■ 潘慶紅 涂鳳嬌

湖南科技學(xué)院教師教育學(xué)院 永州 425199

0 引言

我國自2016年開始在全國實(shí)行教師資格證統(tǒng)一考試制度，要求各級(jí)各類院校培養(yǎng)的師范生必須考試過關(guān)才能持證上崗?！敖處熧Y格考試是我國教師準(zhǔn)入管理制度的重要環(huán)節(jié)，銜接教師培養(yǎng)與聘用。教師培養(yǎng)是保障教師質(zhì)量的源頭和關(guān)鍵，教師資格考試具有顯著的‘指揮棒’作用”[1]。教師準(zhǔn)入制度的改變必然影響高校師范生人才培養(yǎng)機(jī)制，主要體現(xiàn)在學(xué)校要在教學(xué)模式，課程建設(shè)，實(shí)踐實(shí)訓(xùn)等方面積極變革順應(yīng)現(xiàn)實(shí)要求，對師范生則意味著其學(xué)業(yè)要求更高，國考制度全面推行以來，師范生的考證通過率間接反映了學(xué)生能否在本專業(yè)領(lǐng)域上崗的就業(yè)率，進(jìn)而倒逼學(xué)校在人才培養(yǎng)模式上以質(zhì)量為核心進(jìn)行改革，強(qiáng)化教師教育特色。以關(guān)鍵字“師范生”+“教師資格”在知網(wǎng)文獻(xiàn)檢索顯示，高校師范生培養(yǎng)的質(zhì)量監(jiān)控研究大多從人才培養(yǎng)模式、課程設(shè)置如何與教師資格證考綱對接，如何加強(qiáng)實(shí)踐教學(xué)提高師范生教師教育綜合素質(zhì)等方面展開，還沒有基于學(xué)業(yè)數(shù)據(jù)分析對師范生培養(yǎng)過程進(jìn)行質(zhì)量監(jiān)控的研究。

隨著教育大數(shù)據(jù)、學(xué)習(xí)分析技術(shù)的快速發(fā)展，為精準(zhǔn)監(jiān)測學(xué)習(xí)過程提供了充分的技術(shù)支持?！皩W(xué)習(xí)風(fēng)險(xiǎn)預(yù)警分析聚焦于學(xué)生個(gè)體，通過測量、收集、分析和報(bào)告學(xué)生的學(xué)習(xí)表現(xiàn)數(shù)據(jù)，找到其中的問題并對學(xué)生學(xué)習(xí)過程進(jìn)行及時(shí)干預(yù)”[2]，可以對學(xué)生起到預(yù)警作用，督促其采用有效的方法提高學(xué)業(yè)成績。同時(shí)也能夠用于教學(xué)過程分析，督促教師采取更加有效的教學(xué)策略[3]、教學(xué)水平和管理能力。教育部《教育信息化“十三五”規(guī)劃》（2016）中指出，要“依托網(wǎng)絡(luò)學(xué)習(xí)空間逐步實(shí)現(xiàn)對學(xué)生日常學(xué)習(xí)情況的大數(shù)據(jù)采集和分析，優(yōu)化教學(xué)模式”。通過利用師范生教育的過程數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，并進(jìn)行學(xué)業(yè)預(yù)警，對那些有可能無法通過教師資格證考試的學(xué)生進(jìn)行適當(dāng)?shù)亩酱俸吞嵝眩瑥亩鴰熒餐扇「倪M(jìn)措施，以提高師范生教師資格證的通過率。

