王倩　楊洋　單晴雯　施運(yùn)梅

摘要：學(xué)生管理工作中積累了大量的學(xué)生信息，有效地利用這些信息將會給學(xué)生工作帶來極大的便利與幫助。以北京某高校計算機(jī)學(xué)院學(xué)生的信息為基礎(chǔ)，利用決策樹算法對已有學(xué)生的信息進(jìn)行分類研究，并通過實例驗證其可行性，開啟學(xué)生工作新模式。

關(guān)鍵詞：學(xué)生信息；數(shù)據(jù)預(yù)處理；決策樹；預(yù)測；學(xué)生工作

中圖分類號：TP311.51 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2018）06-0217-03

教育領(lǐng)域積累了大量的學(xué)生信息，例如成績、文體科技活動參加情況以及畢業(yè)發(fā)展?fàn)顩r等信息，這些信息直接反映了學(xué)生在校的學(xué)習(xí)狀態(tài)、性格特點甚至發(fā)展方向。對學(xué)生信息的分析能夠指導(dǎo)教學(xué)，引導(dǎo)學(xué)生工作者工作的展開，對學(xué)生的培養(yǎng)和發(fā)展起到一定的輔助作用。

目前，對學(xué)生數(shù)據(jù)的利用主要是對學(xué)生成績的簡單分析，例如：對學(xué)生成績計算平均學(xué)分績點，排名劃分等級線；對修課學(xué)分進(jìn)行統(tǒng)計分析。這類基礎(chǔ)分析主要依賴分析人的經(jīng)驗，而缺乏一個客觀的廣泛的評價標(biāo)準(zhǔn)，在實際中發(fā)揮的效用有限。數(shù)據(jù)挖掘技術(shù)能從大量看似無聯(lián)系的數(shù)據(jù)發(fā)現(xiàn)有用的信息。高等大專類院校學(xué)生信息中包含大量有用的信息，對學(xué)習(xí)成績、文體科技類競賽參加情況以及畢業(yè)后發(fā)展走向進(jìn)行挖掘能得到許多對學(xué)生工作以及就業(yè)指導(dǎo)決策有價值的信息。

在對與此相關(guān)的項目進(jìn)行調(diào)研分析之后總結(jié)出，對于學(xué)生信息的分析，文獻(xiàn)[1-3]只是停留在對學(xué)生信息某一方面的具體分析，沒有對學(xué)生信息進(jìn)行總體整合分析，這就有可能導(dǎo)致分析的不夠全面對未來發(fā)展預(yù)測的不準(zhǔn)確，并且在預(yù)測之后沒有對預(yù)測的準(zhǔn)確率進(jìn)行估計，這種分析的方法不能確定預(yù)測的穩(wěn)定性與準(zhǔn)確性。

本項目將對北京某高校計算機(jī)學(xué)院學(xué)生的各項信息進(jìn)行整合分析，從一個較為完整的角度通過學(xué)生的在校信息對學(xué)生未來的發(fā)展方向做以預(yù)測[5][6]，并且對預(yù)測的準(zhǔn)確率進(jìn)行計算，以確保估計的可信度。下面將從學(xué)生信息收集與預(yù)處理、決策樹的應(yīng)用、結(jié)果分析以及結(jié)束語四部分來進(jìn)行詳細(xì)闡述。

1學(xué)生信息收集與預(yù)處理

本次研究以北京某高校計算機(jī)學(xué)院2016、2017屆畢業(yè)生為主要分析對象，采集學(xué)生姓名、專業(yè)、學(xué)習(xí)成績、就業(yè)單位以及是否參與過科研競賽和社團(tuán)等信息，該數(shù)據(jù)由學(xué)院畢業(yè)生指導(dǎo)教師、科研管理教師以及社團(tuán)管理教師提供，從根本上保證了數(shù)據(jù)的準(zhǔn)確性與可靠性。

收集到的數(shù)據(jù)大多是以Excel形式進(jìn)行存儲，這些表格在維度、標(biāo)準(zhǔn)上有較大的差異，因此需要對數(shù)據(jù)進(jìn)行預(yù)處理：

