于其學(xué)業(yè)緊張，很容易受到電子游戲的影響。針對這個問題，本文分析了基于決策樹的電子游戲?qū)Ω咧猩鷮W(xué)習(xí)成績的影響，并利用機(jī)器學(xué)習(xí)的方法分析了電子游戲與高中生成績之間的隱含關(guān)系，幫助教師和家長有針對性地對高中生進(jìn)行積極健康的引導(dǎo)。通過實驗證明，該方法能發(fā)現(xiàn)游戲和成績之間的隱含關(guān)系，并給出一定的建議。

電子游戲；高中生成績；決策樹；機(jī)器學(xué)習(xí)

一、引言

大多數(shù)青少年時期的學(xué)生，思維活躍、精力充沛、興趣廣泛，容易接受新鮮事物，容易參與一種或多種適合自己興趣的課余活動。電子游戲賦予玩家的參與感往往要超出枯燥的書本和沉悶的課堂，而且電子游戲中網(wǎng)路游戲更能提供多元化的功能平臺和挑戰(zhàn)性的項目，讓玩家在解決難題和升級過關(guān)的過程中體會到虛擬的進(jìn)步感和成就感[1]，所以相對于傳統(tǒng)的學(xué)習(xí)過程，電子游戲更容易受到青少年學(xué)生的關(guān)注和喜愛[2]。電子游戲中的某些設(shè)定對青少年的智力發(fā)育有一定的促進(jìn)作用，但過分地沉迷電子游戲，則會減少學(xué)習(xí)時間、降低學(xué)習(xí)熱情、分散學(xué)習(xí)注意力。特別是在學(xué)習(xí)任務(wù)繁重的高中階段，面臨高考的競爭壓力，學(xué)生在學(xué)習(xí)過程中沒有體會到進(jìn)步感和成就感，很容易將競爭壓力和進(jìn)步訴求轉(zhuǎn)移到電子游戲中，而電子游戲恰好迎合了高中生的這種心理，使得高中生沉迷電子游戲不能自拔。

目前，對游戲影響學(xué)習(xí)的研究主要集中在網(wǎng)絡(luò)現(xiàn)狀調(diào)查、網(wǎng)絡(luò)游戲成癮原因分析和網(wǎng)絡(luò)游戲信息動機(jī)研究等多個方面，代表性的工作有：林云等人[4]利用回歸估計對浙江某大學(xué)802名大學(xué)生進(jìn)行學(xué)習(xí)行為及其影響因素的調(diào)查分析。高英彤等人[5]分析網(wǎng)絡(luò)游戲?qū)χ行W(xué)教育的負(fù)面影響，并提出了應(yīng)對方案。陳黎明[6]認(rèn)為人們對網(wǎng)絡(luò)游戲存在偏見，應(yīng)該探究網(wǎng)絡(luò)游戲的特點(diǎn)，設(shè)計一款教育網(wǎng)絡(luò)游戲以提高學(xué)生學(xué)習(xí)效率。季志[8]對浙江某學(xué)院821名大學(xué)生進(jìn)行了隨機(jī)調(diào)查發(fā)現(xiàn)大學(xué)生參與網(wǎng)絡(luò)游戲的程度和所受影響存在性別差異。

發(fā)達(dá)國家如美、韓等國為了限制游戲?qū)ξ闯赡耆说挠绊懀贫俗约旱墓芾硪?guī)則。主要是對游戲進(jìn)行了分級[3]，對游戲的類型、內(nèi)容、場景、角色等基本信息進(jìn)行了分類和定級，未成年玩家被限制接觸暴力、血腥、飲酒、賭博等類型的游戲。我國目前對電子游戲的管理和限定還處于探索階段，對高中生人群的游戲分類標(biāo)定更是處于完全空白狀態(tài)，對游戲種類、游戲時間、玩家類型等多個因素對成績影響的量化研究還很缺乏。

本文針對以上問題，提出了基于決策樹的電子游戲?qū)Ω咧猩鷮W(xué)習(xí)成績影響分析模型，該模型通過收集高中生日常游戲行為數(shù)據(jù)，利用決策樹構(gòu)建成績影響分析模型，發(fā)現(xiàn)影響高中生學(xué)習(xí)成績的關(guān)鍵因素。

二、相關(guān)理論基礎(chǔ)

