狄曉嬌

摘 要：信息技術(shù)的發(fā)展及應(yīng)用以及如何利用信息技術(shù)提高高校的管理水平，是高職院校面臨的重大課題。在學(xué)習(xí)和工作的過程中接觸到數(shù)據(jù)挖掘這一先進(jìn)的概念，力圖通過數(shù)據(jù)挖掘從學(xué)生的成績中找到隱含在其中的有效信息，這樣既可以幫助老師了解學(xué)生的學(xué)習(xí)情況，又可以幫助學(xué)生了解學(xué)習(xí)重點(diǎn)，達(dá)到教學(xué)相長的目的。利用數(shù)據(jù)挖掘技術(shù)中的決策樹的相關(guān)知識和方法，以多屆學(xué)生的《計(jì)算機(jī)應(yīng)用基礎(chǔ)》成績，對學(xué)生的成績進(jìn)行分析。主要使用數(shù)據(jù)挖掘中的決策樹知識將決策樹應(yīng)用在學(xué)生成績數(shù)據(jù)挖掘的模型上，使用SPSS Modeler 軟件利用C 5.0 算法分析出哪些因素對于《計(jì)算機(jī)應(yīng)用基礎(chǔ)》考試的影響最大，揭示其中規(guī)律，為今后教學(xué)工作及教學(xué)安排提供有效的科學(xué)的指導(dǎo)依據(jù)。

關(guān)鍵詞：數(shù)據(jù)挖掘；考試成績；決策樹；關(guān)聯(lián)規(guī)則

中圖分類號：G4 文獻(xiàn)標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2018.17.083

1 決策樹的基本概念

在已有的大量源數(shù)據(jù)中得到有效的分類器有許多種辦法，決策樹就是其中一種有效的辦法。他在數(shù)據(jù)挖掘中尤其在數(shù)據(jù)分類領(lǐng)域中應(yīng)用十分廣泛。決策樹算法主要是通過一組輸入樣本數(shù)據(jù)然后對樣本進(jìn)行決策樹歸納的一種方法。決策樹的表現(xiàn)形式是一個(gè)倒樹狀結(jié)構(gòu)圖，并且在樹枝的節(jié)點(diǎn)上一般還附帶概率結(jié)果，它是一種是直觀的使用統(tǒng)計(jì)概率來分析對象的圖表示方法。

2 幾種常用的決策樹算法

常見的算法有CHAID、CART、Quest和C5.0。判斷決策樹算法是否合適，就看每一個(gè)決策樹分組的組之間的差別是否夠大，屬性差別越大就是算法越合適。決策樹算法擅長處理離散型數(shù)據(jù)，并且處理非數(shù)值性數(shù)據(jù)時(shí)效率的方面也有不錯(cuò)的表現(xiàn)。

3 決策樹的評價(jià)標(biāo)準(zhǔn)

建立了決策樹模型后需要給出該模型的評估值，這樣才可以來判斷模型的優(yōu)劣。學(xué)習(xí)算法模型使用訓(xùn)練集 （training set） 建立模型，使用校驗(yàn)集 （test set） 來評估模型。經(jīng)過校驗(yàn)集評估后決策樹進(jìn)行評價(jià)。評估指標(biāo)有分類的準(zhǔn)確度，描述的簡潔性和計(jì)算的復(fù)雜程度等指標(biāo)。

4 決策樹在計(jì)算機(jī)成績分析中的應(yīng)用

4.1 確定挖掘?qū)ο?/p>

本次挖掘的對象是以《計(jì)算機(jī)基礎(chǔ)》為基礎(chǔ)信息，之所以選擇這門課程，是因?yàn)樗切律雽W(xué)的第一門與計(jì)算機(jī)相關(guān)的課程，也是今后繼續(xù)學(xué)習(xí)計(jì)算機(jī)相關(guān)課程的基礎(chǔ)。

《計(jì)算機(jī)基礎(chǔ)》包含平時(shí)成績及期末考試成績?？荚囋谛律雽W(xué)的第一學(xué)期的期末，即每年的1月份進(jìn)行期末考試，期末考試總分為40分，占總成績的40%。期末考試的形式為上機(jī)操作，其中包括Word，Excel和powerpoint分別占總成績的40%，40%，20%。在平時(shí)成績中有3次隨堂測驗(yàn)同樣分別是Word，Excel和powerpoint，將其成績匯總作為平時(shí)成績，總分為60分，平時(shí)成績占總成績的60%。

本論文決定使用決策樹方法研究《計(jì)算機(jī)基礎(chǔ)》考試中word，Excel和powerpoint幾個(gè)部分對最終成績的影響程度。通過構(gòu)造決策樹可以更容易找到哪些因素對最終成績影響更大。同時(shí)采用關(guān)聯(lián)規(guī)則中的Apriori算法研究《計(jì)算機(jī)基礎(chǔ)》和后續(xù)課程《fireworks》的關(guān)聯(lián)。