1）數(shù)據(jù)清洗：通過填寫缺失值，光滑噪聲數(shù)據(jù)、刪除重復(fù)數(shù)據(jù)、解決不一致性來“清理”數(shù)據(jù)；

2）數(shù)據(jù)轉(zhuǎn)換：收集到的數(shù)據(jù)有一部分是和本項目是不相關(guān)，是冗余的，減少不相關(guān)數(shù)據(jù)對數(shù)據(jù)挖掘的影響是至關(guān)重要的。

3）數(shù)據(jù)規(guī)約：數(shù)據(jù)經(jīng)過前面的步驟之后已經(jīng)基本符合要求，但還需要經(jīng)過規(guī)約對數(shù)據(jù)進(jìn)行最后一步的規(guī)范，使數(shù)據(jù)量減少，讓挖掘的工作量達(dá)到更高的效率。

4）數(shù)據(jù)分類：數(shù)據(jù)的分類是為了算法能夠更好地處理數(shù)據(jù)。學(xué)生的專業(yè)分為三種：計算機(jī)科學(xué)與技術(shù)、網(wǎng)絡(luò)工程、軟件工程，為了更為方便的表示，將計算機(jī)科學(xué)與技術(shù)設(shè)為1，軟件工程設(shè)為2，網(wǎng)絡(luò)工程設(shè)為3。成績按照優(yōu)秀、良好、中等、合格、不合格，對應(yīng)為1、2、3、4、5五個等級。其他數(shù)據(jù)按照類似的方法進(jìn)行整理。

按表1的處理規(guī)則對數(shù)據(jù)處理后，得到如圖1所示的分類圖：從左到右分別表示專業(yè)分類、競賽、社團(tuán)、必修課平均成績、以及就業(yè)單位。

2決策樹的應(yīng)用

決策樹算法是數(shù)據(jù)挖掘算法中一種典型的分類方法，首先對數(shù)據(jù)進(jìn)行處理，利用歸納算法生成可讀的規(guī)則和決策樹，然后使用決策對新數(shù)據(jù)進(jìn)行分析。決策樹的構(gòu)造可以分為兩部分，第一部分是構(gòu)建決策樹，即通過訓(xùn)練數(shù)據(jù)集產(chǎn)生符合實際需求的數(shù)據(jù)集，第二部分是通過對已經(jīng)產(chǎn)生的決策樹進(jìn)行修剪的過程。主要是用訓(xùn)練數(shù)據(jù)集對決策樹進(jìn)行測試，將對預(yù)測結(jié)果平衡性的分枝減掉。

在本研究中決策樹的應(yīng)用主要思想是通過使用決策樹算法對收集數(shù)據(jù)預(yù)處理后得到訓(xùn)練數(shù)據(jù)集進(jìn)行分析建模，然后利用所見模型對未知數(shù)據(jù)進(jìn)行預(yù)測。預(yù)測的好壞的衡量主要體現(xiàn)是預(yù)測的準(zhǔn)確程度，因此在利用決策樹實現(xiàn)分類預(yù)測功能的基礎(chǔ)上，我們增加了獲得預(yù)測準(zhǔn)確率的方法，從而檢驗預(yù)測結(jié)果的準(zhǔn)確程度。

具體實現(xiàn)分為兩個步驟，第一步是先將構(gòu)建決策樹的數(shù)據(jù)和預(yù)測數(shù)據(jù)導(dǎo)入并加載，調(diào)用weka jar包中的決策樹算即i48算法形成決策樹，然后會根據(jù)決策樹的路徑做出最優(yōu)路徑，遍歷數(shù)據(jù)對數(shù)據(jù)進(jìn)行預(yù)測，得到結(jié)果后將預(yù)測結(jié)果寫到文件中，具體實現(xiàn)過程如圖2所示：

