陶毅涵

摘 要：學(xué)風(fēng)推動(dòng)是學(xué)生工作的重要內(nèi)容，也是提升高校人才培養(yǎng)質(zhì)量的重要抓手。及早地發(fā)現(xiàn)學(xué)業(yè)困難學(xué)生，有利于提前開(kāi)展有針對(duì)性的教育和幫扶工作，提高學(xué)風(fēng)推動(dòng)工作效果。隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，數(shù)據(jù)挖掘技術(shù)為識(shí)別學(xué)業(yè)困難學(xué)生提供了新方法。本文采用費(fèi)希爾線性判別法，將飛行器動(dòng)力工程2016屆畢業(yè)生的基本數(shù)據(jù)和行為數(shù)據(jù)作為訓(xùn)練集，建立該專業(yè)學(xué)業(yè)困難學(xué)生預(yù)警模型。經(jīng)驗(yàn)證，該模型具有較高類間離散度，模型基本能夠識(shí)別學(xué)業(yè)困難學(xué)生。通過(guò)學(xué)生基本數(shù)據(jù)和日常行為數(shù)據(jù)，提前識(shí)別學(xué)業(yè)困難學(xué)生是可行的。

關(guān)鍵詞：學(xué)生工作;學(xué)業(yè)困難;數(shù)據(jù)挖掘;費(fèi)希爾線性判別法

一、引言

（一）研究目的

隨著高等教育向大眾化發(fā)展，高等教育招生規(guī)模逐年擴(kuò)大，進(jìn)入高校的“門(mén)檻”也隨之降低，如何提升高校的人才培養(yǎng)質(zhì)量面臨著新的挑戰(zhàn)。大力加強(qiáng)學(xué)風(fēng)推動(dòng)工作，幫助學(xué)業(yè)困難學(xué)生完成學(xué)業(yè)，是提升高校人才培養(yǎng)質(zhì)量的有效手段，也是學(xué)生工作的重中之重。在龐大的學(xué)生群體中，提早識(shí)別學(xué)業(yè)困難風(fēng)險(xiǎn)學(xué)生，有利于及時(shí)對(duì)學(xué)生進(jìn)行幫扶和引導(dǎo)，降低學(xué)業(yè)困難學(xué)生出現(xiàn)的概率，預(yù)防產(chǎn)生困難科目的累積，避免進(jìn)入課業(yè)負(fù)擔(dān)愈發(fā)加重的惡性循環(huán)，同時(shí)也能夠提升學(xué)風(fēng)推動(dòng)工作的成效。

（二）研究現(xiàn)狀

自1963年Krik首次提出學(xué)習(xí)困難這一概念以來(lái)[1]，學(xué)習(xí)困難研究的范圍和程度不斷擴(kuò)大和深入，但是對(duì)于這方面的研究仍然存在很多爭(zhēng)論。1965年 Bateman 首次提出了“能力與成績(jī)之間的差異”，提出“能力—成績(jī)差異”模型[2]，該模型雖已被廣泛應(yīng)用，但仍受到來(lái)自多方的質(zhì)疑：不能及時(shí)診斷，即存在“等待失敗”;錯(cuò)誤鑒定，尤其是低智力水平學(xué)生;標(biāo)準(zhǔn)不統(tǒng)一，結(jié)論不能進(jìn)一步量化。“干預(yù)—反應(yīng)模型”[3]彌補(bǔ)了“能力—成績(jī)差異模型”的不足，具有進(jìn)行早期鑒定、減少錯(cuò)誤診斷人數(shù)以及為教育干預(yù)提供幫助等優(yōu)點(diǎn)，但存在評(píng)估內(nèi)容過(guò)于狹隘、實(shí)證研究局限于低年級(jí)段和閱讀領(lǐng)域等缺陷。

組織行為學(xué)研究中提出：能夠通過(guò)研究組織中人的心理和行為表現(xiàn)及其客觀規(guī)律，提高管理人員預(yù)測(cè)、引導(dǎo)和控制人的行為的能力，以實(shí)現(xiàn)組織既定目標(biāo)[4]。這便提出了一個(gè)新的研究思路：通過(guò)研究學(xué)生的行為表現(xiàn)及客觀情況，預(yù)測(cè)學(xué)生的學(xué)習(xí)狀態(tài)，辨別其是否存在學(xué)業(yè)困難的風(fēng)險(xiǎn)。隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的發(fā)展，學(xué)生的行為數(shù)據(jù)更容易獲得，這種研究思路能夠得以實(shí)踐。