學(xué)業(yè)預(yù)警的核心是預(yù)測算法模型和學(xué)習(xí)分析模型。預(yù)測算法模型常用聚類、分類、貝葉斯網(wǎng)絡(luò)、決策樹、語義分析等。其中聚類、分類是學(xué)業(yè)預(yù)警研究中應(yīng)用最多的算法模型。聚類適用于將自然態(tài)的無序?qū)W業(yè)數(shù)據(jù)依據(jù)相似性劃分出不同類別族群或成績區(qū)間，形成預(yù)測目標(biāo)。分類則通過預(yù)測規(guī)則將對象歸類到目標(biāo)族群或成績區(qū)間里。如武法提[4]等構(gòu)建的學(xué)習(xí)預(yù)測模型對數(shù)字化學(xué)習(xí)環(huán)境中學(xué)生個(gè)性化學(xué)習(xí)特征、學(xué)習(xí)行為、學(xué)習(xí)內(nèi)容到學(xué)習(xí)結(jié)果遞進(jìn)分析，采用聚類分析將學(xué)生分為不同學(xué)習(xí)水平的群體，用決策樹、時(shí)間序列分析預(yù)測并得出分析報(bào)告。文獻(xiàn)檢索發(fā)現(xiàn)自2012年陸續(xù)出現(xiàn)將離群檢測技術(shù)運(yùn)用于教育領(lǐng)域的研究，主要實(shí)現(xiàn)學(xué)生離群預(yù)警（學(xué)業(yè)成績）、教師離群預(yù)警（評教）等。例如Cheng 等[5]結(jié)合聚類算法和離群點(diǎn)檢測算法識(shí)別學(xué)習(xí)社區(qū)中的異常學(xué)習(xí)行為，用聚類方法將同類學(xué)習(xí)行為對象集中到相同族群中，對游離對象進(jìn)行離群檢測，實(shí)現(xiàn)對學(xué)習(xí)行為異常的識(shí)別和預(yù)警。學(xué)習(xí)分析模型主要在學(xué)業(yè)預(yù)警中起到統(tǒng)一學(xué)習(xí)行為的度量，規(guī)范學(xué)習(xí)分析方法的作用。George Siemens[6]的學(xué)習(xí)分析循環(huán)模型包含采集、存儲(chǔ)、數(shù)據(jù)清洗、數(shù)據(jù)整合、分析、可視化呈現(xiàn)和行動(dòng)七個(gè)部分，較為完整地呈現(xiàn)了學(xué)習(xí)預(yù)警必需的分析過程。在學(xué)習(xí)分析模型的應(yīng)用層面，國外高校開發(fā)實(shí)現(xiàn)了多種學(xué)習(xí)預(yù)警系統(tǒng)，如普渡大學(xué)開發(fā)的課程信號(hào)系統(tǒng)、可汗學(xué)院的學(xué)習(xí)儀表盤、海星預(yù)警系統(tǒng)等[7]。相對于國外理論與實(shí)證并重，研究內(nèi)容和方法多樣，國內(nèi)研究者更注重研究模型的系統(tǒng)性和完整性，但實(shí)證研究較為單一，預(yù)警系統(tǒng)的研發(fā)尚處于起步階段。如楊現(xiàn)民等構(gòu)建知行情三維學(xué)習(xí)預(yù)警模型[2]，將在線學(xué)習(xí)平臺(tái)中采集的數(shù)據(jù)分為知識(shí)、行為、情緒3 類，采用內(nèi)容分析、社會(huì)網(wǎng)絡(luò)分析、語義分析等方法推測是否存在異常，從知識(shí)、行為和情緒3 方面對在線學(xué)習(xí)者進(jìn)行全方位預(yù)警，是國內(nèi)同類模型中較為全面的模型框架。袁安府[8]等提出由領(lǐng)導(dǎo)機(jī)制、預(yù)警幫扶和激勵(lì)機(jī)制3 方面組成學(xué)業(yè)預(yù)警幫扶機(jī)制來降低學(xué)生輟學(xué)率。

