張笑盈

摘 要：隨著大數(shù)據(jù)成為信息時(shí)代的熱點(diǎn)，教育大數(shù)據(jù)在教育領(lǐng)域特別是高等教育領(lǐng)導(dǎo)受到廣泛關(guān)注。本文首先介紹了教育大數(shù)據(jù)的概念，在此基礎(chǔ)上，提出了一種基于支持向量機(jī)的學(xué)業(yè)預(yù)警模型。最后建立多級(jí)學(xué)業(yè)預(yù)警信號(hào)及相應(yīng)的反饋機(jī)制，并利用模型自動(dòng)發(fā)現(xiàn)學(xué)習(xí)狀態(tài)不佳的學(xué)生并發(fā)出預(yù)警。

1.引 言

隨著高等教育趨向大眾化，高校學(xué)生人數(shù)急劇增加，根據(jù)《2016 年全國教育事業(yè)發(fā)展統(tǒng)計(jì)公報(bào)》顯示，全國高校在校學(xué)生總?cè)藬?shù)達(dá)到3699萬人，高等教育入學(xué)率達(dá)到42.7%[1]。然而，招生門檻的降低勢(shì)必會(huì)導(dǎo)致生源質(zhì)量的驟然下降，增加學(xué)生管理工作難度。而大數(shù)據(jù)時(shí)代的到來，促使教育行業(yè)不斷創(chuàng)新與變革。

我國教育領(lǐng)域的不斷發(fā)展與變革正經(jīng)歷著空前絕后的考驗(yàn)，大數(shù)據(jù)和教育領(lǐng)域相結(jié)合成為時(shí)代發(fā)展的新趨勢(shì)。隨著數(shù)字化校園、智慧校園的不斷推進(jìn)，每個(gè)教師和學(xué)生每天都在生產(chǎn)大量的數(shù)據(jù)，這些數(shù)據(jù)大都只是被存儲(chǔ)在數(shù)據(jù)庫中，而沒有將其進(jìn)行充分利用，甚至?xí)挥谰脛h除。因此，如何利用這些數(shù)據(jù)，使這些數(shù)據(jù)成為有用的信息，得到了教育工作者和學(xué)習(xí)者們的廣泛關(guān)注[2]。

2.教育大數(shù)據(jù)的概念

教育大數(shù)據(jù)是大數(shù)據(jù)中的一部分，特指在教育領(lǐng)域中的大數(shù)據(jù)。這里的教育是“大教育”的概念，具有全員、全程、全方位的特點(diǎn)[3]。教育領(lǐng)域中的大數(shù)據(jù)可以分為狹義和廣義兩類，從狹義的角度來說，它是指學(xué)習(xí)者的行為數(shù)據(jù)，可以從與學(xué)生相關(guān)的管理系統(tǒng)中獲取，而從廣義的角度來說，通常指人類在日常教育活動(dòng)中產(chǎn)生的行為數(shù)據(jù)[4]。

3.學(xué)業(yè)預(yù)警模型設(shè)計(jì)

學(xué)業(yè)預(yù)警指的是高校遵照一定的標(biāo)準(zhǔn)，綜合評(píng)價(jià)學(xué)生的日常學(xué)習(xí)表現(xiàn)和考試成績等因素，根據(jù)評(píng)估結(jié)果，生成相應(yīng)的預(yù)警信號(hào)，針對(duì)不同的預(yù)警信號(hào)，采取不同的措施，幫助學(xué)生更好的完成學(xué)業(yè)，同時(shí)也可防止學(xué)生被取消學(xué)位或退學(xué)等現(xiàn)象發(fā)生。因此，本文綜合學(xué)生當(dāng)前的學(xué)習(xí)生活狀態(tài)以及過往的學(xué)習(xí)成績，提出一種基于支持向量機(jī)的學(xué)業(yè)預(yù)警模型，具體過程如下：

