吳暾華++王萍++劉婷

摘 要：傳統(tǒng)的大學生學業(yè)預警策略依賴大量人力，效率低且成效不足。為此引入數(shù)據(jù)挖掘技術自動預測將來學習成績并及時發(fā)出預警信息。首先從現(xiàn)有業(yè)務級信息系統(tǒng)中抽取并構(gòu)造學業(yè)狀態(tài)特征向量；然后運用支持向量機進行統(tǒng)計學習得到非線性預測模型；最后利用模型自動發(fā)現(xiàn)學習狀態(tài)不佳的學生并發(fā)出預警。經(jīng)測試本方法的準確率達84%，可有效提高學業(yè)監(jiān)督效率，并可推廣應用于學生黨建信息挖掘、學習目標預測等其它個性化管理領域。

關鍵詞：支持向量機；學業(yè)預警；數(shù)據(jù)挖掘；大數(shù)據(jù)

中圖分類號：G642 文獻標志碼：A 文章編號：1673-8454（2017）17-0065-03

一、引言

大學生相比中小學生具有以下特點：①學習生活更加自由，沒有強制晚自習、沒有頻繁的考試測驗、沒有父母的督促，各種欲望更加強烈，精力更易分散；②價值觀易發(fā)生改變，學習主動性、積極性容易動搖，甚至產(chǎn)生“讀書無用”、“混學位”的觀念，極大降低了學習熱情。因此，大學生的學業(yè)狀態(tài)波動較大。有很多高考成績非常優(yōu)秀的學生，因過渡沉溺于游戲、談戀愛、兼職等活動，補考、掛科連連甚至退學?？v觀學業(yè)下滑的學生，多數(shù)在早期沒有及時發(fā)現(xiàn)、及時勸導，以致積重難返。顯然，早期及時發(fā)現(xiàn)問題是關鍵，但這需要輔導員、班主任及任課教師付出極大的努力，工作量巨大。因此，借助新的信息技術（如大數(shù)據(jù)、數(shù)據(jù)挖掘技術）成為學業(yè)自動監(jiān)督的關鍵途徑，對于提升學生的學習成績、提高學校的教學和管理水平都具有深遠的意義。[1]

當前，全國高校普遍實施了數(shù)字化校園建設。其中，學生管理系統(tǒng)實現(xiàn)了信息管理、信息發(fā)布、互動交流、網(wǎng)上辦事、在線教學等主要功能。這些功能模塊基本都停留在業(yè)務操作級，不外乎增、刪、改底層數(shù)據(jù)，計算機只不過是一個復合的操作工具，替代了落后的紙質(zhì)管理模式，而隱藏在這些底層數(shù)據(jù)中的知識、規(guī)律長期得不到發(fā)掘。例如，學生出入圖書館、借閱書刊需要刷卡，那么通過分析學生在圖書館的刷卡數(shù)據(jù)不難發(fā)現(xiàn)其學習的主動性、學習的興趣點等有用信息，利用這些由底層數(shù)據(jù)挖掘得到的信息可幫助教師、輔導員或其它管理者更有針對性地為學生服務。[2][3]

目前國內(nèi)外已開展了許多學業(yè)狀態(tài)預測研究。主要運用關聯(lián)規(guī)則、聚類、決策樹、統(tǒng)計學習等方法，分析先前課程成績對后續(xù)課程的影響，預測后續(xù)課程的成績。[4-7]也有研究根據(jù)家庭情況、生活習性等外圍因素推斷是否預警。[8-10]但綜合學習和生活特征進行學業(yè)預警的研究，目前未見述及。因此，本研究的特色在于綜合學生當前的學習生活狀態(tài)以及過往的學習成績預測將來一段時間（如期末考試時）的學業(yè)表現(xiàn)。

二、基于支持向量機的學業(yè)預警方法

Vapnik 提出支持向量機[11][12]（Support Vector Machine， SVM）是有監(jiān)督的統(tǒng)計學習方法，可構(gòu)建特征組與類別之間的非線性關聯(lián)?；赟VM的學業(yè)預警方法如下：

