摘 要最近幾年網(wǎng)絡(luò)教育技術(shù)的發(fā)展為教育工作研究者提供了一個(gè)了解學(xué)生如何學(xué)習(xí)以及用什么樣的學(xué)習(xí)方法更有效率的研究機(jī)會(huì)。在用戶模式下網(wǎng)絡(luò)教育系統(tǒng)會(huì)收集大量的用戶數(shù)據(jù)，并利用數(shù)據(jù)挖掘技術(shù)進(jìn)行分析。這篇論文將向讀者展示怎樣通過(guò)數(shù)據(jù)挖掘技術(shù)對(duì)學(xué)生特征進(jìn)行一個(gè)分類，并預(yù)測(cè)他們的期末成績(jī)。通過(guò)設(shè)計(jì)，實(shí)現(xiàn)，以及評(píng)估了一系列模式分類器，并且比較了它們?cè)谝婚T(mén)網(wǎng)絡(luò)課程數(shù)據(jù)中的性能后，我們得到了一個(gè)結(jié)合多分類器，它可以大大提高分類的性能。利用這個(gè)方法分析學(xué)生特征，目的在于幫助學(xué)生修正自己的學(xué)習(xí)行為，教師通過(guò)這個(gè)方法也可以及時(shí)地給學(xué)生提供正確的引導(dǎo)和建議。

【關(guān)鍵詞】數(shù)據(jù)挖掘 分類 預(yù)測(cè) 結(jié)合多分類器

1 背景介紹

近幾年，貴陽(yáng)職業(yè)技術(shù)學(xué)院順應(yīng)教育信息化建設(shè)的趨勢(shì)建立校內(nèi)在線學(xué)習(xí)系統(tǒng)。通過(guò)數(shù)據(jù)挖掘技術(shù)，我們希望從在線學(xué)習(xí)系統(tǒng)中收集到的數(shù)據(jù)發(fā)現(xiàn)學(xué)生行為活動(dòng)的關(guān)聯(lián)關(guān)系，掌握其規(guī)律，并且基于每個(gè)學(xué)生學(xué)習(xí)資源的使用率對(duì)學(xué)生的成績(jī)作出預(yù)測(cè)，從而幫助教師更好的制定教學(xué)計(jì)劃。

2 數(shù)據(jù)集，分類標(biāo)簽，特征

實(shí)驗(yàn)課程包含了12次編程作業(yè)，總共184個(gè)小題目，所有的題目都使用在線學(xué)習(xí)系統(tǒng)。總共有227名學(xué)生參加了這門(mén)課根據(jù)他們的期末成績(jī)，我們可以用3種方法對(duì)他們進(jìn)行分類

（1）最簡(jiǎn)單就按照他們成績(jī)分成8類；

（2）我們還可以按照成績(jī)分段進(jìn)行分類，比如85分以上的同學(xué)劃分為“優(yōu)”，75分到84分的同學(xué)可以劃分為“良”，低于74分的同學(xué)可以劃分為“差”；

（3）我們還可以根據(jù)及格和不及格劃分為2個(gè)類，分?jǐn)?shù)大于74劃分為“及格”，分?jǐn)?shù)低于等于74劃分為“不及格”。

完成了數(shù)據(jù)集和分類標(biāo)簽的分析，接下來(lái)我們將進(jìn)行分類前的最關(guān)鍵一步，從在線學(xué)習(xí)系統(tǒng)數(shù)據(jù)庫(kù)提取特征，并選取適當(dāng)?shù)奶卣饔糜诜诸?。第二個(gè)數(shù)據(jù)庫(kù)儲(chǔ)存了以下特征：

（1）答對(duì)題目的數(shù)目（正確率）；

（2）第一次嘗試就回答正確的數(shù)目；

（3）如果沒(méi)有第一次成功，在提交正確代碼前總共嘗試了幾次；

（4）從第一次嘗試到提交正確代碼的總時(shí)間；

（5）在該問(wèn)題上所花費(fèi)的時(shí)間（不管對(duì)錯(cuò)）；

（6）在系統(tǒng)中與其他同學(xué)交流的時(shí)間。

我們將利用以上6個(gè)特征為參加Java程序設(shè)計(jì)這門(mén)課的同學(xué)進(jìn)行分類。為了方便以后的記錄，這么我們把6個(gè)特征使用英文縮寫(xiě)：

Total_Correct_Answers

Total_Number_Of_Tries

First_Got_Correct

Time_Spent_To_Solve

Total_Time_Spent

Communication

3 分類

隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，模式識(shí)別技術(shù)被應(yīng)用在各個(gè)領(lǐng)域，但是盡管如此依靠一個(gè)單一的分類器也不可能獲得一個(gè)滿意的結(jié)果。更好的做法是將不同分類器獲得的結(jié)果整合分析從而得到理想的正確率。所以其結(jié)果是，結(jié)合分類器與任何單一分類器相比可以提高分類的性能和準(zhǔn)確性。

