楊靈芝，劉海明，孫亞非

（滄州職業(yè)技術(shù)學(xué)院，河北 滄州 061001）

基于Weka的數(shù)據(jù)挖掘技術(shù)在學(xué)生測(cè)評(píng)中的應(yīng)用

楊靈芝，劉海明，孫亞非

（滄州職業(yè)技術(shù)學(xué)院，河北 滄州 061001）

隨著教師信息智能化管理的逐步落實(shí)，高職院校積累了海量的評(píng)價(jià)數(shù)據(jù)信息。文章分析了Weka軟件工具、數(shù)據(jù)挖掘過(guò)程以及針對(duì)學(xué)生測(cè)評(píng)教師數(shù)據(jù)進(jìn)行具體挖掘的全過(guò)程，最終為教育管理者和教師提供了良好的指導(dǎo)措施。

Weka；關(guān)聯(lián)規(guī)則；學(xué)生測(cè)評(píng)

1 Weka工具簡(jiǎn)介

Weka是新西蘭懷卡托大學(xué)開(kāi)發(fā)的開(kāi)源數(shù)據(jù)挖掘平臺(tái)，集合了當(dāng)今數(shù)據(jù)挖掘常用典型算法，提供了預(yù)處理功能，方便用戶進(jìn)行數(shù)據(jù)篩選。Weka的優(yōu)點(diǎn)在于采用Java語(yǔ)言編寫，具有靈活方便，可移植性強(qiáng)的特點(diǎn)。

由于數(shù)據(jù)種類的多樣化，不是所有的數(shù)據(jù)挖掘問(wèn)題都能被解決，使用Weka可以完整體驗(yàn)數(shù)據(jù)挖掘全過(guò)程，從數(shù)據(jù)準(zhǔn)備及預(yù)處理，挖掘方法選擇，到數(shù)據(jù)分析結(jié)果的呈現(xiàn)及評(píng)估，再到不同方案的比較，直到最終得出解決方案。

2 數(shù)據(jù)挖掘流程

所謂數(shù)據(jù)挖掘，是從數(shù)據(jù)的海洋中發(fā)現(xiàn)并找出有使用價(jià)值的知識(shí)。借助靈活的挖掘工具，依據(jù)成熟的發(fā)掘模式，采用數(shù)據(jù)挖掘相關(guān)規(guī)則，參照挖掘流程，最終發(fā)現(xiàn)一些有意義的規(guī)律，了解各種數(shù)據(jù)之間的聯(lián)系或模式[1]。一般來(lái)說(shuō)，數(shù)據(jù)挖掘工作主要分為數(shù)據(jù)準(zhǔn)備，數(shù)據(jù)抽取，數(shù)據(jù)預(yù)處理，數(shù)據(jù)挖掘，模式評(píng)價(jià)5個(gè)步驟。

（1）在數(shù)據(jù)準(zhǔn)備中，由于數(shù)據(jù)挖掘面對(duì)各行各業(yè)，導(dǎo)致數(shù)據(jù)的存儲(chǔ)類型多種多樣，因此在挖掘前必須對(duì)挖掘領(lǐng)域有足夠的了解，對(duì)于行業(yè)知識(shí)背景、行業(yè)需求以及業(yè)務(wù)流程等了如指掌，通過(guò)業(yè)務(wù)需求明確挖掘的目標(biāo)。

（2）在數(shù)據(jù)抽取中，挖掘人員需要剔除那些對(duì)于創(chuàng)建模型毫無(wú)用處的數(shù)據(jù)，將準(zhǔn)備環(huán)節(jié)集成好的數(shù)據(jù)進(jìn)行再次搜索，保證數(shù)據(jù)范圍的準(zhǔn)確和數(shù)據(jù)意義的正確。

（3）在數(shù)據(jù)預(yù)處理中，對(duì)準(zhǔn)備抽取后的數(shù)據(jù)再次加工，驗(yàn)證數(shù)據(jù)的完整性和一致性。對(duì)于那些來(lái)自于各個(gè)不同應(yīng)用系統(tǒng)的原數(shù)據(jù)，其數(shù)據(jù)結(jié)構(gòu)各異，還有一些由于人為原因丟失或重復(fù)的數(shù)據(jù)，只有經(jīng)過(guò)再清洗，才能得到不再空缺、不再歧義的統(tǒng)一合法的數(shù)據(jù)，從而保證數(shù)據(jù)的高質(zhì)量提取。

（4）在數(shù)據(jù)挖掘中，結(jié)合行業(yè)數(shù)據(jù)特點(diǎn)及實(shí)際系統(tǒng)運(yùn)行要求，選擇恰當(dāng)?shù)耐诰蚬ぞ呒八惴?，從預(yù)處理的數(shù)據(jù)中抽取有意義的知識(shí)。

（5）在模式評(píng)價(jià)中，專家對(duì)挖掘結(jié)果進(jìn)行評(píng)估，若一些模式不符合任務(wù)需求，需要返回到前4個(gè)環(huán)節(jié)中去反復(fù)操作，直到得出有效準(zhǔn)確的知識(shí)。