第一步，構(gòu)造學業(yè)狀態(tài)特征向量，如表1所示，由考勤指數(shù)、“宅”指數(shù)、學習指數(shù)、成績指數(shù)以及家境這五個可能影響學業(yè)的關鍵指標構(gòu)成，并將預測結(jié)果劃分為“好、中、差”三級，如表2所示，進而根據(jù)預測結(jié)果給予相應處理。表1給出了各指標的依據(jù)、量化方法和數(shù)據(jù)來源。注意，任何一個指標都無法完全刻畫學業(yè)狀態(tài)，只是可能的影響因素。

第二步，從學校的相關業(yè)務級信息系統(tǒng)（如教務、學生信息管理系統(tǒng)）抽取基礎數(shù)據(jù)并按照表1和表2的量化方法構(gòu)造學業(yè)狀態(tài)樣本集（由學業(yè)狀態(tài)特征向量和人工標定的狀態(tài)類別構(gòu)成）。所構(gòu)造的樣本集分為兩組，一組用于訓練SVM分類器，另一組用于測試方法的正確率、驗證方法的有效性。

第三步，選擇RBF型核函數(shù)，采用交叉驗證選擇最優(yōu)參數(shù)——懲罰因子C及核函數(shù)參數(shù)γ。（具體詳見實驗部分）然后采用“一對一”方法從訓練集統(tǒng)計學習得到3個SVM分類器。

第四步，運用得到的3個SVM分類器對測試樣本分別進行測試，并累計各類別的得分，選擇得分最高者所對應的類別作為測試樣本的預測結(jié)果。若預測結(jié)果與人工標定的類別一致，表明預測正確，反之錯誤，如此可知分類器測試的總體正確率。當正確率達到閾值，即可對任意學生的學業(yè)狀態(tài)進行預測；反之重新構(gòu)造樣本集，調(diào)整參數(shù)再次學習。

在本研究中，考試成績?yōu)槲寮売浄种疲涸汲煽?5-100分記為5點（優(yōu)秀）；75-85（不含）分記為4點（良好）；65-75（不含）分記為3點（中等）；60-65（不含）分記為2點（及格）；不及格記為0點。平均績點可反映學生當前成績狀態(tài)。

三、實驗與分析

1.實驗方法及結(jié)果

在實驗中我們采用的SVM軟件包為LIBSVM。LIBSVM 是臺灣大學林智仁博士等開發(fā)設計的一個操作簡單、易于使用、快速有效的通用SVM 軟件包，也是目前最流行的SVM軟件包之一。[12]

LIBSVM 使用的步驟是：①按照LIBSVM軟件包所要求的格式準備樣本集（本實驗構(gòu)造了1200個樣本，其中200個用于交叉驗證，600個用于訓練分類器，400個用于測試驗證）；②對數(shù)據(jù)進行簡單的縮放（Scale）操作；③選用RBF核函數(shù)；④采用交叉驗證選擇最佳參數(shù)：懲罰因子C及核函數(shù)參數(shù)γ；⑤采用最佳參數(shù)C與γ對整個訓練集進行訓練獲取SVM模型；⑥利用獲取的模型進行測試分類。

本研究采用交叉驗證法來確定懲罰因子C及核函數(shù)參數(shù)γ。從訓練集中劃分出一部分樣本用于v-fold交叉驗證，稱為交叉驗證集。將交叉驗證集平均分成v份，形成v個子集。對于參數(shù)C和γ的不同組合重復如下操作：按順序保留1個子集作為測試集，其他v-1個子集作為訓練集并訓練其得到SVM分類器，利用該分類器對測試集進行測試并記錄準確率，直到所有子集都被測試過，再取這v次測試的平均準確率作為該次交叉驗證的準確率。這個過程相當于對C和γ進行遍歷，最終選擇交叉驗證準確率最高時的C和γ。經(jīng)過交叉驗證得：C=4.0，γ=2，準確率為92%，交叉驗證的份數(shù)v取3，如圖1所示。然后運用SVMTrain.exe結(jié)合最佳參數(shù)對整個訓練集進行訓練即可獲取SVM模型。最后運用SVMPredict.exe和學習得到的SVM模型對測試樣本集進行驗證。實驗結(jié)果表明，在400個測試樣本中，正確預測了335個，準確率近84%。endprint