預(yù)警指標(biāo)的選擇對學(xué)業(yè)預(yù)警結(jié)果具有重要影響，預(yù)警指標(biāo)可歸納為3類，即人口統(tǒng)計(jì)學(xué)信息、過去的學(xué)習(xí)成績、學(xué)習(xí)過程數(shù)據(jù)[9]。其中學(xué)習(xí)過程數(shù)據(jù)屬于動(dòng)態(tài)數(shù)據(jù)，既有在線學(xué)習(xí)環(huán)境中學(xué)習(xí)行為數(shù)據(jù)（如訪問時(shí)長、互動(dòng)討論、下載上傳等），也有線下學(xué)習(xí)行為數(shù)據(jù)（如實(shí)踐實(shí)訓(xùn)、課堂表現(xiàn)、科技活動(dòng)等）。由于線上學(xué)習(xí)的數(shù)據(jù)容易采集且數(shù)據(jù)相對規(guī)范，數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)預(yù)警研究對線上學(xué)習(xí)過程的預(yù)警和分析較多，缺乏以學(xué)習(xí)者為核心整合線上數(shù)據(jù)與傳統(tǒng)課堂環(huán)境下學(xué)習(xí)過程數(shù)據(jù)的挖掘研究。尤其對師范生培養(yǎng)來說，師范教育過程注重學(xué)科知識(shí)的掌握，更要持續(xù)不斷地提升教師職業(yè)素養(yǎng)和綜合能力，加強(qiáng)現(xiàn)實(shí)環(huán)境中教學(xué)技能訓(xùn)練，此類線下學(xué)習(xí)過程數(shù)據(jù)是影響教師資格獲得的決定性因素。通過文獻(xiàn)檢索發(fā)現(xiàn)，師范生教師資格獲得相關(guān)研究大多集中在教師資格考試制度的理論研究、與國外教師資格準(zhǔn)入制度的比較研究、“國考”制度的效應(yīng)研究以及人才培養(yǎng)模式的變革等方面，幾乎沒有利用數(shù)據(jù)分析進(jìn)行教師資格獲得風(fēng)險(xiǎn)監(jiān)控及其精準(zhǔn)干預(yù)的研究。針對上述師范生學(xué)業(yè)預(yù)警研究的不足，本文參考楊現(xiàn)民、陸柳生等利用離群點(diǎn)檢測技術(shù)來預(yù)測預(yù)警學(xué)習(xí)者學(xué)業(yè)狀態(tài)的方法，以師范生教師資格（中學(xué)）獲得為目標(biāo)，通過對師范生培養(yǎng)過程中線下學(xué)科成績的實(shí)時(shí)采集和離群挖掘分析，有效識(shí)別學(xué)習(xí)危機(jī)學(xué)生，便于教師了解學(xué)習(xí)者的學(xué)習(xí)情況并及時(shí)發(fā)現(xiàn)學(xué)習(xí)中存在的問題，通過精準(zhǔn)干預(yù)機(jī)制有效引導(dǎo)學(xué)生學(xué)習(xí)，促進(jìn)學(xué)生學(xué)業(yè)發(fā)展。

1 預(yù)警算法描述

離群點(diǎn)檢測（Outlier Detection，OD）又被稱為異常檢測，是大數(shù)據(jù)分析中常用的手段之一。通過將數(shù)據(jù)集中與大部分?jǐn)?shù)據(jù)特征屬性差異較大的異常數(shù)據(jù)（離群點(diǎn)）檢測出來，以識(shí)別不符合預(yù)期模式的數(shù)據(jù)集或觀察結(jié)果[10]。離群點(diǎn)檢測算法可以大致分為5 類：基于分布的離群點(diǎn)、基于深度的離群點(diǎn)、基于聚類的離群點(diǎn)、基于距離的離群點(diǎn)和基于密度的離群點(diǎn)[11]。根據(jù)擬解決問題的數(shù)據(jù)特征，本文采用基于密度的局部離群點(diǎn)檢測算法來判斷學(xué)生成績是否異常。若學(xué)生學(xué)業(yè)成績中多門科目不及格，且與其他學(xué)生成績數(shù)據(jù)偏離太多，則懷疑該生學(xué)業(yè)成績異常，進(jìn)入預(yù)警隊(duì)列。

基于密度的局部離群點(diǎn)檢測算法通過定義局部離群點(diǎn)因子（Local Outlier Factor，LOF）反映樣本數(shù)據(jù)點(diǎn)的離群程度，并計(jì)算全部數(shù)據(jù)點(diǎn)的LOF 值，找出其中最大的值定義為離群點(diǎn)。具體來講，對數(shù)據(jù)集中任意樣本數(shù)據(jù)x，在x 周圍確定一個(gè)距離k，分析x 與k 范圍之內(nèi)的相關(guān)的點(diǎn)，計(jì)算出每一個(gè)對象的離群因子，進(jìn)而判斷出是否為離群點(diǎn)。在學(xué)生成績數(shù)據(jù)中，正常樣本點(diǎn)周圍平均密度與其鄰域內(nèi)其他樣本點(diǎn)密度相差較小，而異常對象樣本點(diǎn)平均密度明顯不同于其鄰域內(nèi)其他樣本點(diǎn)。

基于密度的局部離群點(diǎn)檢測方法具體實(shí)施起來分為5個(gè)步驟：計(jì)算每個(gè)對象與其他對象的歐氏距離，確定參數(shù)k的取值范圍，計(jì)算每個(gè)對象可達(dá)密度，計(jì)算每個(gè)對象LOF 值和對每個(gè)點(diǎn)的局部離群因子進(jìn)行排序輸出。針對所有對象的最終LOF，選取異常的LOF 值所對應(yīng)的學(xué)生作為可疑離群學(xué)生。

