苗維誠 朱文婕

摘要：目的：研究物理實驗成績的影響因素.方法：采用數(shù)據(jù)挖掘的方法，針對目前實驗課教學現(xiàn)狀進行了分析，找出可能與成績有關的因素.應用Apriori算法對實驗成績和這些因素進行關聯(lián)性挖掘，建立強關聯(lián)規(guī)則，發(fā)現(xiàn)影響教學質(zhì)量的關鍵因素.結(jié)果：通過數(shù)據(jù)挖掘發(fā)現(xiàn)教學評價、實驗報告和實驗成績?nèi)哧P聯(lián)性最強.結(jié)論：通過提升教學水平，提高實驗報告質(zhì)量，可以促進實驗成績的提升，同時也為實驗教學的改革提供了一條可行的思路.

關鍵詞：實驗成績;關聯(lián)規(guī)則;數(shù)據(jù)挖掘

中圖分類號：G642;TP311? 文獻標識碼：A? 文章編號：1673-260X（2019）01-0014-03

1 引言

物理是一門以實驗為基礎的學科，物理實驗是物理理論教學的重要補充.通過進行物理實驗，可以讓學生學會基本的實驗方法;使學生對抽象的物理概念有直觀的認識;同時可以鍛煉提升學生的各種能力，比如觀察能力、思維能力、創(chuàng)新能力、實踐能力等.

蚌埠醫(yī)學院開設醫(yī)用物理學實驗課程，每年實驗課時數(shù)1000余學時.在教學中發(fā)現(xiàn)，學生的物理實驗成績往往會低于預期，教學效果無法達到滿意.問題主要有：（1）學生缺乏獨立完成實驗操作的能力，對老師有很強的依賴性;（2）學生對實驗的現(xiàn)象和結(jié)果缺乏必要的思考、分析，研究問題的主動性不高.學生的實驗成績一方面能夠比較客觀真實地體現(xiàn)學生實驗課的學習效果，另一方面也能反映出老師實驗課的教學質(zhì)量[1].為了改善醫(yī)用物理學實驗的教學現(xiàn)狀，提高學生的實驗成績，運用Apriori算法對學生實驗成績進行關聯(lián)規(guī)則挖掘，找出影響實驗成績的相關因素.

2 關聯(lián)規(guī)則介紹

數(shù)據(jù)挖掘（Data Mining）是指從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，通過某種特定方式分析，發(fā)現(xiàn)一些潛在的有用的信息.大量的事實證明，任何事情的發(fā)生一定程度上都會存在一定的相關性.某件事的發(fā)生很有可能會引起其他事情的發(fā)生，類似于蝴蝶效應.通過對所有事物背后的數(shù)據(jù)進行分析挖掘，如果能夠發(fā)現(xiàn)某些事情之間存在一種關聯(lián)規(guī)則，那么在以后就可以由一件事情的發(fā)生預測出相互關聯(lián)的其他事情的發(fā)生，這樣就能更全面地掌握事物的發(fā)展方向，也就是探尋關聯(lián)規(guī)則的意義所在[2].

關聯(lián)規(guī)則挖掘是最常用的數(shù)據(jù)挖掘方法之一，通過挖掘試圖從數(shù)據(jù)背后發(fā)現(xiàn)事物之間可能存在的關聯(lián)或者聯(lián)系.關聯(lián)規(guī)則的算法主要有數(shù)據(jù)準備、數(shù)據(jù)挖掘和強規(guī)則描述三個步驟，其中消耗時間最多的是數(shù)據(jù)準備的步驟，數(shù)據(jù)準備步驟又可以劃分為兩個子階段：選擇獲取數(shù)據(jù)和數(shù)據(jù)預處理.

2.1 關聯(lián)規(guī)則定義

關聯(lián)規(guī)則挖掘可以描述如下，設I={i1，i2，…，im}表示一個項集，D表示事務集，其中每一個事務t都表示一個項集，有t？哿I.每個事務都有一個唯一標識TID.如果X？哿t，就說事務t包括I的一個子集X.關聯(lián)規(guī)則是一種蘊含形式X？圯Y，其中X？奐I，Y？奐I，且X∩Y=？覫[3].這里首先要知道兩個概念：

（1）支持度（support）：如果事務集D中，規(guī)則X？圯Y的支持度（0≤s≤1）指的是包含X∪Y的事務占全體事務的百分比.