4.2 數(shù)據(jù)的預(yù)處理

本文用到的2013至2015級學(xué)生的《計(jì)算機(jī)基礎(chǔ)》成績及《fireworks》成績，是在學(xué)校教務(wù)部門，使用我校教務(wù)部門的教務(wù)管理軟件下載得到，由于學(xué)校的管理軟件的功能有限，所以下載的成績是以班級為單位的。

（1）數(shù)據(jù)的預(yù)處理。

數(shù)據(jù)的預(yù)處理對與數(shù)據(jù)挖掘有著重要的作用，在本文研究的目標(biāo)模型是多界學(xué)生的《計(jì)算機(jī)基礎(chǔ)》及其后續(xù)學(xué)習(xí)課程的成績，并且這些成績是以Excel文件的形式保存的。其中包含的屬性包含學(xué)號、姓名、平時(shí)成績、期末成績、總成績、專業(yè)名稱、課程名稱、任課教師等?，F(xiàn)在需要做的就是對這些數(shù)據(jù)進(jìn)行集成和預(yù)處理。

（2）數(shù)據(jù)清理。

數(shù)據(jù)預(yù)處理的第一步就是處理缺失數(shù)據(jù)。通常情況下對于缺失值的處理方法包括：人工填寫，使用最有可能的數(shù)值，忽略數(shù)值，平均值填充等方法。在處理《計(jì)算機(jī)基礎(chǔ)》考試成績的過程中發(fā)現(xiàn)大部分缺失值產(chǎn)生的原因是由于缺考造成的，所以對于缺失值的處理方法是忽略條目的方法。由計(jì)算機(jī)基礎(chǔ)是第一學(xué)期的考試科目，所以缺考學(xué)生沒有，得到有效數(shù)據(jù)2397條。

（3）數(shù)據(jù)集成。

我們需要將《計(jì)算機(jī)基礎(chǔ)》，《fireworks》等科目的成績集成在一個(gè)成績表中，也就是數(shù)據(jù)集成。

集成后數(shù)據(jù)表格包含《計(jì)算機(jī)應(yīng)用基礎(chǔ)》，《fireworks》考試成績，每門課程包括平時(shí)成績，期末成績及總成績，任課教師等屬性。其中原始樣本為2397個(gè)，經(jīng)過預(yù)處理可以進(jìn)行數(shù)據(jù)挖掘的樣板數(shù)為2253個(gè)。本次數(shù)據(jù)挖掘樣本有效率為94%。

（4）數(shù)據(jù)的歸約。

經(jīng)過數(shù)據(jù)集成后，我們還需要對數(shù)據(jù)進(jìn)行歸約，對數(shù)據(jù)進(jìn)行離散化處理把連續(xù)型數(shù)據(jù)轉(zhuǎn)換為離散型數(shù)據(jù)，可以使數(shù)據(jù)挖掘的結(jié)果更加直觀簡潔。在本文中我們通過數(shù)據(jù)集成，將學(xué)生的成績數(shù)據(jù)集成到一個(gè)包含學(xué)號、姓名、專業(yè)類別、平時(shí)成績、期末成績、總成績等屬性的數(shù)據(jù)文件。首先我們研究的課題是利用決策樹研究平時(shí)成績與期末成績和影響考試通過率因素。所以首先剔除《fireworks》的考試成績，以及專業(yè)類別、任課教師屬性。還因?yàn)樾彰c學(xué)號兩個(gè)屬性是屬于相關(guān)屬性，也就是說姓名與學(xué)號是對應(yīng)的關(guān)系，相互可以替代，但是姓名還有重名的可能，而學(xué)號是唯一的，所以將姓名的屬性剔除。只保留學(xué)號，平時(shí)成績，期末成績，總成績這些屬性。

對于決策樹的構(gòu)成最好使用離散型數(shù)值，這樣可以使結(jié)果簡潔，減少計(jì)算量。所以，我們需要將成績庫中的數(shù)據(jù)進(jìn)行離散化處理。目前，期末考試的總成績?yōu)?00分，而評價(jià)學(xué)生通過考試的分?jǐn)?shù)線為60分，所以，將總成績屬性離散化為兩個(gè)部分，即：將高于60分的學(xué)生成績轉(zhuǎn)換為“yes”，分?jǐn)?shù)低于60分的成績轉(zhuǎn)換為“no”。