3 使用Weka進(jìn)行數(shù)據(jù)挖掘?qū)嵗?/h2>

在高職院校教學(xué)評(píng)價(jià)中，學(xué)生對(duì)教師的評(píng)價(jià)占有重要地位。結(jié)合學(xué)院的最新評(píng)價(jià)機(jī)制，學(xué)生對(duì)于教師的評(píng)價(jià)主要從10個(gè)方面衡量：（1）熱愛(ài)學(xué)生，為人師表；注重學(xué)生職業(yè)能力的培養(yǎng)，提高學(xué)生綜合素質(zhì)。（2）授課內(nèi)容能夠緊密結(jié)合工作實(shí)際，實(shí)用性強(qiáng)，學(xué)生喜歡。（3）授課思路清晰，講解、示范熟練，教學(xué)目的明確。（4）教學(xué)方法靈活，能啟發(fā)學(xué)生積極思考，師生互動(dòng)性強(qiáng)。（5）積極采用現(xiàn)代化教學(xué)手段，板書工整，普通話好，能夠有效組織教學(xué)。（6）認(rèn)真答疑，悉心指導(dǎo)，及時(shí)批改作業(yè)及實(shí)驗(yàn)報(bào)告。（7）教書育人，治學(xué)嚴(yán)謹(jǐn)，既熱愛(ài)學(xué)生又嚴(yán)格要求。（8）重點(diǎn)突出，難點(diǎn)分散，學(xué)生易于接受，使學(xué)生職業(yè)能力有顯著提高。（9）遵守教學(xué)紀(jì)律，無(wú)遲到早退現(xiàn)象。（10）能積極主動(dòng)和學(xué)生溝通、交流，學(xué)生愛(ài)戴。這10項(xiàng)學(xué)評(píng)指標(biāo)求和后再平均得到的就是學(xué)生對(duì)于某門課程任課教師的最后評(píng)價(jià)結(jié)果。本文從評(píng)價(jià)數(shù)據(jù)庫(kù)中導(dǎo)出學(xué)生對(duì)教師的測(cè)評(píng)結(jié)果，查找對(duì)于挖掘有價(jià)值的屬性信息。導(dǎo)出的學(xué)生測(cè)評(píng)信息如表1所示，從中選取學(xué)生測(cè)評(píng)結(jié)果為優(yōu)良中的3種情況的數(shù)據(jù)，著重分析學(xué)生評(píng)價(jià)指標(biāo)中深受學(xué)生信任的指標(biāo)。

通過(guò)分析發(fā)現(xiàn)每項(xiàng)測(cè)評(píng)指標(biāo)和總成績(jī)等屬性都是連續(xù)的數(shù)值，結(jié)合關(guān)聯(lián)算法要求，需要將上表信息離散化，同時(shí)轉(zhuǎn)化為Weka能夠識(shí)別的字段名稱[2]。

表1 學(xué)生評(píng)價(jià)挖掘信息 （單位：分）

具體過(guò)程如下：（1）10項(xiàng)測(cè)評(píng)指標(biāo)分別用indexone，indextwo，indexthree，indexfour，indexfive，indexsix，indexseven，indexeight，indexnine，indexten 10項(xiàng)來(lái)表示，測(cè)評(píng)成績(jī)分為優(yōu)、良、中、及格、不及格5個(gè)等級(jí)，其中9—10分為優(yōu)，8—9分為良，7—8分為中，6—7分為及格，6分以下為不及格，分別用A，B，C，D，E來(lái)表示。

（2）總成績(jī)用score來(lái)表示，同樣也分為優(yōu)、良、中、及格、不及格5個(gè)等級(jí)，90分以上為優(yōu)，80—90分為良，70—80分為中，60—70分為及格，60分以下為不及格，分別用A，B，C，D，E來(lái)表示。將上述信息表進(jìn)行預(yù)處理，轉(zhuǎn)換得到表2。

表2 離散化后學(xué)生評(píng)價(jià)挖掘信息

經(jīng)過(guò)數(shù)據(jù)預(yù)處理過(guò)程后，進(jìn)行學(xué)生評(píng)價(jià)信息的數(shù)據(jù)挖掘?qū)嶒?yàn)。啟動(dòng)Weka軟件，進(jìn)入Explorer界面，選擇preprocess選項(xiàng)卡，打開(kāi)離散化后的數(shù)據(jù)表格，其中表格格式要求是.csv或者.arff格式，觀察數(shù)據(jù)表中數(shù)據(jù)情況，包含11個(gè)屬性1 260條數(shù)據(jù)信息。

選擇Associate選項(xiàng)卡中的Apriori算法，設(shè)定最小支持度閾值0.1，最小置信度閾值0.9，在挖掘結(jié)果界面中看到生成3個(gè)頻繁項(xiàng)集，30條規(guī)則。改變Apriori算法的最小支持度、最小置信度和生成規(guī)則條數(shù)3個(gè)參數(shù)，繼續(xù)進(jìn)行挖掘?qū)嶒?yàn)，通過(guò)多次修改參數(shù)設(shè)置從多次挖掘結(jié)果中選出幾條有價(jià)值的規(guī)則進(jìn)行分析，針對(duì)這些規(guī)則進(jìn)一步提出整改措施，輔助教師更好地投入到教學(xué)工作。挖掘結(jié)果分析如下。