（三）研究?jī)?nèi)容

本文基于天津市輔導(dǎo)員精品項(xiàng)目——移動(dòng)智能學(xué)生工作平臺(tái)的建立。從平臺(tái)中獲取大量的學(xué)生行為信息。以2016屆飛行器動(dòng)力工程專業(yè)學(xué)生的行為數(shù)據(jù)為訓(xùn)練集，采用費(fèi)希爾線性判別法（Fishers Linear discriminant）[5，6]進(jìn)行建模，得出該專業(yè)學(xué)業(yè)困難學(xué)生預(yù)警模型。并對(duì)該模型進(jìn)行驗(yàn)證和應(yīng)用分析。

二、建模方法

（一）費(fèi)希爾判別函數(shù)

費(fèi)希爾判別的思路是將多元觀測(cè)值x變換成一元觀測(cè)值y，使得由總體π1和π2導(dǎo)出的y盡可能地分離開(kāi)。用x的線性組合來(lái)建立y，使它們是x的非常簡(jiǎn)單的函數(shù)，易于計(jì)算和掌握，同時(shí)也解決了在應(yīng)用統(tǒng)計(jì)方法解決模式識(shí)別問(wèn)題時(shí)，經(jīng)常會(huì)遇到所謂的“維數(shù)災(zāi)難”的問(wèn)題。

假定x的一個(gè)固定線性組合對(duì)來(lái)自第一個(gè)總體的觀測(cè)值來(lái)說(shuō)其取值為y11，y12，…，對(duì)來(lái)自第二個(gè)總體的觀測(cè)值來(lái)說(shuō)其取值為y21，y22，…。這兩組單變量數(shù)據(jù)之間的分離度用以標(biāo)準(zhǔn)差為單位的與之間的差別來(lái)表示，即：

分離度，其中（2-1）

為方差的聯(lián)合估計(jì)量。目標(biāo)是選擇適當(dāng)?shù)膞的線性組合，使得樣本均值與之間的分離度達(dá)到最大。經(jīng)驗(yàn)證，當(dāng)線性組合

（2-2）

對(duì)所有可能的線性系數(shù)使得分離度最大。

費(fèi)希爾對(duì)分離問(wèn)題的解法也可以用于對(duì)新的觀測(cè)值作分類，其法則為：

若：

（2-3）

或

將x0分到π1。若：

或

將x0分到π2。

（二）訓(xùn)練樣本的獲取

建立預(yù)警模型的關(guān)鍵是根據(jù)訓(xùn)練樣本，得出準(zhǔn)確的。本文的訓(xùn)練樣本選取2016屆飛行器動(dòng)力工程277名學(xué)生的基本數(shù)據(jù)和行為數(shù)據(jù)兩部分，進(jìn)行全樣本的數(shù)據(jù)挖掘?；緮?shù)據(jù)包括：性別、年齡、民族、政治面貌、高考分?jǐn)?shù)、生源地、家庭經(jīng)濟(jì)情況、家庭關(guān)系情況、人際交往情況。行為數(shù)據(jù)包括：晚查寢情況、晚簽到時(shí)間、早操出勤情況、內(nèi)務(wù)檢查情況、日常請(qǐng)假次數(shù)、上課缺勤次數(shù)、參加集體活動(dòng)次數(shù)、宿舍門(mén)禁數(shù)據(jù)、與輔導(dǎo)員談話次數(shù)。

以上18個(gè)變量全部轉(zhuǎn)換為十進(jìn)制變量，即為費(fèi)希爾判別函數(shù)中的x，要計(jì)算式（2-1）中的分離度，還需要確定合理的線性系數(shù)，即。線性系數(shù)的獲取采用學(xué)生工作專家及部分優(yōu)秀學(xué)生進(jìn)行打分的方法，以學(xué)生畢業(yè)時(shí)學(xué)業(yè)情況作為打分的依據(jù)。

三、預(yù)警模型

將x（277行）與（18列）帶入式（2-2）中可以得出每名學(xué)生的學(xué)業(yè)評(píng)價(jià)值，即和Sp無(wú)偏估計(jì)，進(jìn)而可以求出最佳投影向量和計(jì)算閾值。訓(xùn)練結(jié)果圖形表示如圖3.1所示。

