苗育源

（山西農(nóng)業(yè)大學(xué) 山西省晉中市 030800）

1 引言

近年來(lái)，國(guó)內(nèi)許多學(xué)者已成功地將數(shù)據(jù)挖掘技術(shù)應(yīng)用于教育領(lǐng)域上，如學(xué)校招生策略的制訂、學(xué)習(xí)障礙鑒定等研究。此外，以學(xué)生學(xué)業(yè)成就為分析目標(biāo)的相關(guān)研究，則有針對(duì)學(xué)生基本數(shù)據(jù)、學(xué)生缺曠課、家庭與學(xué)校環(huán)境的影響為主要分析方向，鮮少有針對(duì)學(xué)生個(gè)人的學(xué)習(xí)態(tài)度進(jìn)行分析。然而學(xué)習(xí)態(tài)度是學(xué)生在學(xué)習(xí)活動(dòng)的歷程中，指示學(xué)習(xí)行為的方向，因此若所持的評(píng)價(jià)為正面，則對(duì)于所學(xué)的課程將全力以赴。有鑒于此，本研究將運(yùn)用數(shù)據(jù)挖掘中的決策樹(shù)分類法，針對(duì)大學(xué)生的學(xué)習(xí)態(tài)度，建構(gòu)學(xué)習(xí)成績(jī)的分類模型，并找出預(yù)測(cè)低學(xué)習(xí)成績(jī)或成績(jī)低落的相關(guān)決策規(guī)則，以提供教師作為教學(xué)時(shí)的參考。

2 研究方法

本研究架構(gòu)是先從某科技大學(xué)校務(wù)信息系統(tǒng)的數(shù)據(jù)庫(kù)中，分別取得2020年度第二學(xué)期企業(yè)管理系一年級(jí)專業(yè)課程的教學(xué)評(píng)價(jià)問(wèn)卷數(shù)據(jù)以及學(xué)生學(xué)期成績(jī)，以C4.5 決策樹(shù)算法開(kāi)始進(jìn)行數(shù)據(jù)挖掘工作，最后再將具有高準(zhǔn)確率的規(guī)則，提供給教師作為教學(xué)參考，希望借以提升學(xué)生的學(xué)習(xí)成績(jī)。

2.1 數(shù)據(jù)收集與整理

本文收集的一年級(jí)專業(yè)課程部分，分別為A 專業(yè)一年級(jí)、B 專業(yè)一年級(jí)、以及C 專業(yè)一年級(jí)的各五門課程，合計(jì)十五門課程。原始教學(xué)評(píng)價(jià)（含學(xué)生對(duì)教師評(píng)價(jià)與學(xué)生自我評(píng)價(jià)兩部分）與學(xué)生學(xué)期成績(jī)數(shù)據(jù)共有15022 筆，剔除非本研究分析的數(shù)據(jù)（如教師評(píng)價(jià)部分）以及數(shù)據(jù)不全的記錄，再經(jīng)過(guò)數(shù)據(jù)匯整后，進(jìn)入分析的數(shù)據(jù)合計(jì)為532 筆。每筆數(shù)據(jù)共有六個(gè)屬性，其中五個(gè)屬性是屬于學(xué)生自我評(píng)價(jià)部分（問(wèn)卷說(shuō)明詳如表1），另一個(gè)屬性則為學(xué)生學(xué)期成績(jī)。

由于本研究主要是研究學(xué)生自我評(píng)價(jià)與學(xué)生成績(jī)之間的關(guān)聯(lián)性，因此成績(jī)屬性為本研究的類別標(biāo)記屬性，也就是輸出的分類結(jié)果。而有鑒于每一門課程的授課教師評(píng)定成績(jī)的標(biāo)準(zhǔn)不一，因此本研究在進(jìn)行決策樹(shù)分析之前，先將每門課程的學(xué)生學(xué)期成績(jī)（v）進(jìn)行分類處理，以平均值（mf）與標(biāo)準(zhǔn)差（sf）區(qū)分為H：高分群（v ≥mf+sf/2）、M：中分群（mf-sf≤v

2.2 使用決策樹(shù)進(jìn)行分類

本研究的所有實(shí)驗(yàn)皆通過(guò)Microsoft Excel2013 中的計(jì)算、排序與樞紐分析等功能來(lái)操作，并獲得所有分析結(jié)果。

