王賀　張秀梅

摘? 要：隨著科技的發(fā)展，各個(gè)高校網(wǎng)絡(luò)教學(xué)模式日漸增加，而網(wǎng)絡(luò)教學(xué)是在一定教學(xué)理論和思想指導(dǎo)下，應(yīng)用多媒體和網(wǎng)絡(luò)技術(shù)，通過師、生、媒體等，多邊、多向互動(dòng)和對(duì)多種媒體教學(xué)信息的收集、傳輸、處理、共享來實(shí)現(xiàn)教學(xué)目標(biāo)的一種教學(xué)模式。該課題采用Clementine12.0數(shù)據(jù)挖掘環(huán)境中的K-Means方法，分析已有的一定數(shù)量的學(xué)習(xí)行為與效果之間的關(guān)聯(lián)，建立“什么樣的學(xué)習(xí)行為能獲得什么效果”的規(guī)則，實(shí)現(xiàn)了對(duì)其學(xué)習(xí)效果的聚類分析。最終能根據(jù)所構(gòu)建的模型對(duì)學(xué)生在線學(xué)習(xí)行為進(jìn)行學(xué)習(xí)效果預(yù)測(cè)，為學(xué)習(xí)者的個(gè)性化學(xué)習(xí)提供支持，提高其自我調(diào)控能力，同時(shí)為教師的課堂教學(xué)提供資料，作為開展教學(xué)的依據(jù)。

關(guān)鍵詞：預(yù)測(cè)學(xué)習(xí)效果模型? K-Means算法? 網(wǎng)絡(luò)學(xué)習(xí)

中圖分類號(hào)：G434? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1672-3791（2019）03（c）-0015-03

近年來，隨著信息時(shí)代的到來。當(dāng)代學(xué)生們的學(xué)習(xí)模式發(fā)生了許多變化，其中網(wǎng)絡(luò)學(xué)習(xí)較為流行，它打破了傳統(tǒng)教學(xué)的局限性。學(xué)習(xí)新的知識(shí)不僅僅可以通過老師們面對(duì)面的言傳身教，老師和學(xué)生也可以通過多媒體和網(wǎng)絡(luò)技術(shù)多邊、多向互動(dòng)。在網(wǎng)絡(luò)環(huán)境下進(jìn)行教學(xué)，要體現(xiàn)學(xué)生的主體地位，有利于培養(yǎng)興趣、啟發(fā)誘導(dǎo)，并真正調(diào)動(dòng)學(xué)生參與教學(xué)的積極性、主動(dòng)性和創(chuàng)造性。網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)除了提供在線學(xué)習(xí)功能，往往還提供隨堂練習(xí)、課程作業(yè)、課程考試等考試功能。對(duì)學(xué)習(xí)者學(xué)習(xí)狀況的評(píng)估將直接影響他們對(duì)網(wǎng)絡(luò)學(xué)習(xí)的態(tài)度、積極性和效果[1]。

“溫故而知新”，在線學(xué)習(xí)成為終身學(xué)習(xí)的有效途徑。在學(xué)校教育中，網(wǎng)絡(luò)學(xué)習(xí)也日益成為課堂教學(xué)的補(bǔ)充[2]。隨著計(jì)算機(jī)與網(wǎng)絡(luò)的快速發(fā)展和廣泛應(yīng)用，網(wǎng)絡(luò)學(xué)習(xí)已經(jīng)是學(xué)校教育教學(xué)的重要組成部分[3]。該課題主要分析選用相應(yīng)的學(xué)習(xí)行為數(shù)據(jù)，運(yùn)用數(shù)據(jù)挖掘分類算法建立“學(xué)習(xí)行為—效果”預(yù)測(cè)模型。

聚類分析采用K-Means算法，是一種常用的基于劃分的聚類方法，用來根基樣本屬性值之間的相似度來對(duì)樣本進(jìn)行分組。K-Means算法是一種迭代算法，初始的k個(gè)類被隨機(jī)定義之后，將被不斷更新，并在更新中被優(yōu)化，當(dāng)無法再進(jìn)一步優(yōu)化（或達(dá)到一定的迭代次數(shù)）時(shí)算法停止，然后生成模型。先分析聚類樣本的數(shù)據(jù)類型，根據(jù)分析結(jié)果設(shè)計(jì)聚類準(zhǔn)則函數(shù)[4]。該課題以在校大學(xué)生為研究對(duì)象，通過學(xué)生在學(xué)習(xí)平臺(tái)中學(xué)習(xí)C++程序設(shè)計(jì)來獲取學(xué)生個(gè)人相關(guān)信息、總提交次數(shù)、通過次數(shù)、答題時(shí)間、測(cè)試成績(jī)及其他學(xué)習(xí)情況，提取出一些信息，建立模型對(duì)學(xué)生的學(xué)習(xí)效果進(jìn)行分析預(yù)測(cè)。