（2）置信度（confidence）：規(guī)則X？圯Y的置信度（0≤c≤1）指的是包含X∩Y的事務占項集X的百分比.

關聯(lián)規(guī)則挖掘任務是產(chǎn)生所有不小于用戶給定的最小支持度（minsup）和最小置信度（minconf）的關聯(lián)規(guī)則.

2.2 Apriori算法介紹

尋找滿足最小支持度閾值的所有項集，這些項集稱作頻繁項集（frequent itemset）.假設一個頻繁項集為L，如果頻繁項集L的所有超集都是非頻繁項集，那么稱L為最大頻繁項集（Maximal Frequent Itemset）.由于最大頻繁項集中隱含著全部的頻繁項集，因此，可以將計算頻繁項集的問題轉(zhuǎn)化為計算最大頻繁項集.

Apriori算法是關聯(lián)規(guī)則挖掘的經(jīng)典算法，算法的任務就是找出所有支持度不小于最小支持度的項集.Apriori算法挖掘項集可以分成兩個子任務：

（1）Apriori算法會對數(shù)據(jù)集進行多次遍歷，找出所有最大頻繁項集.在遍歷時遵循兩個定律，定律1：如果一個集合是頻繁項集，則它的所有子集都是頻繁項集.定律2：如果一個集合不是頻繁項集，則它的所有超集都不是頻繁項集.

（2）根據(jù)最大頻繁項集L，找出L的所有的非空集合.對于每個子集合a，生成如下規(guī)則a=>（L-a），然后根據(jù)最小支持度和置信度篩選所有規(guī)則[4].

3 Apriori算法在實驗成績分析中的運用

醫(yī)用物理實驗課包括預習、授課、實驗操作、課后總結(jié)等部分，學期結(jié)束得到實驗成績.從實驗課過程的這幾個步驟中獲取關聯(lián)規(guī)則的數(shù)據(jù)，數(shù)據(jù)分為學生對實驗的興趣，實驗預習情況，教師教學評分，實驗儀器操作情況，實驗報告書寫情況五個部分.使用Apriori算法，挖掘這五個因素和學生實驗成績的關聯(lián)性.

3.1 數(shù)據(jù)獲取

從2016級臨床專業(yè)的學生中隨機選取100名學生作為數(shù)據(jù)采集的對象，實驗興趣、預習情況、儀器操作情況的數(shù)據(jù)從《醫(yī)用物理學教學效果調(diào)查問卷》[5]（問卷見參考文獻[5]）中獲取，教師教學評價來自本學期學生對老師的教學測評分數(shù)，實驗報告書寫情況來自學生實驗報告的打分，再獲取學生本學期的實驗成績分數(shù).

3.2 數(shù)據(jù)預處理及分析預測

由于Apriori算法只能針對布爾型數(shù)據(jù)進行分析，所以需要對獲取的數(shù)據(jù)進行一定的處理，把五個因素和實驗成績都分成高低兩個等級，處理得到100條數(shù)據(jù)，詳見表1.

（1）實驗興趣記為“A”，分為“Ay”表示學生對實驗有興趣，“An”表示學生對實驗缺乏興趣.經(jīng)過處理，得到“Ay”有63條數(shù)據(jù)，“An”有37條數(shù)據(jù).

（2）預習情況記為“B”，分為“By”表示認真預習，“Bn”表示沒認真預習.經(jīng)過處理，得到“By”有40條數(shù)據(jù)，“Bn”有60條數(shù)據(jù).

（3）教學評價記為“C”，分為“Cy”表示教學評價優(yōu)秀，“Cn”表示教學評價一般.經(jīng)過處理，得到“Cy”有71條數(shù)據(jù)，“Cn”有29條數(shù)據(jù).

（4）儀器操作記為“D”，分為“Dy”表示儀器操作順利，“Dn”儀器操作出現(xiàn)問題.經(jīng)過處理，得到“Dy”有53條數(shù)據(jù)，“Dn”有47條數(shù)據(jù).

（5）實驗報告記為“E”，分為“Ey”表示實驗報告優(yōu)秀，“En”表示實驗報告一般.經(jīng)過處理，得到“Ey”有56條數(shù)據(jù)，“En”有44條數(shù)據(jù).