2.2.1 模式訓(xùn)練與驗(yàn)證

本研究建立決策樹(shù)規(guī)則的方式，是采取兩階段方式進(jìn)行。第一階段先以A專業(yè)一年級(jí)的五門專業(yè)課程數(shù)據(jù)（課程代號(hào)分別為A、B、C、D、E、F），采五組交叉驗(yàn)證的方式建構(gòu)決策樹(shù)，也就是分別取四門課程數(shù)據(jù)作為訓(xùn)練樣本（80%），再以剩下的另一門課程數(shù)據(jù)作為測(cè)試樣本（20%），以找出準(zhǔn)確率最高的決策樹(shù)。

第二階段則是將準(zhǔn)確率最高的決策樹(shù)轉(zhuǎn)換成分類規(guī)則，結(jié)合B專業(yè)一年級(jí)與C 專業(yè)一年級(jí)的10 門專業(yè)課程數(shù)據(jù)進(jìn)行驗(yàn)證，找出預(yù)測(cè)率高于80%且準(zhǔn)確人數(shù)超過(guò)5 人的規(guī)則。

表1：學(xué)生自我評(píng)價(jià)問(wèn)卷說(shuō)明

2.2.2 以決策樹(shù)建立分類系統(tǒng)

（1）建立樹(shù)狀結(jié)構(gòu)。本研究是以Quinaln（1993）所提出的C4.5 算法來(lái)建立決策樹(shù)，此算法是由該學(xué)者修正自己之前發(fā)表的ID3（IterativeDichotomizer3）決策樹(shù)歸納算法而來(lái)，其基本概念是計(jì)算出獲利比值（gainratio）最大的屬性，作為決策樹(shù)中每一節(jié)點(diǎn)的分支屬性，以形成一個(gè)子樹(shù)，然后從剩下的屬性中，再次計(jì)算出獲利比值最大的屬性，以進(jìn)行下一節(jié)點(diǎn)的分割，如此重復(fù)操作，最后形成整棵決策樹(shù)。

（2）修剪樹(shù)狀結(jié)構(gòu)。C4.5 算法中是以錯(cuò)誤預(yù)估率（predicted error rate）為修剪標(biāo)準(zhǔn)，也就是當(dāng)被分類于某一子樹(shù)的所有訓(xùn)練數(shù)據(jù)個(gè)數(shù)為T，其中有E 個(gè)訓(xùn)練數(shù)據(jù)分類錯(cuò)誤，而錯(cuò)誤預(yù)估率就是由TE 來(lái)評(píng)估，當(dāng)錯(cuò)誤率高于某一個(gè)臨界值時(shí)，就進(jìn)行修剪。

由于本研究中可供分析的輸入變量?jī)H有五個(gè)，并不會(huì)建構(gòu)過(guò)度復(fù)雜的決策樹(shù)，因此于建構(gòu)決策樹(shù)過(guò)程中，僅使用當(dāng)訓(xùn)練數(shù)據(jù)個(gè)數(shù)與樹(shù)的節(jié)點(diǎn)數(shù)比值低于2 時(shí)的修剪方法，以避免節(jié)點(diǎn)再往下分支就會(huì)造成品質(zhì)測(cè)量值太低的問(wèn)題。此外，本研究為了觀察學(xué)生學(xué)習(xí)態(tài)度與學(xué)業(yè)成就之間的關(guān)系，在形成葉節(jié)點(diǎn)（leaf node）的方式，不采取以多數(shù)決投票的傳統(tǒng)方式進(jìn)行，也就是說(shuō)，除了可以完全分類的葉節(jié)點(diǎn)外，其他則采用概率分配的方式進(jìn)行預(yù)測(cè)。

3 結(jié)果

經(jīng)由五組交叉驗(yàn)證所獲得的結(jié)果（如表2），決策樹(shù)在經(jīng)過(guò)修剪之后，由A、C、D、E（以下簡(jiǎn)稱ACDE）四門課程所獲得的決策樹(shù)規(guī)則其準(zhǔn)確率最高。為節(jié)省篇幅，以下僅針對(duì)該組的決策樹(shù)建構(gòu)過(guò)程簡(jiǎn)述如后。

ACDE 四門課程數(shù)據(jù)經(jīng)過(guò)整理后，可供分析使用的記錄共有173 筆，其中計(jì)有60 人成績(jī)屬于H 類別、有72 人成績(jī)屬于M 類別、以及有41 人成績(jī)屬于L 類別，其他各種數(shù)據(jù)的分布情形整理于表3。而經(jīng)過(guò)完整計(jì)算所獲得的決策樹(shù)結(jié)果共有54 條規(guī)則，修剪后的決策樹(shù)后剩下48 條規(guī)則，同樣針對(duì)B 課程數(shù)據(jù)來(lái)進(jìn)行驗(yàn)證，驗(yàn)證結(jié)果顯示，該課程中符合驗(yàn)證規(guī)則進(jìn)行驗(yàn)證的人數(shù)維持為42 人，正確人數(shù)提升為27 人，準(zhǔn)確率達(dá)64.3%。

