白楊

摘要：課程成績(jī)預(yù)測(cè)研究對(duì)大學(xué)生的學(xué)習(xí)指導(dǎo)及課程評(píng)價(jià)體系的構(gòu)建具有指導(dǎo)意義。為了監(jiān)測(cè)學(xué)習(xí)過(guò)程和預(yù)測(cè)學(xué)習(xí)效果，以泛雅網(wǎng)絡(luò)教學(xué)平臺(tái)為輔助環(huán)境，文章采用決策樹(shù)方法對(duì)學(xué)生的課程學(xué)習(xí)過(guò)程進(jìn)行分析，獲得課程成績(jī)的主要影響因素和分類(lèi)規(guī)則。該方法能為學(xué)生提供課程學(xué)習(xí)指導(dǎo)，為制定課程的考核及評(píng)價(jià)方式提供思路。

關(guān)鍵詞：課程成績(jī)預(yù)測(cè)；決策樹(shù)；信息增益；泛雅網(wǎng)絡(luò)教學(xué)平臺(tái)

隨著教育信息化、全球化的迅猛發(fā)展，慕課、可汗學(xué)院等網(wǎng)絡(luò)教學(xué)平臺(tái)應(yīng)運(yùn)而生，并由此產(chǎn)生了海量的學(xué)習(xí)活動(dòng)和教學(xué)管理數(shù)據(jù)，如何有效地利用這些數(shù)據(jù)提升學(xué)生的學(xué)習(xí)效率，已經(jīng)成為在線(xiàn)教育面臨的挑戰(zhàn)之一。分類(lèi)挖掘是數(shù)據(jù)挖掘研究領(lǐng)域中的一個(gè)重要分支，目前，在商業(yè)、電信、生物等研究和應(yīng)用領(lǐng)域取得了令人矚目的成績(jī)，不少學(xué)者也開(kāi)始嘗試將分類(lèi)挖掘應(yīng)用到教育信息化領(lǐng)域，為教學(xué)改革與管理提供了科學(xué)依據(jù)。課程成績(jī)是衡量學(xué)生的學(xué)習(xí)效果和教師教學(xué)質(zhì)量的重要依據(jù)之一，是教師和學(xué)生關(guān)注的重點(diǎn)，但是，成績(jī)的評(píng)定通常是在課程期末考試之后才能確定，只能讓師生了解一個(gè)學(xué)習(xí)的結(jié)果。實(shí)際上，學(xué)生對(duì)課程掌握程度在平時(shí)的教學(xué)過(guò)程中有所體現(xiàn)，如果能讓學(xué)生隨時(shí)了解自己的課程學(xué)習(xí)情況以及教師實(shí)時(shí)監(jiān)測(cè)學(xué)生的學(xué)習(xí)狀況，無(wú)疑能為課程學(xué)習(xí)提供有益的指導(dǎo)。本文以信息管理專(zhuān)業(yè)的“運(yùn)籌學(xué)”課程為例，通過(guò)泛雅網(wǎng)絡(luò)平臺(tái)，對(duì)學(xué)生課程學(xué)習(xí)過(guò)程的考核數(shù)據(jù)與期末成績(jī)之間的關(guān)系類(lèi)別進(jìn)行分析，得到結(jié)構(gòu)統(tǒng)一的數(shù)據(jù)及泛化的屬性，并構(gòu)建課程成績(jī)的決策樹(shù)，獲得分類(lèi)規(guī)則和分析結(jié)果。

1 數(shù)據(jù)采集和預(yù)處理

泛雅網(wǎng)絡(luò)教學(xué)平臺(tái)覆蓋了課程建設(shè)、課程學(xué)習(xí)、學(xué)習(xí)社區(qū)、學(xué)習(xí)分析和課程管理的整個(gè)教學(xué)過(guò)程。對(duì)于學(xué)習(xí)效果評(píng)測(cè)，平臺(tái)提供了對(duì)學(xué)生的學(xué)習(xí)活動(dòng)記錄和統(tǒng)計(jì)的功能。統(tǒng)計(jì)指標(biāo)主要包括學(xué)生學(xué)習(xí)課程視頻的完成指標(biāo)，以課程視頻進(jìn)度與任務(wù)點(diǎn)完成百分比呈現(xiàn)，另外還包括作業(yè)得分、考試得分、訪問(wèn)數(shù)得分，均按照設(shè)定的比例給出分?jǐn)?shù)。這些指標(biāo)記錄了學(xué)生課程學(xué)習(xí)過(guò)程中參與話(huà)題討論、學(xué)習(xí)活動(dòng)、完成作業(yè)及參加測(cè)試的情況。