從信息論知識中我們知道，期望信息越小，信息增益越大，從而純度越高。所以決策樹算法的核心思想就是以信息增益度量屬性選擇，選擇分裂后信息增益率最大的屬性進(jìn)行分裂。下面是幾個重要的概念。

設(shè)D為用類別對訓(xùn)練元組進(jìn)行的劃分，則D的熵（entropy）表示為：

其中pi表示第i個類別在整個訓(xùn)練元組中出現(xiàn)的概率，可以用屬于此類別元素的數(shù)量除以訓(xùn)練元組元素總數(shù)量作為估計。熵的實際意義表示是D中元組的類標(biāo)號所需要的平均信息量。

現(xiàn)在我們假設(shè)將訓(xùn)練元組D按屬性A進(jìn)行劃分，則A對D劃分的期望信息為：

分裂信息定義為：

信息增益率定義為：

決策樹就是利用信息熵的基本屬性，構(gòu)造一棵熵值平均下降最快的樹，將一個最大的不確定狀態(tài)轉(zhuǎn)化為不確定性為零的多個子狀態(tài)。

三、游戲——成績影響模型構(gòu)建

構(gòu)建游戲——成績影響模型實際上是利用已有游戲行為數(shù)據(jù)構(gòu)建一個成績分類決策樹的過程。主要包含三個子過程：收集游戲行為數(shù)據(jù)、訓(xùn)練測試模型和判定規(guī)則生成。其中，收集游戲行為數(shù)據(jù)采用調(diào)查問卷的形式，以無記名的方式在學(xué)生中進(jìn)行調(diào)查，對采集到的樣本通過簡單的數(shù)據(jù)預(yù)處理成模型可用格式。利用已有的決策樹算法對采集到的行為特征數(shù)據(jù)進(jìn)行訓(xùn)練和測試，最終形成一個完整的決策樹，則游戲——成績影響模型構(gòu)建完成。將該模型中的分類限制條件轉(zhuǎn)換為IF-THEN結(jié)構(gòu)的因果規(guī)則，這樣更容易被理解和利用，利用這些規(guī)則指導(dǎo)學(xué)生在學(xué)習(xí)和游戲之間找到一個最佳的平衡。

圖1 基于決策樹的游戲-成績影響模型

如圖1所示，基于決策樹的游戲——成績影響模型主要有三個部分組成：訓(xùn)練數(shù)據(jù)、模型和分類規(guī)則。其中訓(xùn)練數(shù)據(jù)由調(diào)查問卷生成，整理成統(tǒng)一格式，具體內(nèi)容將在實驗結(jié)果部分介紹。游戲——成績影響模型是利用訓(xùn)練數(shù)據(jù)構(gòu)建的一棵決策樹，以樹的結(jié)構(gòu)存儲，這個模型可以用來訓(xùn)練和測試，經(jīng)過測試優(yōu)化后，模型最終建立。分類規(guī)則由模型生成，可以將決策樹模型的限制條件轉(zhuǎn)換為IF-THEN結(jié)構(gòu)的條件規(guī)則，利用這些規(guī)則可以根據(jù)學(xué)生的游戲行為預(yù)測學(xué)生的成績行為，教師和家長可以根據(jù)實際情況調(diào)整策略，如減少游戲時間，加強(qiáng)游戲監(jiān)管等。

圖2 模型評估和新數(shù)據(jù)分類

如圖2所示，分類規(guī)則的基本形式為IFA1^A2^…^An,THEN Class A or B or C or D.其中Ai為決策樹的分類條件，Class j代表成績分類情況。我們將如圖3所示的部分決策樹限制條件轉(zhuǎn)化為IF-THEN結(jié)構(gòu)的因果條件，則IF-THEN因果條件為：

IF主觀影響=1，上課是否玩=0，游戲時間＜=8，THEN Class A

圖3 部分決策樹

四、實驗結(jié)果

1.數(shù)據(jù)樣本

樣本數(shù)據(jù)通過調(diào)查問卷的形式采集，最終回收的有效調(diào)查問卷為46份，調(diào)查問卷產(chǎn)生的游戲——學(xué)習(xí)行為特征有15個，具體特征及其含義如表1所示。