表2：五組決策樹(shù)驗(yàn)證結(jié)果

表3：ACDE 四門課程數(shù)據(jù)合并后的學(xué)生人數(shù)分布情形

表4：預(yù)測(cè)率達(dá)80%并且正確人數(shù)達(dá)5 人的規(guī)則結(jié)果

本研究第二階段以該決策樹(shù)所獲得的48 條規(guī)則，針對(duì)A 專業(yè)一年級(jí)的B 課程、B 專業(yè)一年級(jí)的五門課程、以及C 專業(yè)一年級(jí)的五門課程，合計(jì)11 門課程（共346 人）的數(shù)據(jù)進(jìn)行驗(yàn)證工作，其中有338 人可按照規(guī)則進(jìn)行驗(yàn)證，正確人數(shù)為246 人，整體預(yù)測(cè)率為72.8%。最后再?gòu)尿?yàn)證結(jié)果中挑選出預(yù)測(cè)率達(dá)80%且正確人數(shù)達(dá)5 人的規(guī)則（表4），從所得的8 條規(guī)則中我們可以發(fā)現(xiàn)：

（1）如果當(dāng)學(xué)生偶爾缺課、上課偶爾聽(tīng)講、對(duì)課程不太了解且對(duì)于課程尚有興趣時(shí)，則該學(xué)生的成績(jī)可能為中分群的概率為42.9%、低分群的概率為57.1%。

（2）如果當(dāng)學(xué)生偶爾缺課、上課聽(tīng)講還算用心、課后很少?gòu)?fù)習(xí)且對(duì)課程尚有興趣，則該學(xué)生的成績(jī)可能為中分群的概率為66.7%、低分群的概率為33.3%。

（3）如果當(dāng)學(xué)生很少缺課、對(duì)課程了解、課后很少?gòu)?fù)習(xí)、上課還算用心聽(tīng)講且對(duì)課程尚有興趣，則該學(xué)生的成績(jī)可能為中分群的概率為83.3%、低分群的概率為16.7%。

（4）如果當(dāng)學(xué)生很少缺課、對(duì)課程了解、課后偶爾復(fù)習(xí)、上課還算用心聽(tīng)講且對(duì)課程有興趣，則該學(xué)生的成績(jī)可能為中分群的概率為47.1%、低分群的概率為41.2%。

（5）如果當(dāng)學(xué)生很少缺課、對(duì)課程了解、課后偶爾復(fù)習(xí)且上課很用心聽(tīng)講，則該學(xué)生的成績(jī)可能為高分群或中分群的概率各為50%。

（6）如果當(dāng)學(xué)生從未缺課、課后很少?gòu)?fù)習(xí)且對(duì)課程不太了解，則該學(xué)生的成績(jī)可能為高分群、中分群或低分群的概率各為33.3%。

（7）如果當(dāng)學(xué)生從未缺課、課后偶爾復(fù)習(xí)且對(duì)課程不太了解，則該學(xué)生的成績(jī)可能為高分群或中分群的概率各為50%。

（8）如果當(dāng)學(xué)生從未缺課、課后經(jīng)常復(fù)習(xí)、對(duì)課程非常有興趣且對(duì)課程非常了解，則該學(xué)生的成績(jī)可能為高分群的概率為61%、中分群的概率為38.5%。

從以上挖掘結(jié)果中可以發(fā)現(xiàn)，決策樹(shù)中的第一層分類都是學(xué)生出席情形（Q26），所以學(xué)生出席率的高低對(duì)學(xué)生成績(jī)會(huì)有絕對(duì)的影響。

4 結(jié)論

本研究運(yùn)用C4.5 分類法，研究大學(xué)生的自我學(xué)習(xí)態(tài)度與學(xué)業(yè)學(xué)習(xí)成效之間的關(guān)系，由研究結(jié)果得知學(xué)生的缺課情形對(duì)學(xué)生成績(jī)具有明確的分類效果，因此若能有效提升學(xué)生出席情形，則定能改善學(xué)生的學(xué)業(yè)學(xué)習(xí)成效。然大學(xué)屬于學(xué)術(shù)自由的殿堂，不如之前高中職的學(xué)習(xí)階段，無(wú)法也不能以教條式的制度要求學(xué)生到課，因此借由授課教師如何思考改善自我的教學(xué)方法與品質(zhì)，提高學(xué)生學(xué)習(xí)興趣與到課意愿。