（1）indextwo=A indexfour=A 714 ==〉 score=A 672〈conf:（0.94）〉 lift:（1.57）lev:（0.19）[243]conv:（6.64）這條規(guī)則說(shuō)明在評(píng)價(jià)優(yōu)秀的教師中，指標(biāo)2和指標(biāo)4的評(píng)價(jià)為優(yōu)秀的占有絕大部分。這說(shuō)明該兩項(xiàng)指標(biāo)使學(xué)生的信服程度較高。

（2）indexone=A score=A 714==〉indexeight=A 630〈conf:（0.88）〉lift:（1.47）lev:（0.16）[201]conv:（3.36）這條規(guī)則說(shuō)明獲得優(yōu)秀評(píng)價(jià)的教師中，對(duì)于指標(biāo)1評(píng)價(jià)較高的學(xué)生同時(shí)對(duì)于指標(biāo)8評(píng)價(jià)也很高。這說(shuō)明學(xué)生注重指標(biāo)1和指標(biāo)8中的共同點(diǎn)，也就是專業(yè)方向的引導(dǎo)。

通過(guò)對(duì)挖掘結(jié)果的分析和說(shuō)明，總結(jié)出以下幾點(diǎn)結(jié)論。

（1）學(xué)生對(duì)于所學(xué)知識(shí)內(nèi)容的實(shí)用性有著較高的要求，希望教師所教就是工作所用，因此教師應(yīng)該及時(shí)更新授課的內(nèi)容，加強(qiáng)學(xué)生的動(dòng)手實(shí)操能力的鍛煉，同時(shí)還要充分與工作實(shí)際相結(jié)合，盡量為學(xué)生創(chuàng)設(shè)或模擬實(shí)際工作環(huán)境。

（2）師生互動(dòng)環(huán)節(jié)是影響教學(xué)質(zhì)量的重要因素，教師需要采用多種方法和手段增強(qiáng)與學(xué)生的互動(dòng)效果，充分調(diào)動(dòng)學(xué)生的學(xué)習(xí)積極性，比如使用促動(dòng)技術(shù)，將知識(shí)放入小游戲中，激發(fā)學(xué)生的學(xué)習(xí)興趣，比如提問(wèn)、討論、對(duì)分、小組競(jìng)賽等都是幫助教師和學(xué)生的不錯(cuò)選擇。教師還需要和學(xué)生多溝通，了解學(xué)生在學(xué)習(xí)中碰到的困難，盡量幫學(xué)生去解決。

（3）學(xué)生認(rèn)為優(yōu)秀的教師應(yīng)該具備本專業(yè)的前沿知識(shí)，因此也就需要教師積極參加企業(yè)培訓(xùn)，將培訓(xùn)所學(xué)的專業(yè)前沿知識(shí)帶進(jìn)課堂，從學(xué)生入學(xué)開(kāi)始就注重逐步引導(dǎo)學(xué)生的專業(yè)感知，慢慢提升學(xué)生的專業(yè)素養(yǎng)。

4 結(jié)語(yǔ)

文章使用Weka中Apriori算法對(duì)于教師的學(xué)生測(cè)評(píng)指標(biāo)進(jìn)行挖掘分析，從學(xué)生測(cè)評(píng)角度找出深受學(xué)生好評(píng)的幾點(diǎn)規(guī)則，包含授課內(nèi)容的實(shí)用性，師生互動(dòng)情況以及專業(yè)方向的引導(dǎo)等。這些挖掘結(jié)果為教育管理者和教師提供了良好的指導(dǎo)措施，對(duì)學(xué)生的培養(yǎng)和教師素質(zhì)的提升給出了明確的建議。

[1]高云輝.數(shù)據(jù)挖掘技術(shù)在高校教學(xué)評(píng)價(jià)中的應(yīng)用研究[J].吉林省教育學(xué)院學(xué)報(bào)，2013（1）：36-37.

[2]倪娜.關(guān)聯(lián)規(guī)則挖掘算法在學(xué)生素質(zhì)測(cè)評(píng)系統(tǒng)中的應(yīng)用研究[D].天津：河北工業(yè)大學(xué)，2015.

Application of data mining technology based on Weka in student evaluation

Yang Lingzhi, Liu Haiming, Sun Yafei
（Cangzhou Technical College, Cangzhou 061001, China）

With the gradual implementation of the intelligent management of teacher information, higher vocational colleges have accumulated vast amounts of evaluation data information. This thesis analyzes Weka, the process of data mining and the whole data mining process for students to evaluate teachers. Finally, it provides good guidance for educational administrators and teachers.

Weka; association rules; student assessment

楊靈芝（1982— ），女，河北滄州人，講師，學(xué)士；研究方向：數(shù)據(jù)挖掘。