離群預(yù)警算法步驟如下[12-14]：

（1）定義樣本數(shù)據(jù)點(diǎn)x的第k距離：k_distance(x)

對于數(shù)據(jù)集D，將樣本點(diǎn)x與另一個(gè)對象o之間的距離記作d(x,o)。當(dāng)1）至少存在k 個(gè)樣本點(diǎn)x'∈D{x}滿足d(x,x')≤d(x,o)；2）至多存在k-1 個(gè)樣本點(diǎn)x'∈D{x}滿足d(x,x')

（2）確定樣本點(diǎn)x的第k距離鄰域Nkdistance(x)

樣本點(diǎn)x 的第k 距離鄰域?yàn)樗械綐颖军c(diǎn)x 的距離小于等于x的第k距離的樣本點(diǎn)的集合,記作:

可達(dá)距離即兩個(gè)樣本點(diǎn)x 和o 之間的歐式距離或是x的第k距離，如式（2）所示：

（4）計(jì)算樣本點(diǎn)x的可達(dá)密度lrdk(x)，如式（3）：

其中，|Nkdistance(x)|表示在x的第k鄰域內(nèi)樣本點(diǎn)的個(gè)數(shù)。x的可達(dá)密度越高，表示x與其領(lǐng)域數(shù)據(jù)屬于同一簇的可能越高；密度越低，x是離群點(diǎn)的可能越高。

（5）計(jì)算x的局部離群因子lofk(x)，如式（4）：

2 基于學(xué)業(yè)成績的教師資格證獲得預(yù)警方法

基于學(xué)業(yè)成績的教師資格證獲得預(yù)警的具體方法是將師范生大一至大三的開設(shè)課程與教師資格證考綱模塊進(jìn)行關(guān)聯(lián)，篩選出與考綱中知識(shí)模塊對應(yīng)的課程，采集這些課程的考試成績，運(yùn)用局部離群點(diǎn)檢測技術(shù)找出成績異常學(xué)生，結(jié)合離群數(shù)據(jù)分析和原因分析，進(jìn)一步確定成績異常學(xué)生并將預(yù)警信息反饋至學(xué)生本人和教師，教師通過相應(yīng)教學(xué)手段來干預(yù)離群對象，離群對象自身也引起重視采取措施改進(jìn)學(xué)習(xí)行為，從而提高教師資格證國考通過率。

2.1 預(yù)警流程

全國教師資格證考試在大部分省市一年兩考（3月、11月），個(gè)別省份理論考試一年一考（11月），各個(gè)高校在課程設(shè)置時(shí)，從畢業(yè)生畢業(yè)時(shí)能順利拿到教師資格證考慮，一般會(huì)將考綱所要求模塊涉及的課程安排在大三結(jié)束前。因此，本文師范生教師資格證獲得預(yù)警分析使用的數(shù)據(jù)源主要采集師范生大一至大三的、與考綱對應(yīng)的課程考試成績，利用基于密度的離群點(diǎn)檢測算法對師范生6 學(xué)期的相應(yīng)成績進(jìn)行數(shù)據(jù)挖掘，找出可疑的離群學(xué)生，再進(jìn)一步分析可疑學(xué)生學(xué)業(yè)成績，最終在所有學(xué)生中找出極有可能無法獲得教師資格證的學(xué)生。具體流程如圖1所示[15]。

圖1 預(yù)警流程

通過離群結(jié)果驗(yàn)證課程合格情況與教師資格證獲得結(jié)果的相關(guān)性。分析離群學(xué)生的學(xué)業(yè)狀態(tài)，確定離群學(xué)生，為教學(xué)工作者下一步工作做參考。