表1 游戲——學(xué)習(xí)行為特征

根據(jù)提交者的成績信息，從高到低分為四類：A，B，C和D。具體的成績和分類信息如圖4所示。

圖4 成績和分類樣本數(shù)據(jù)分析

2.結(jié)果分析

本文采用WEKA[9]數(shù)據(jù)挖掘平臺中決策樹算法J48對成績和分類樣本數(shù)據(jù)進(jìn)行訓(xùn)練和測試，采取十折交叉驗證的方式保證實驗結(jié)果的公平性和有效性，經(jīng)過優(yōu)化后的主要參數(shù)為C=0.001、M=3，訓(xùn)練后生成決策樹如圖5所示，可以看出主觀影響為第一個被選擇的屬性，ABD三類學(xué)生都受主觀因素的影響，而C類學(xué)生主觀上并不在意游戲?qū)W(xué)習(xí)的影響。上課是否游戲是區(qū)分D和AB兩類學(xué)生的特征屬性，上課玩游戲的學(xué)生被分在D類里，而不玩游戲的學(xué)生被分在AB兩類里，可以看出上課是否玩游戲?qū)W(xué)習(xí)成績影響很大，而游戲總時間是區(qū)分A和B兩類的重要特征，游戲時間大于8的學(xué)生被分在B類里，而小于等于8的被分在A類里。

圖5 基于決策樹的游戲-學(xué)習(xí)訓(xùn)練模型

經(jīng)過參數(shù)優(yōu)化，模型的正確分類樣本數(shù)為29個，錯誤分類樣本數(shù)為17個，正確分類率為63.0435%，可以看出分類精度并不高，出現(xiàn)這種現(xiàn)象的原因可能是樣本特征不顯著或者樣本數(shù)量過少導(dǎo)致欠擬合。

五、總結(jié)與展望

基于決策樹的游戲——學(xué)習(xí)影響模型通過收集高中生日常游戲行為數(shù)據(jù)，利用決策樹構(gòu)建成績影響分析模型，能夠有效地發(fā)現(xiàn)影響高中生學(xué)習(xí)成績的關(guān)鍵因素。通過實驗證明，該方法能發(fā)現(xiàn)游戲和成績之間的隱含關(guān)系，并給出一些IF-THEN結(jié)構(gòu)的關(guān)系規(guī)則。雖然實驗的分類精度不高，但仍有一定的指導(dǎo)意義。下一步工作將主要集中在兩個方面：一方面是要擴(kuò)大調(diào)查范圍，增加調(diào)查樣本，解決樣本數(shù)量過少導(dǎo)致的欠擬合問題；另外一方面是對已有樣本的特征進(jìn)行特征選擇，獲得最優(yōu)的樣本特征組合，解決樣本特征不顯著的問題。

[1]李儀凡.中國網(wǎng)絡(luò)游戲玩家關(guān)鍵驅(qū)動因素及市場細(xì)分研究——以MMORPG為例[D].上海:復(fù)旦大學(xué),2005.

[2]黃少華.網(wǎng)絡(luò)空間的社會行為——青少年網(wǎng)絡(luò)行為研究[M].北京:人民出版社,2008.

[3]高英彤,劉艷姝.論軟力量與網(wǎng)絡(luò)游戲[J].外國教育研究,2007,(06):72-76.

[4]林云,梁雄軍.大學(xué)生學(xué)習(xí)行為及其影響因素的實證研究[J].天津大學(xué)學(xué)報,2010,(03):283-288.

[5]高英彤,楊冰,叢迪.網(wǎng)絡(luò)游戲?qū)χ行W(xué)教師的挑戰(zhàn)及應(yīng)對[J].中小學(xué)教師培訓(xùn),2009,(02):59-60.

[6]陳黎明.讓網(wǎng)絡(luò)游戲為教育服務(wù)[J].現(xiàn)代教育科學(xué),2007,(01):33-35.

[7]段景勇，喬毅.論高校輔導(dǎo)員在大學(xué)生網(wǎng)絡(luò)游戲成癮中的任務(wù)[J].繼續(xù)教育研究,2008,(08):73-74.

[8]季志.大學(xué)生參與網(wǎng)絡(luò)游戲狀況的調(diào)查與分析[J].現(xiàn)代教育科學(xué)高教研究,2007,(01):130-133.

[8]The University of Waikato.Weka 3:Data Mining Software in Java[EB/OL].[2016.11].http://www.cs.waikato.ac.nz/ml/weka/.

G434

A

1671-7503（2016）23-0024-04

莊豐源]