（6）實驗成績記為“F”，分為“Fy”表示實驗成績優(yōu)秀，“Fn”表示實驗成績一般.最終得到“Fy”有42條數(shù)據(jù)，“Fn”有58條數(shù)據(jù).

根據(jù)B的比例4：6和F的比例4.2：5.8最接近，會認為學生預習的情況對最終的實驗成績影響最大.下面用Apriori算法去驗證猜想.

3.3 數(shù)據(jù)挖掘

使用Apriori算法對處理后的數(shù)據(jù)進行分析，設最小支持度為0.3，最小置信度為0.5，挖掘得到包含“Fy”的最大頻繁項集{Cy，Ey，F(xiàn)y}，和包含“Fn”的最大頻繁項集{Bn，En，F(xiàn)n}，詳見表2.再分別獲取所有強規(guī)則，詳見表3和表4[6].

3.4 結(jié)果分析

由表3得到一條強規(guī)則，對老師教學評價高，同時實驗報告完成出色的學生里，有68.1%的學生實驗成績優(yōu)秀.且實驗成績優(yōu)秀，同時對老師教學評價高的學生里，有91.4%的學生實驗報告完成出色.老師的教學和完成實驗報告的情況，對取得優(yōu)秀的實驗成績關聯(lián)性較強.

由表4得到一條強規(guī)則，預習情況較差，同時實驗報告完成較差的學生里，有94.6%的學生實驗成績較差.不認真預習和寫實驗報告，會導致較差的實驗成績.

通過Apriori算法可以發(fā)現(xiàn)，學生預習情況和成績，兩者之間關聯(lián)性并不是最強的，教學評價，實驗報告和成績?nèi)哧P聯(lián)性最強，這說明我們之前的猜測是不準確的.

進一步調(diào)研發(fā)現(xiàn)，是否認真預習和實驗成績優(yōu)秀之間關聯(lián)性不強的原因在于，大學物理實驗主要以演示型、驗證型實驗為主，這種實驗普遍簡單.學生上課認真聽講，課后注意對實驗進行總結(jié)，不管是否預習，學生基本都能達到實驗要求，實驗成績都在中等以上.學生不預習實驗內(nèi)容，又不認真寫實驗報告，多數(shù)情況下是學生對物理實驗課不夠重視，因此上課也不夠?qū)Ｐ?，導致實驗成績偏?

4 總結(jié)

實驗教學面臨的現(xiàn)實問題是學生普遍重理論輕實驗，對物理實驗不夠重視，這直接制約了學生對實驗課的學習積極性.以Apriori算法得到的結(jié)果分析，實驗教學的改革可以從三方面入手：（1）教師提高教學水平，增加設計型、科研型實驗;（2）改革實驗報告書寫模式，設計論文式、開放式等新型實驗報告模式，從根本上提高學生書寫實驗報告的質(zhì)量;（3）重視實驗的預習環(huán)節(jié)，使學生增加對物理實驗的興趣.

實驗課程的改革是一項系統(tǒng)工程，除了改善實驗環(huán)境，引進先進的實驗儀器，更要思考學生對于實驗態(tài)度的轉(zhuǎn)變，改革實驗教學方法.讓學生主導實驗的方式，能使實驗課的教學有更好的發(fā)展.

參考文獻：

〔1〕呂道文.《醫(yī)學物理實驗》的課程建設與教學改革研究[J].中國醫(yī)學物理學雜志，2009，26（6）：1570-1572.

〔2〕馮俊，胥莉，閔蘭.基于Apriori算法的高校學生考試作弊動機分析與應對[J].西南師范大學學報（自然科學版），2017，42（2）：174-180.

〔3〕吳信東，庫瑪爾.數(shù)據(jù)挖掘十大算法[M].北京：清華大學出版社，2013.

〔4〕樊妍妍.Apriori算法在個性化教學輔助系統(tǒng)中的應用[J].新鄉(xiāng)學院學報，2015，32（9）：36-39.

〔5〕苗維誠.C4.5算法在提高物理實驗教學效果中的應用[J].赤峰學院學報（自然科學版），2017，33（12）：14-15.

〔6〕陳輝，向偉忠，單健.關聯(lián)規(guī)則挖掘在教師教學評價系統(tǒng)中的應用[J].南華大學學報（自然科學版），2005，19（1）：104-107，118.