1? 研究?jī)?nèi)容

（1）簡(jiǎn)單的程序設(shè)計(jì)語言學(xué)習(xí)測(cè)試平臺(tái)（Online Judge）的搭建，該平臺(tái)集在線導(dǎo)學(xué)、交流互動(dòng)、在線測(cè)試等于一體。

（2）學(xué)生學(xué)習(xí)行為數(shù)據(jù)的采集，采集學(xué)習(xí)者學(xué)習(xí)活動(dòng)數(shù)據(jù)，并存儲(chǔ)在原數(shù)據(jù)庫中，為數(shù)據(jù)挖掘做好準(zhǔn)備。

（3）“學(xué)習(xí)行為—效果”預(yù)測(cè)模型，需要對(duì)大量的學(xué)習(xí)行為數(shù)據(jù)實(shí)施數(shù)據(jù)挖掘，全面分析在線學(xué)習(xí)行為與學(xué)習(xí)效果之間的內(nèi)在聯(lián)系。

2? 研究方法

（1）搭建簡(jiǎn)單的學(xué)習(xí)測(cè)試平臺(tái)，進(jìn)行信息的積累。

該測(cè)試平臺(tái)模擬Online Judge在線程序評(píng)測(cè)系統(tǒng)（簡(jiǎn)稱OJ），Online Judge一般指在ACM/ICPC（國際大學(xué)生程序設(shè)計(jì)競(jìng)賽）等一系列各種程序算法編程競(jìng)賽比賽中，用于自動(dòng)化判斷選手程序的正確性，并得出時(shí)間內(nèi)存消耗等各項(xiàng)效率指標(biāo)。Online Judge系統(tǒng)大概功能如圖1所示。

模擬Online Judge系統(tǒng)的搭建，提供了一個(gè)C++練習(xí)的平臺(tái)，實(shí)現(xiàn)注冊(cè)用戶平時(shí)訓(xùn)練以及比賽的相關(guān)功能。具體數(shù)據(jù)包括：用戶賬號(hào)、密碼、郵箱、昵稱、注冊(cè)時(shí)間、總提交次數(shù)、通過次數(shù)等。該功能主要是為了注冊(cè)用戶平時(shí)訓(xùn)練，用戶可以自由選題。通過這個(gè)簡(jiǎn)單的學(xué)習(xí)測(cè)試平臺(tái)可以收集到該課題以后研究所需的數(shù)據(jù)，為最后的“學(xué)習(xí)行為—效果”預(yù)測(cè)模型打下堅(jiān)實(shí)的基礎(chǔ)。

（2）學(xué)習(xí)行為數(shù)據(jù)的采集。

采集學(xué)習(xí)者學(xué)習(xí)活動(dòng)數(shù)據(jù)，并存儲(chǔ)在數(shù)據(jù)庫中，為數(shù)據(jù)挖掘做好準(zhǔn)備。具體字段為“姓名/User”“題目名稱”“題目考核狀態(tài)”“提交題目次數(shù)”“題目正確次數(shù)”。

分別采集測(cè)試平臺(tái)的10月15日、10月26日、11月14日、12月04日、01月09日5個(gè)時(shí)間點(diǎn)的階段練習(xí)數(shù)據(jù)作為樣本集數(shù)據(jù)，使用 Microsoft Excel工作表導(dǎo)出記錄并保存。

（3）預(yù)測(cè)模型的構(gòu)建。

SPSS Clementine是SPSS公司收購取得的數(shù)據(jù)挖掘工具。SPSS Clementine12.0結(jié)合商業(yè)技術(shù)可以快速建立預(yù)測(cè)性模型，幫助用戶改進(jìn)決策過程。