第二步是對決策樹的準(zhǔn)確率進(jìn)行測試驗證，從收集到的北京某高校計算機(jī)學(xué)院2016、2017屆畢業(yè)生的數(shù)據(jù)即訓(xùn)練數(shù)據(jù)集中隨機(jī)抽取部分?jǐn)?shù)據(jù)作為測試數(shù)據(jù)，將構(gòu)建決策樹和測試數(shù)據(jù)導(dǎo)入并加載。通過i48算法構(gòu)建好決策樹，來預(yù)測測試數(shù)據(jù)結(jié)果，將測試數(shù)據(jù)結(jié)果和真實結(jié)果進(jìn)行對比，統(tǒng)計預(yù)測結(jié)果準(zhǔn)確數(shù)據(jù)個數(shù)和測試數(shù)據(jù)總個數(shù)，來得到準(zhǔn)確率。具體實現(xiàn)過程如圖3所示：

3結(jié)果分析

經(jīng)過對預(yù)處理的數(shù)據(jù)決策樹算法分析之后，得到如圖4的數(shù)據(jù)決策樹，由此圖可得出以下分類規(guī)則：

1）成績>90的同學(xué)，將會選擇攻讀研究生；

2）成績在80-90的同學(xué)，專業(yè)在計算機(jī)科學(xué)與技術(shù)且未參加競賽的同學(xué)會選擇科技類公司，參加競賽的同學(xué)會選擇攻讀研究生而專業(yè)在軟工和網(wǎng)工的同學(xué)則將會選擇在科技類公司工作；

3）成績在70-80的同學(xué)，專業(yè)在網(wǎng)工的同學(xué)且未參加過競賽的同學(xué)會選擇科技類公司作為發(fā)展方向，參加過競賽的同學(xué)將會選擇非科技類公司，而計算機(jī)科學(xué)與技術(shù)和軟件工程的同學(xué)則更傾向于選擇科技類公司。

4）成績在60-70的同學(xué)，專業(yè)在計算機(jī)科學(xué)與技術(shù)和網(wǎng)絡(luò)工程的同學(xué)會選擇科技類公司，軟件工程的同學(xué)會選擇非科技類公司。

5）成績在60以下的同學(xué)，參加過社團(tuán)的同學(xué)會選擇非科技類公司，未參加過社團(tuán)的同學(xué)會選擇科技類公司。

根據(jù)訓(xùn)練數(shù)據(jù)集中學(xué)生三種工作類型location_l：location_2：10cation3=51：82：199的比例隨機(jī)選取測試數(shù)據(jù)集26條（如圖4測試數(shù)據(jù)），使用上述方法，得到預(yù)測結(jié)果（如圖5），最后一列即為預(yù)測的學(xué)生工作類型。將得到的預(yù)測數(shù)據(jù)結(jié)果（如圖5）與真實數(shù)據(jù)（如圖6）進(jìn)行準(zhǔn)確率的對比，準(zhǔn)確率達(dá)到0.846，證明本研究具有較高的準(zhǔn)確率和可信任度。

4結(jié)束語

本研究利用數(shù)據(jù)挖掘技術(shù)中的決策樹算法對學(xué)生信息分析之后進(jìn)而得到?jīng)Q策樹模型，通過對模型得到的分類規(guī)則，實現(xiàn)幫助學(xué)工老師指導(dǎo)學(xué)生就業(yè)的同時，也幫助學(xué)生就業(yè)時對自己有一個較為準(zhǔn)確的定位，幫助學(xué)校和學(xué)生樹立責(zé)任意識和危機(jī)意識，實現(xiàn)各方努力，提高畢業(yè)生的實際就業(yè)問題。通過實踐驗證，本研究對學(xué)生就業(yè)具有一定的指導(dǎo)意義和實用價值，具有較高的準(zhǔn)確率和可信任度，但由于目前收集到的數(shù)據(jù)有限，數(shù)據(jù)分布不均衡，使得結(jié)果預(yù)測仍有誤差，提高結(jié)果預(yù)測的準(zhǔn)確性將是筆者接下來的研究重點。筆者將收集更多樣化的數(shù)據(jù)集，實踐更多數(shù)據(jù)挖掘的分析算法，使研究成果更加具有實用性的價值。