平時(shí)成績占總成績60%，滿分為60分，按照平時(shí)成績大于54分，小于等于60分；大于47分，小于等于53分；大于41分，小于等于47分；大于35分，小于等于41分；小于等于35分五個(gè)層次，將平時(shí)成績分為“Super”“Hi”，“Mid”，“Low”，“No”五個(gè)等級。平時(shí)成績分為Word，Excel，powerpoint及平時(shí)表現(xiàn)分?jǐn)?shù)四個(gè)部分，其滿分分別是20，20，10，10。將這些成績按照滿分的90%，80%，70%，60% 分成“Super”“Hi”，“Mid”，“Low”，“No”五個(gè)等級。

與此同時(shí)，期末成績占總成績的40%，共40分，按照期末成績分?jǐn)?shù)大于35分，小于等于40分；大于31分，小于等于35分；大于27分，小于等于31分；大于23分小于等于27分；小于等于23分，分為“Super”“Hi”，“Mid”，“Low”，“No”五個(gè)等級。

4.3 利用決策樹做成績分析

使用SPSS Modeler軟件中C5.0模型，得到運(yùn)算結(jié)果。

通過對結(jié)果的查看得到對于考試成績影響最大的是“平時(shí)”部分，預(yù)測變量的重要性=0.36；然后是powerpoint和word部分，預(yù)測變量的重要性=0.23；而“出勤”部分對于是否通過考試的影響重要性為0.18。由此得出結(jié)論：對于判斷一個(gè)學(xué)生是否通過考試的幾個(gè)因素中平時(shí)成績最重要，word，powerpoint和出勤情況的占比差不多，但是對于Excel部分的相關(guān)性卻不是很強(qiáng)，但是由于對于學(xué)生來說word與Excel和powerpoint的重要性在學(xué)習(xí)和以后的應(yīng)用中是同等重要的，所以應(yīng)該加強(qiáng)考試出題中Excel的難度比重，如圖1所示。

提高Excel成績與最終考試成績的相關(guān)性，使教學(xué)的成果在考試中得到均衡的體現(xiàn)，更好的表現(xiàn)出考試的均衡性。通過對規(guī)則的研究可以得到一些有用的規(guī)則，我們發(fā)現(xiàn)如圖2。

IF powerpoint成績是“Hi”或者“Mid”then 通過考試的比率為98.33%。其他的規(guī)則由于樣本比例不是很多所以沒有更多的挖掘意義。具體形成的決策樹如圖3。

通過以上的數(shù)據(jù)挖掘，我們可以看出在眾多影響學(xué)生成績的因素中，平時(shí)成績對學(xué)生最終成績的影響是最大的。所以如果想要提高學(xué)生的最終成績，就需要提高學(xué)生的平時(shí)成績。而平時(shí)成績主要是由考勤及平時(shí)幾次考試的成績決定的，因此如果希望提高學(xué)生的最終成績一定要保證平時(shí)的出勤率，和平時(shí)的學(xué)習(xí)效果。

另外，從以上的規(guī)則中我們還可以看出對于最終成績影響較大的還有powerpoint部分，這部分知識點(diǎn)較簡單，學(xué)習(xí)起來也較容易，因此比較容易拿分，因此需要提高其他方面知識點(diǎn)的分布，增強(qiáng)學(xué)生的學(xué)習(xí)效果。

5 總結(jié)

信息化技術(shù)的發(fā)展，對于高校這既是機(jī)遇又是挑戰(zhàn)，筆者所在的學(xué)校的各個(gè)管理部門也在引入先進(jìn)的管理系統(tǒng)，完善各自部門的管理。比如近些年學(xué)校陸續(xù)上了教務(wù)管理系統(tǒng)、學(xué)生管理系統(tǒng)、人事管理系統(tǒng)等等。這樣使得筆者所在學(xué)校的管理水平上了一個(gè)臺階。升級新的管理系統(tǒng)為我校積累了大量數(shù)據(jù)資源。如何利用先進(jìn)管理系統(tǒng)帶來的寶貴的數(shù)據(jù)資源也為學(xué)校各界人士提出了問題。筆者嘗試?yán)脭?shù)據(jù)挖掘這樣一個(gè)新興的學(xué)科來對學(xué)校的數(shù)據(jù)進(jìn)行一些分析，力圖從中挖掘出一些隱藏在數(shù)據(jù)中的一些信息，為學(xué)校的建設(shè)提供科學(xué)的理論依據(jù)。

參考文獻(xiàn)

[1]范佳鳳，袁娟，許艷敏.基于成績分析的大學(xué)教與學(xué)現(xiàn)狀思考[J].現(xiàn)代商貿(mào)工業(yè)，2013，（03）.

[2]戎荷婷，王瑞玲，武晶，楊秋白.學(xué)生行為對學(xué)生成績的影響探究[J].現(xiàn)代商貿(mào)工業(yè)，2016，（23）.

[3]臧琛，李景平，劉海亮，王景磊.工程訓(xùn)練學(xué)生成績考核體系探討與設(shè)計(jì)[J].現(xiàn)代商貿(mào)工業(yè)，2017，（09）.