2.2 數(shù)據(jù)集的確定

全國教師資格證（中學(xué)）考試有筆試與面試兩個(gè)環(huán)節(jié)，筆試內(nèi)容分為綜合素質(zhì)、教育知識(shí)與能力和學(xué)科知識(shí)與教學(xué)能力3 個(gè)科目，面試內(nèi)容主要是教育教學(xué)實(shí)際能力展示[16]。在綜合素質(zhì)方面考查師范生教育理念、職業(yè)道德、法律法規(guī)知識(shí)、科學(xué)文化素養(yǎng)、語言表達(dá)、邏輯推理和信息處理等基本能力；在教育知識(shí)與能力方面考核教育教學(xué)、學(xué)生指導(dǎo)和班級(jí)管理的基本知識(shí)；在專業(yè)學(xué)科與教學(xué)能力方面考查學(xué)科領(lǐng)域的基本知識(shí)、教學(xué)設(shè)計(jì)實(shí)施評價(jià)的方法掌握情況，以及是否具備運(yùn)用所學(xué)知識(shí)分析和解決教育教學(xué)實(shí)際問題的能力。教師資格獲得預(yù)警的思路就是將以上3個(gè)科目的考核目標(biāo)和考核內(nèi)容與師范生在校學(xué)習(xí)的課程相關(guān)聯(lián)，關(guān)聯(lián)課程的成績反映了學(xué)習(xí)的成效以及知識(shí)掌握程度，如果一個(gè)學(xué)生有多個(gè)關(guān)聯(lián)課程成績不佳，基本能反映該生在考試中將會(huì)遇到困難。樣本數(shù)據(jù)集（關(guān)聯(lián)課程）的確定依據(jù)是3門筆試科目的考試大綱，輔助依據(jù)是面試大綱。

我們在參考國內(nèi)外文獻(xiàn)的基礎(chǔ)上，以高中數(shù)學(xué)教師資格證考試為例，全面分析了理學(xué)院數(shù)學(xué)與應(yīng)用數(shù)學(xué)專業(yè)2016 級(jí)所開設(shè)全部63 門課程的教學(xué)大綱，將每門課程的教學(xué)要求、教學(xué)內(nèi)容、教學(xué)重難點(diǎn)與教師資格證考綱的考試目標(biāo)和模塊進(jìn)行比對分析，初步建立了考綱模塊與課程內(nèi)容的映射關(guān)系表，再征詢數(shù)學(xué)專業(yè)教師、教師教育專業(yè)教師、中學(xué)數(shù)學(xué)教師等專家意見，最終確定了考綱模塊與課程關(guān)聯(lián)表（表1），為構(gòu)建預(yù)警數(shù)據(jù)集確定了方法。

表1 教師資格證考綱與課程關(guān)聯(lián)表

3 實(shí)驗(yàn)與應(yīng)用效果分析

本次師范生教師資格證獲得預(yù)警實(shí)驗(yàn)的對象是某地方性本科院校理學(xué)院數(shù)學(xué)與應(yīng)用專業(yè)2016級(jí)，該專業(yè)共兩個(gè)班84 名學(xué)生，學(xué)業(yè)成績數(shù)據(jù)采集時(shí)間為2019年7月。該校組織學(xué)生參加教師資格證考試時(shí)間是2019年11月（大四上學(xué)期），為有效應(yīng)對教師資格考試，與3個(gè)筆試科目相關(guān)聯(lián)的課程都安排在大一至大三完成，大四上學(xué)期主要進(jìn)行教育實(shí)踐訓(xùn)練和復(fù)習(xí)迎考。實(shí)驗(yàn)中將獲取數(shù)據(jù)進(jìn)行離群檢測后出現(xiàn)了若干可疑學(xué)生，教師資格證考試成績公布后比對分析這些可疑學(xué)生的教資考試通過情況，再次驗(yàn)證該預(yù)警方法的準(zhǔn)確性。

3.1 數(shù)據(jù)獲取

實(shí)驗(yàn)數(shù)據(jù)來源于數(shù)學(xué)與應(yīng)用專業(yè)2016 級(jí)學(xué)生1～6學(xué)期課程考試成績，原始數(shù)據(jù)中包含2 個(gè)班84 名學(xué)生的考試成績。其中，無上一級(jí)留級(jí)生，有4名從其他學(xué)院轉(zhuǎn)入學(xué)生，轉(zhuǎn)入學(xué)生在數(shù)據(jù)采集前已修完相關(guān)課程學(xué)分，故保留其成績。

根據(jù)上一節(jié)預(yù)警數(shù)據(jù)集確定方法，篩選出20 門課程，其中與教育知識(shí)與能力科目關(guān)聯(lián)課程2門，與綜合素質(zhì)科目關(guān)聯(lián)課程4 門，與數(shù)學(xué)學(xué)科知識(shí)與能力科目關(guān)聯(lián)課程14門。（表2）