Step1：表1 所示為構(gòu)造的學(xué)業(yè)狀態(tài)特征向量，由考勤指數(shù)、學(xué)習(xí)指數(shù)、以及成績指數(shù)這三個(gè)影響學(xué)業(yè)的重要指標(biāo)組成，將預(yù)測(cè)結(jié)果分為“紫色、綠色、紅色”三級(jí)，其中紫色表示優(yōu)秀，綠色表示一般，紅色表示差。

Step2：從學(xué)校的相關(guān)信息系統(tǒng)抽取基礎(chǔ)數(shù)據(jù)并根據(jù)表1量化方法構(gòu)造學(xué)業(yè)狀態(tài)樣本集。將樣本集分為兩部分，一部分作為訓(xùn)練集，用于SVM分類器的訓(xùn)練，另一部分作為測(cè)試集，對(duì)SVM分類器的正確率和有效性進(jìn)行測(cè)試驗(yàn)證。

Step3：根據(jù)交叉驗(yàn)證方法選擇RBF型核函數(shù)的懲罰因子和參數(shù)。采用“one against one”的方法，使用訓(xùn)練集訓(xùn)練得到3個(gè)SVM分類器。

Step4：分別使用3個(gè)SVM分類器對(duì)樣本集進(jìn)行分類，計(jì)算各個(gè)類別的得分，選擇分?jǐn)?shù)最高的一類作為測(cè)試集的預(yù)測(cè)結(jié)果。如果預(yù)測(cè)結(jié)果與人工標(biāo)簽相同，表明預(yù)測(cè)結(jié)果正確，否則錯(cuò)誤，由此驗(yàn)證了分類器的總體正確率。如果正確率達(dá)到了事先劃定的閾值，則可以使用分類器對(duì)任意學(xué)生的學(xué)業(yè)狀態(tài)進(jìn)行預(yù)測(cè)；否則，將樣本集進(jìn)行重構(gòu)，然后更新參數(shù)進(jìn)行再次學(xué)習(xí)。

由于學(xué)生的任何一個(gè)指標(biāo)都無法完全刻畫學(xué)業(yè)狀態(tài)，因此綜合考慮以上三項(xiàng)指標(biāo)，借助天氣預(yù)警信號(hào)，用紅色、橙色、黃色、綠色、藍(lán)色、紫色6 種顏色，展示不同的學(xué)業(yè)狀態(tài)情況，如表2所示。

4.總結(jié)

本文在教育大數(shù)據(jù)支撐下，提出一種基于支持向量機(jī)的學(xué)業(yè)預(yù)警模型設(shè)計(jì)，可自動(dòng)識(shí)別學(xué)業(yè)不佳的學(xué)生并對(duì)其進(jìn)行預(yù)警。通過這種方式可創(chuàng)建個(gè)性化定制教育實(shí)現(xiàn)學(xué)習(xí)優(yōu)化，不但能增加教育工作的指向性，而且有助于高校學(xué)生工作的開展。但如果應(yīng)用不當(dāng)，過分依賴生硬的數(shù)據(jù)也可能與教育的本質(zhì)大相徑庭，因此，應(yīng)當(dāng)權(quán)衡人的發(fā)展與技術(shù)應(yīng)用，合理利用教育大數(shù)據(jù)。

參考文獻(xiàn)：

[1] 陳玉蕓. 大數(shù)據(jù)環(huán)境下完善學(xué)業(yè)預(yù)警系統(tǒng)研究[J]. 南寧職業(yè)技術(shù)學(xué)院學(xué)報(bào)， 2018（2）

[2] 金義富， 吳濤， 張子石，等. 大數(shù)據(jù)環(huán)境下學(xué)業(yè)預(yù)警系統(tǒng)設(shè)計(jì)與分析[J]. 中國電化教育， 2016（2）：69-73.

[3] 焦春燕. 基于教育大數(shù)據(jù)的學(xué)業(yè)預(yù)警模型研究[J]. 電子技術(shù)， 2017， 46（9）.

[4] 朱劍林， 朱容波， 康怡琳，等. 教育大數(shù)據(jù)在高校貧困生預(yù)測(cè)中的應(yīng)用研究[J]. 教育教學(xué)論壇， 2018（21）.