3.1 標(biāo)準(zhǔn)化

假設(shè)在Bayesian和Parzen Window分類器中特征是呈現(xiàn)正態(tài)分布的， 那么對(duì)于每個(gè)特征的數(shù)據(jù)是需要標(biāo)準(zhǔn)化的。這樣做的目的是為了確保在決策的過(guò)程中每個(gè)特征具有相同權(quán)重。假設(shè)所給的數(shù)據(jù)是滿足高斯分布的，那么使用均值和訓(xùn)練數(shù)據(jù)的標(biāo)準(zhǔn)差進(jìn)行標(biāo)準(zhǔn)化。為了標(biāo)準(zhǔn)化訓(xùn)練數(shù)據(jù)，首先需要先計(jì)算各個(gè)特種樣本的平均值和標(biāo)準(zhǔn)差。在這個(gè)數(shù)據(jù)集中我們將使用公式（1）來(lái)標(biāo)準(zhǔn)化數(shù)據(jù)。

這確保了訓(xùn)練數(shù)據(jù)集的每個(gè)特征具有一個(gè)正態(tài)分布，其平均值為零和一的一個(gè)標(biāo)準(zhǔn)偏差。此外， k-NN算法需要在相同范圍內(nèi)所有特征都標(biāo)準(zhǔn)化。

3.2 結(jié)合多分類器 （Combination of Multiple Classifiers）

我們希望通過(guò)使用結(jié)合多分類器用來(lái)提高分類器的性能。有兩種不同的方法來(lái)結(jié)合這些分類器：

（1）最簡(jiǎn)單的方法就是集中數(shù)據(jù)集上所有分類器的出錯(cuò)率，然后選擇出錯(cuò)率最小的分類器。這種結(jié)合分類器叫做離線結(jié)合多分類器（Offline CMC），雖然這個(gè)看起來(lái)不像是一個(gè)結(jié)合多分類器， 但是它的性能總比單一的分類器要好；

（2）第二種方法，就叫做在線結(jié)合多分類器（Online CMC），所有分類器采用投票機(jī)制， 最終的結(jié)果是分類器投票的優(yōu)勝結(jié)果。

使用第二種方法，我們發(fā)現(xiàn)，在線結(jié)合多分類器可以顯著在2-， 3-和8-分類標(biāo)簽下提高預(yù)測(cè)的精確度。

4 實(shí)驗(yàn)結(jié)果

最后，我們可以通過(guò)得到的改善結(jié)果來(lái)檢測(cè)單個(gè)特征的權(quán)重。這個(gè)特征加權(quán)表示了其在分類中的重要性。在大多數(shù)情況下，結(jié)果是相似的，以多重線性回歸或基于樹(shù)的軟件，使用統(tǒng)計(jì)方法來(lái)測(cè)量特征的重要性。這里就用到了信息熵的概念。分類系統(tǒng)里面無(wú)非是樣本以及樣本的分類結(jié)果，假設(shè)這個(gè)分類系統(tǒng)有k類，那么作為訓(xùn)練集來(lái)說(shuō)，分類情況基本就定了，是按照樣本的各個(gè)特征定的。那么在這些樣本的信息的前提下，分類器有個(gè)結(jié)果，就自然包含了一種信息量在里面，可以用信息熵E（S）計(jì)算出來(lái)。表1使用了Entropy Splitting Criterion計(jì)算出Java程序設(shè)計(jì)的6個(gè)特征在3類-分類標(biāo)簽中各自的重要性。其公式為：

表1

特征 重要性 %

Total_Correct_Answers 100.00

Total_Number_Of_Tries 58.61

First_Got_Correct 27.70

Time_Spent_To_Solve 24.60

Total_Time_Spent 24.47

Communication 9.21

通過(guò)Entropy Splitting Criterion計(jì)算出來(lái)3-類的6種特征重要性

因此，根據(jù)我們實(shí)驗(yàn)產(chǎn)生的數(shù)據(jù)和信息，教師能夠幫助學(xué)生者修正學(xué)習(xí)能力，有利于學(xué)生各方面素質(zhì)的協(xié)調(diào)發(fā)展。

5 結(jié)論

隨著越來(lái)越多的學(xué)生進(jìn)入在線學(xué)習(xí)環(huán)境，數(shù)據(jù)庫(kù)涉及學(xué)生的訪問(wèn)和學(xué)習(xí)模式也將成倍的增長(zhǎng)。在本文中，我們已經(jīng)表明，數(shù)據(jù)挖掘工作可以在預(yù)測(cè)學(xué)生的學(xué)習(xí)成果方面非常有用。我們希望改進(jìn)我們的技術(shù)，這樣就可以通過(guò)教師有效地應(yīng)用于數(shù)據(jù)挖掘產(chǎn)生的信息，以提高學(xué)生的學(xué)習(xí)。

參考文獻(xiàn)

[1]葛道凱，張少剛，魏順平.教育數(shù)據(jù)挖掘：方法與應(yīng)用[M].北京：教育科學(xué)出版社，2012：29-30.

[2]魏順平.在線學(xué)習(xí)行為特點(diǎn)及其影響因素分析研究[J].開(kāi)放教育研究，2012（04）：81-90.

[3]魏順平.Moodle平臺(tái)數(shù)據(jù)挖掘研究——以一門(mén)在線培訓(xùn)課程學(xué)習(xí)過(guò)程分析為例[J].中國(guó)遠(yuǎn)程教育，2011（01）：24-30.

作者簡(jiǎn)介

鄧喆（1989-），女，苗族，貴州省人。大學(xué)本科學(xué)歷。現(xiàn)貴州師范大學(xué)助教。研究方向?yàn)橛?jì)算機(jī)應(yīng)用技術(shù)。

作者單位

貴陽(yáng)職業(yè)技術(shù)學(xué)院信息科學(xué)系 貴州省貴陽(yáng)市 550081endprint