從教務(wù)管理系統(tǒng)導(dǎo)出全部20門課程成績數(shù)據(jù)后，進(jìn)行數(shù)據(jù)預(yù)處理。第一步進(jìn)行數(shù)據(jù)清洗，去掉3 名有申請緩考記錄且相應(yīng)課程暫時(shí)沒有成績的學(xué)生，2 名有缺考且相應(yīng)課程暫時(shí)沒有成績的學(xué)生，篩選出符合要求的78名學(xué)生的成績數(shù)據(jù)。在源數(shù)據(jù)中涉及部分學(xué)生成績重復(fù)值的問題，即一門課程有正?？荚嚦煽兒脱a(bǔ)考成績，我們認(rèn)為補(bǔ)考是在教資考試之前進(jìn)行的，對于補(bǔ)考的復(fù)習(xí)也在某種程度上加深了該生對教資考試相關(guān)知識(shí)點(diǎn)的記憶，故本次實(shí)驗(yàn)剔除正常考試成績，保留其補(bǔ)考成績。第二步缺失值處理，這里主要涉及個(gè)別學(xué)生的免修課程，以該課程的年級(jí)平均值來填充。第三步數(shù)據(jù)變換，將由“優(yōu)秀”、“良好”、“中等”、“及格”、“不及格”評價(jià)的課程成績轉(zhuǎn)化為相應(yīng)的分?jǐn)?shù)，此次的課程評價(jià)不涉及此類評價(jià)故跳過此步驟。

預(yù)處理完成后，教育知識(shí)與能力、綜合素質(zhì)和數(shù)學(xué)學(xué)科知識(shí)所涉及的課程成績分布有不同差異，各科成績分布的直方圖如圖2 所示[12]，課程直方圖排序與表2 順序一致。直方圖橫坐標(biāo)表示分?jǐn)?shù)0～100，間距為10，縱坐標(biāo)表示各段分?jǐn)?shù)所對應(yīng)的密度。比較突出的是數(shù)學(xué)分析（二）不及格率高達(dá)15.66%，高等代數(shù)（二）和心理學(xué)不及格率均為7.23%。

圖2 各科成績分布的直方圖

表2 關(guān)聯(lián)課程

3.2 離群點(diǎn)檢測

通過Python 中的NumPy、Pandas實(shí)現(xiàn)基于密度的局部離群點(diǎn)檢測算法對學(xué)生成績數(shù)據(jù)進(jìn)行挖掘，使用Python 中的Matplotlib 的繪圖能力來展示結(jié)果。在本問題中，考慮到教育知識(shí)與能力、綜合素質(zhì)相關(guān)課程和數(shù)學(xué)學(xué)科知識(shí)與能力包含課程內(nèi)容不同，且各課程在知識(shí)的考察中所占百分比不同，本文使用了帶權(quán)重的歐氏距離測度[17]，

其中，mn表示課程n({n∈[1-20],n為正整數(shù))在教資考試中所占百分比，xn和on分別表示學(xué)生x 和學(xué)生o 的n 課程成績。

根據(jù)k的取值范圍，計(jì)算對象的LOF。規(guī)則為：在不同k 下計(jì)算每一個(gè)對象的LOF，然后選擇每個(gè)對象在不同k 下的最大LOF，將其作為對象的最終LOF。結(jié)果如圖3所示。橫縱軸分別表示對象和其LOF。從縱軸方向看，絕大部分對象的LOF 值位于區(qū)間［-0.4，0.1］，對象LOF 值越大，對象的密度越來越小，意味著對象的離群程度越來越高[12]38。

圖3 每個(gè)對象的LOF

局部離群因子

3.3 結(jié)果對比驗(yàn)證

從本次實(shí)驗(yàn)結(jié)果中，我們獲得3 個(gè)較為典型的離群學(xué)生，3 名學(xué)生的關(guān)聯(lián)課程成績評估結(jié)果與教師資格考試結(jié)果是相一致的（表3、圖4），表3 中匯總了離群學(xué)生的學(xué)業(yè)成績中與教師資格證筆試3大科目關(guān)聯(lián)的危機(jī)課程門數(shù)，為了驗(yàn)證試驗(yàn)結(jié)論，表中也給出了學(xué)生參加教師資格證考試以后的未通過情況。

表3 典型離群學(xué)生學(xué)業(yè)信息匯總

圖4 為離群學(xué)生的20 門課程成績與年級(jí)平均成績的對比折線圖，橫坐標(biāo)表示科目，科目順序與表1呈現(xiàn)順序一致，縱坐標(biāo)表示成績，虛線表示每門課程的年級(jí)平均成績，實(shí)線表示離群學(xué)生的20 門課程實(shí)際成績，從圖示可看出3名離群學(xué)生的關(guān)聯(lián)課程成績幾乎全部位于年級(jí)平均線之下，有些課程分差達(dá)40分以上。