首先，對(duì)學(xué)習(xí)“運(yùn)籌學(xué)”課程的70位學(xué)生的學(xué)習(xí)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行采集，將其分為成兩個(gè)部分：60條數(shù)據(jù)作為訓(xùn)練集，10條數(shù)據(jù)作為測(cè)試集。然后，采用數(shù)據(jù)預(yù)處理技術(shù)來(lái)提升數(shù)據(jù)的質(zhì)量，具體分為3個(gè)步驟：（l）屬性的刪除，將冗余數(shù)據(jù)、與挖掘過(guò)程不相關(guān)數(shù)據(jù)，從數(shù)據(jù)表里去除掉；（2）屬性的泛化，將屬性值做泛化處理，化簡(jiǎn)分類(lèi)過(guò)程，結(jié)果如表1所示；（3）數(shù)據(jù)清理，對(duì)提取的數(shù)據(jù)集進(jìn)行檢查，把所有數(shù)據(jù)規(guī)范化，刪除匯總表里不標(biāo)準(zhǔn)的數(shù)據(jù)集。

與“運(yùn)籌學(xué)”關(guān)聯(lián)最大的先導(dǎo)課是“統(tǒng)計(jì)學(xué)”，在表1中，“先導(dǎo)課”屬性依據(jù)“統(tǒng)計(jì)學(xué)”的期末成績(jī)，將原始數(shù)據(jù)的百分制泛化為優(yōu)（≥90分），良（≥60分且<89分），差（<60分）3個(gè)級(jí)別?！俺銮凇睂傩砸罁?jù)學(xué)生的課堂出勤情況，屬性值為合格、不合格（缺勤3次以上）。“視頻學(xué)習(xí)”屬性為任務(wù)點(diǎn)完成情況，級(jí)別為高（≥0%）、中（≥40%且<70%）、低（<40%）?！霸L問(wèn)數(shù)”屬性依據(jù)網(wǎng)站訪問(wèn)數(shù)得分，級(jí)別為高（≥8分）、中（≥4分且<8分）、低（<4分）?！皽y(cè)驗(yàn)”屬性依據(jù)平時(shí)的考試得分，級(jí)別為優(yōu)（≥10分），良（≥5分且<10分），差（<5分）?！白鳂I(yè)”屬性依據(jù)作業(yè)得分，級(jí)別為好（>10分），一般《10分）?！捌谀┏煽?jī)”為分類(lèi)屬性，是“運(yùn)籌學(xué)”這門(mén)課程的期末成績(jī)，級(jí)別劃分與“先導(dǎo)課”屬性相同。

2 決策樹(shù)構(gòu)造

采用經(jīng)典的決策樹(shù)C4.5算法進(jìn)行分析，該算法采用基于信息增益率選擇測(cè)試屬性。決策樹(shù)模型創(chuàng)建過(guò)程分為以下幾個(gè)步驟。

（1）計(jì)算分類(lèi)屬性的信息量。對(duì)隨機(jī)選定的60位學(xué)生的訓(xùn)練數(shù)據(jù)進(jìn)行分析，“期末成績(jī)”考試成績(jī)屬性分類(lèi)優(yōu)、良、差對(duì)應(yīng)的子集元組數(shù)分別為si=9，s2=43，S3=8。根據(jù)分類(lèi)期望值公式，可得到I（s1，s2，s3）=I（9，43，8）=1.142 7。

（2）計(jì)算每個(gè)測(cè)試屬性的信息量。以“視頻學(xué)習(xí)”屬性為例，“視頻學(xué)習(xí)”分成高、中、低3個(gè)分支，相應(yīng)的元組個(gè)數(shù)分別是18，35以及7。首先對(duì)“視頻學(xué)習(xí)”為高的分支，統(tǒng)計(jì)“期末成績(jī)”為優(yōu)、良、差依次對(duì)應(yīng)的子集元組數(shù)si=10，s2=5，s3=3。則信息量為/（s1，s2，S3）=I（10，5，3）=1.415 3。繼續(xù)計(jì)算“實(shí)踐能力”為中的分支的信息量為：I（5，21，9）=0.986 1，“視頻學(xué)習(xí)”為低的分支的信息量為I（0，2，5）=0.863 0。