啟動(dòng)Clementine并新建流文件后，選擇界面下部“源”子菜單內(nèi)的“Excel”，將其拖入面板中。雙擊面板中的“Excel”圖標(biāo)，在彈出編輯界面中選擇“導(dǎo)入文件”，選擇文件“樣本集.xls”并導(dǎo)入，面板中圖標(biāo)名稱變?yōu)椤皹颖炯?xls”。添加“類型”節(jié)點(diǎn)設(shè)置各字段“數(shù)據(jù)類型”和“方向”，“考核狀況”對(duì)應(yīng)“標(biāo)志”類型，“學(xué)習(xí)次數(shù)”對(duì)應(yīng)“集”類型，“提交題目次數(shù)”對(duì)應(yīng)“范圍”類型。設(shè)置樣本集的數(shù)據(jù)類型如圖2所示。

樣本集數(shù)據(jù)信息的瀏覽如圖3所示。

學(xué)生成績(jī)一般分為優(yōu)、良、中、及格和不及格，因此將數(shù)據(jù)集分成5類。圖4中的$KMD-K-Means表示樣本數(shù)據(jù)被劃分到的類，$KMD-K-Means表示樣本數(shù)據(jù)與所在類的質(zhì)心之間的距離。

對(duì)管理工具模型下的K-Means節(jié)點(diǎn)進(jìn)行瀏覽，并選擇全部打開，可以顯示每個(gè)類的一些統(tǒng)計(jì)信息，如圖5所示。

選擇查看器標(biāo)簽，可以看到模型的統(tǒng)計(jì)信息以及各個(gè)屬性在各個(gè)類中的分布情況，如圖6所示。

通過數(shù)據(jù)的統(tǒng)計(jì)分析得出，盡管在學(xué)期初期同學(xué)們上機(jī)練習(xí)和提交題目次數(shù)較多，但是如果沒有持續(xù)的練習(xí)與學(xué)習(xí)，預(yù)測(cè)出來的成績(jī)也會(huì)不太理想。將分析數(shù)據(jù)對(duì)照學(xué)生們的期末成績(jī)符合預(yù)測(cè)結(jié)論，學(xué)生要結(jié)合網(wǎng)絡(luò)資源進(jìn)行自學(xué)和自我練習(xí)才會(huì)達(dá)到預(yù)期的成績(jī)。所以軟件學(xué)科的學(xué)習(xí)是一個(gè)長(zhǎng)期堅(jiān)持和練習(xí)的過程。

3? 結(jié)語

該課題以大學(xué)生學(xué)習(xí)C++程序設(shè)計(jì)為例，由搭建的Online Judge系統(tǒng)獲取了大量信息。按照學(xué)生基本學(xué)習(xí)數(shù)據(jù)、學(xué)習(xí)過程和成績(jī)數(shù)據(jù)從數(shù)據(jù)庫中過濾掉無用信息并提取有效信息。通過用Clementine 12.0數(shù)據(jù)挖掘工具采用K-Means算法獲取“學(xué)習(xí)行為—效果”預(yù)測(cè)模型。使生成的規(guī)則更加準(zhǔn)確，模型具有良好的健壯性。經(jīng)過評(píng)估達(dá)到一定準(zhǔn)確率的規(guī)則，就可以應(yīng)用在學(xué)生學(xué)習(xí)行為進(jìn)行過程中，方法是將“學(xué)習(xí)行為”代入模型，預(yù)測(cè)出“效果”如預(yù)測(cè)效果（學(xué)期成績(jī)）不理想，再回溯行為，比對(duì)規(guī)則，對(duì)行為做出改進(jìn)，以獲得更好的結(jié)果。

參考文獻(xiàn)

[1] 岳偉.建構(gòu)主義學(xué)習(xí)理論指導(dǎo)下的自學(xué)考試網(wǎng)絡(luò)助學(xué)策略設(shè)計(jì)[J].考試研究，2015（1）：9-15.

[2] 郝珺，蔡海飛.大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為實(shí)證研究[J].高教探索，2018（2）：41-44.

[3] 傅鋼善，王改花.基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)學(xué)習(xí)行為與學(xué)習(xí)效果研究[J].電化教育研究，2014（35）：53-57.

[4] 金曉民，張麗萍.基于最小生成樹的多層次k-Means聚類算法及其在數(shù)據(jù)挖掘中的應(yīng)用[J].吉林大學(xué)學(xué)報(bào)：理學(xué)版，2018，56（5）：1187-1192.