圖3.1 費(fèi)希爾方法對(duì)學(xué)業(yè)困難學(xué)生判別的圖形表示

模型中各個(gè)參數(shù)值如表3.1所示

表3.1 學(xué)業(yè)困難預(yù)警模型參數(shù)表

30.09 6.11

0.062 7.18×10-3

2.32×104 ? ? ? ? ? ? -6.11×102

-6.11×102 ? ? ? ? ? ? 3.09×104 3.44×10-2

四、模型應(yīng)用

預(yù)警模型的應(yīng)用可基于前期搭建的移動(dòng)智能學(xué)生工作平臺(tái)。該平臺(tái)包括基于微信的手機(jī)端前臺(tái)，基于web服務(wù)器技術(shù)的管理后臺(tái)。前臺(tái)用于實(shí)現(xiàn)功能和應(yīng)用，獲取用戶信息;后臺(tái)將獲取的信息進(jìn)行分析和統(tǒng)計(jì)，顯示結(jié)果并向前臺(tái)發(fā)送指令和消息。平臺(tái)結(jié)合互聯(lián)網(wǎng)云存儲(chǔ)技術(shù)，采集并保存學(xué)生海量的日常行為數(shù)據(jù)。平臺(tái)能夠階段性的分析其他模塊采集到的學(xué)生行為信息，周期性的對(duì)全體學(xué)生進(jìn)行觀測(cè)值的進(jìn)行計(jì)算。若學(xué)生觀測(cè)值發(fā)生變化，被分為學(xué)業(yè)困難風(fēng)險(xiǎn)群體，及時(shí)送到輔導(dǎo)員的微信端進(jìn)行預(yù)警。數(shù)據(jù)挖掘流程如圖4-1所示。

五、結(jié)論

本文以2016屆飛行器動(dòng)力工程學(xué)生的全樣本數(shù)據(jù)作為訓(xùn)練樣本，利用費(fèi)希爾線性判別法（FLD），建立了學(xué)業(yè)困難預(yù)警模型。模型具有一定的分離度和判斷精度。使面臨學(xué)業(yè)困難危機(jī)的學(xué)生群體能夠在龐大的學(xué)生群體中及時(shí)被發(fā)現(xiàn)，并受到關(guān)注和幫扶。

圖4-1數(shù)據(jù)挖掘流程圖

本文的創(chuàng)新點(diǎn)在于：將大數(shù)據(jù)分析、數(shù)據(jù)挖掘技術(shù)——費(fèi)希爾線性判別法（FLD）應(yīng)用于學(xué)生工作領(lǐng)域，提升高校學(xué)風(fēng)推動(dòng)的工作成效;本項(xiàng)目成果模型將結(jié)合移動(dòng)互聯(lián)網(wǎng)和云存儲(chǔ)技術(shù)，將結(jié)論模型應(yīng)用于移動(dòng)智能學(xué)生工作平臺(tái)中，實(shí)現(xiàn)資源的整合和優(yōu)化，完成了學(xué)業(yè)預(yù)警工作的閉環(huán)。

本文的不足之處在于：學(xué)生的行為數(shù)據(jù)類別仍然有待擴(kuò)充，由于客觀原因無(wú)法加入學(xué)生消費(fèi)數(shù)據(jù)和網(wǎng)絡(luò)訪問(wèn)記錄。為提高模型精度，后期有待擴(kuò)充，進(jìn)行深入研究。

參考文獻(xiàn)：

[1] Kirk，S.A.，Bateman，B.D.Diagnosisandremediation of learning disabilities. [J].Exceptional Children1962（2）.

[2] Dombrowski S. C， Kamphaus R. W， Reynolds C R. After the demise of the discrepancy： proposed learning disabilities diagnostic criteria.Professional Psychology：Research and Practice， 2004， 35（ 4）： 364 -372.

[3] Douglas Fuchs，Devery Mock， Pual L. Morgan， Caresa L. Young. Responsiveness-to Intervention：Definitions， Evidence， and Implications for the Learning Disabilities Construct[J]. Learning Disabilities Research & Practice. 2003（3）.

[4] （美）安妮·瑪麗·弗朗西斯科（AnneMarieFrancesco），（美）巴里·艾倫·戈?duì)柕拢˙arryAllenGold）著，顧寶炎等譯.國(guó)際組織行為學(xué)[M]. 中國(guó)人民大學(xué)出版社， 2003.

[5] Fisher， R. A. “The Use of Multiple Measurements in Taxonomic Problems.”[J] Annals of Eugenics， 7（1936）：179-188.

[6] Fisher， R. A. “The Statistical Utilization of Multiple Measurements.”[J] Annals of Eugenics， 8（1938）：376-386.