（3）計(jì)算每個(gè)測(cè)試屬性的信息熵。如：

E（視頻學(xué)習(xí)）=1/60I（10，5，3）+35 /（5， 21，9）+7/60 I（0，2，5）=1.114 9

（4）計(jì)算每個(gè)測(cè)試屬性的信息增益量。如：

Gain（視頻學(xué)習(xí)）=I（9，43，8）-E（視頻學(xué)習(xí)）=0.027 8

（5）計(jì)算每個(gè)測(cè)試屬性的信息增益率。如：

GainRatio（視頻學(xué)習(xí)，=Gain（視頻學(xué)習(xí)/E（視頻學(xué)習(xí)）=0.024 9

（6）根據(jù)上面（1）～（5）步驟，分別得到各屬性的信息增益率：先導(dǎo)課=0.017 8、出勤=0.030 3、訪問(wèn)數(shù)=0.021 1、測(cè)驗(yàn)=0.051 6、作業(yè)=0.013 4。由結(jié)果可知，信息增益率數(shù)值最大的屬性是“測(cè)驗(yàn)”，故“測(cè)驗(yàn)”是決策樹(shù)的根結(jié)點(diǎn)，并根據(jù)它的3個(gè)屬性值，對(duì)樣本繼續(xù)劃分，并重復(fù)（1）～（5），分別計(jì)算除了“測(cè)驗(yàn)”外的各個(gè)屬性的信息增益率，通過(guò)尋找最大值，得到“測(cè)驗(yàn)”為優(yōu)的分支節(jié)點(diǎn)為“先導(dǎo)課”屬性，“測(cè)驗(yàn)”為良的分支節(jié)點(diǎn)為“訪問(wèn)數(shù)”屬性、差的分支節(jié)點(diǎn)為“出勤”屬性。重復(fù)（1）～（6）步驟，確定其他的分節(jié)支點(diǎn)，得到如圖1所示的學(xué)生成績(jī)分析決策樹(shù)。

根據(jù)圖1構(gòu)建的決策樹(shù)，可以得出多條分類(lèi)規(guī)則，如“測(cè)試=優(yōu)∧先導(dǎo)課=優(yōu)”或者“測(cè)試=良∧訪問(wèn)數(shù)=高”，期末成績(jī)?yōu)閮?yōu)；“測(cè)試=差∧出勤=一般”或者“測(cè)試=良∧訪問(wèn)數(shù)=低”，期末成績(jī)?yōu)椴??？偨Y(jié)這些分類(lèi)規(guī)則可以得出如下結(jié)論。平時(shí)測(cè)驗(yàn)成績(jī)較高和經(jīng)常通過(guò)教學(xué)平臺(tái)學(xué)習(xí)課程的學(xué)生，期末成績(jī)比較容易取得高分；而平時(shí)測(cè)驗(yàn)成績(jī)較低且上課出勤率較低的學(xué)生，期末成績(jī)往往也較差；而那些在平時(shí)測(cè)驗(yàn)、網(wǎng)站訪問(wèn)量、視頻學(xué)習(xí)完成率和先導(dǎo)課的掌握程度都一般的學(xué)生，則期末成績(jī)平平。

3 結(jié)語(yǔ)

根據(jù)泛雅網(wǎng)絡(luò)教學(xué)平臺(tái)的輔助功能，采用C4.5方法構(gòu)造了課程成績(jī)測(cè)評(píng)的決策樹(shù)模型，獲得了影響成績(jī)的主要因素和分類(lèi)規(guī)則。該模型的基本功能是可以結(jié)合學(xué)生在平臺(tái)上學(xué)習(xí)的記錄數(shù)據(jù)，預(yù)測(cè)出學(xué)生的期末成績(jī)，并且能解釋成績(jī)不良的原因。另外，該模型還為課程體系的重構(gòu)及課程教學(xué)方法的改革提供參考，對(duì)教師和學(xué)生具有監(jiān)督和強(qiáng)化作用，根據(jù)反饋信息學(xué)生可以修訂學(xué)習(xí)計(jì)劃，教師可以調(diào)整教學(xué)行為。除此之外，還可以將該模型與泛雅平臺(tái)提供的督學(xué)功能相結(jié)合，設(shè)置出督導(dǎo)對(duì)象并確定督學(xué)的條件（屬性），這將豐富泛雅平臺(tái)的使用功能，使其成為一個(gè)更科學(xué)、更有效的教學(xué)平臺(tái)。