2.實驗結(jié)果分析

本方法的識別率受以下兩方面因素的共同制約：推斷依據(jù)（特征指標）選取的準確性和完整性、多分類向量機固有的問題（“一對一”多分類向量機存在不可分區(qū)域，即輸入同屬于多個類別導致投票值相同的情況），若要進一步提高識別率必須在這兩方面做更細致而深入的研究。此外，實際的預測準確率與運用交叉驗證得到的平均準確率不同，是因為交叉驗證時實際上按“一對多”的方式訓練二分類并測試準確率，而在實際訓練時我們采用“一對一”方式訓練，相當于拿“一對多”時分類器最優(yōu)的參數(shù)去訓練“一對一”分類器，存在一定的偏差，性能往往有所下降。

四、小結(jié)

針對大學生學業(yè)自動預警問題，構(gòu)建學業(yè)狀態(tài)特征向量并運用支持向量機學習得到學習狀態(tài)的預測模型，可自動發(fā)現(xiàn)學習狀態(tài)不佳的學生并發(fā)出預警。實驗結(jié)果表明本方法可有效提高學業(yè)監(jiān)督效率，對于提高學生的個性化管理水平具有推動作用；同時，還可推廣應用于學生黨建信息挖掘、學習目標預測等其它個性化管理領域。

參考文獻：

[1]萬輝.大數(shù)據(jù)在高校學生管理工作中的應用[J].高校輔導員學刊，2014（4）：48-51.

[2]金博聞，吳暾華.大數(shù)據(jù)時代高校學生個性化管理新方法探索[J].當代教育實踐與教學研究， 2017（3）：82.

[3]高曉東，周建.高職院校圖書館大數(shù)據(jù)在學業(yè)預警中的應用[J].圖書館學刊， 2015（1）：115-117.

[4]Natek S， Zwilling M. Student data mining solution-knowledge management system related to higher education institutions[J].Expert Systems with Applications，2014，41（14）：6400-6407.

[5]王凱成.基于數(shù)據(jù)挖掘的大學生學業(yè)預警研究[D].上海師范大學，2012.

[6]薛衛(wèi)京，王海洋，孟建.數(shù)據(jù)挖掘技術在高校學生管理中的應用[J].中國高等醫(yī)學教育， 2008（10）：81-82.

[7]馬君亮，陳二靜，曹婷，林春娜，葉宇晗.學習質(zhì)量動態(tài)跟蹤系統(tǒng)的設計與實現(xiàn)[J].現(xiàn)代電子技術，2015（18）：30-32.

[8]宮鋒.數(shù)據(jù)挖掘在高校學生學業(yè)預警中的應用[J].電子技術與軟件工程，2017（4）：202-203.

[9]金義富，吳濤，張子石，王偉東.大數(shù)據(jù)環(huán)境下學業(yè)預警系統(tǒng)設計與分析[J].中國電化教育， 2016（2）：69-73.

[10]Pe？觡a-Ayala A. Educational data mining： A survey and a data mining-based analysis of recent works[J].Expert Systems with Applications，2014，41（4）：1432-1462.

[11]Maldonado S， López J. Robust kernel-based multiclass support vector machines via second-order cone programming[J].Applied Intelligence，2017：1-10.

[12]吳暾華.面向中醫(yī)面診診斷信息提取的若干關鍵技術研究[D].廈門大學，2008.

（編輯：王天鵬）endprint