圖4 學(xué)生成績與年級(jí)平均成績對比折線圖

再進(jìn)一步分析離群學(xué)生的學(xué)業(yè)成績顯示：

9 號(hào)學(xué)生離群特征最為突出，該生在數(shù)學(xué)學(xué)科知識(shí)與能力14 門關(guān)聯(lián)課程中正?？荚? 門不及格，補(bǔ)考后仍有數(shù)學(xué)分析（二）、高等代數(shù)（一）、高等代數(shù)（二）和常微分方程4 門不及格。同時(shí)，該生有19 門課程成績低于各科平均分，其中有6 門課低于平均分20 分以上。該生關(guān)聯(lián)課程整體情況很差，尤其是學(xué)科知識(shí)的學(xué)習(xí)情況對于通過數(shù)學(xué)學(xué)科知識(shí)與能力的考試十分不利，心理學(xué)成績是補(bǔ)考之后才獲得通過。最終，教師資格證考試驗(yàn)證預(yù)警結(jié)果，該生教育知識(shí)與能力和數(shù)學(xué)學(xué)科知識(shí)與教學(xué)能力兩個(gè)科目未通過筆試。

42 號(hào)學(xué)生心理學(xué)、數(shù)學(xué)分析（二）和高等代數(shù)（一）3門課程不及格，另有6 門關(guān)聯(lián)課程剛過60 分及格線，不排除教師在考試閱卷時(shí)有些許放水的可能，該生教育學(xué)課程僅60 分通過，在數(shù)學(xué)學(xué)科知識(shí)與能力考察的14 門課程中，該生有13 門學(xué)科課程成績低于年級(jí)平均分，學(xué)業(yè)狀態(tài)很差，要想通過數(shù)學(xué)學(xué)科知識(shí)與能力科目和教育知識(shí)與能力科目的考試著實(shí)要花一番功夫。最終在教師資格證考試中，該生僅綜合素質(zhì)科目合格，其他兩個(gè)科目未能通過筆試。

45號(hào)學(xué)生20門關(guān)聯(lián)課程中8門及格但均低于63分，另有心理學(xué)、數(shù)學(xué)分析（二）、高等代數(shù)（一）、常微分方程4門不及格，尤其常微分方程與年級(jí)平均分相差49分，該生可能在教育知識(shí)與能力和數(shù)學(xué)學(xué)科知識(shí)與能力科目中因?qū)W業(yè)困難而無法通過。最終該生在教師資格證考試中3個(gè)科目都未通過。

4 研究結(jié)論與建議

4.1 結(jié)論

（1）本研究豐富和完善了利用數(shù)據(jù)分析對在校生學(xué)業(yè)質(zhì)量檢測預(yù)警的手段和方法。對師范生一至三年級(jí)的學(xué)業(yè)成績，通過建立教師資格證考綱考試內(nèi)容和考試要求與學(xué)科課程的對應(yīng)關(guān)系，采用基于密度的離群點(diǎn)檢測算法模型，以數(shù)學(xué)與應(yīng)用專業(yè)學(xué)生的課程成績?yōu)閷?shí)驗(yàn)樣本進(jìn)行數(shù)據(jù)挖掘，識(shí)別教師資格獲得存在危機(jī)的學(xué)生。研究結(jié)果顯示本文采用的預(yù)警方法通過對教師資格考察目標(biāo)和內(nèi)容密切相關(guān)課程的學(xué)業(yè)成績進(jìn)行挖掘分析，可以識(shí)別出教師資格獲得危機(jī)的學(xué)生，引起學(xué)生對教師資格證考試備考的重視，對教師提供危機(jī)學(xué)生個(gè)別干預(yù)的依據(jù)，有利于教師精準(zhǔn)施教，有針對性地采取幫扶措施。

（2）研究的主要?jiǎng)?chuàng)新在于將離群檢測算法應(yīng)用于師范生教師資格獲得預(yù)測中。在預(yù)測模型中單門關(guān)聯(lián)課程成績對教師資格獲得影響的判斷依據(jù)采用了教師資格考試大綱中規(guī)定的知識(shí)點(diǎn)占比數(shù)值，算法上采用帶權(quán)重的歐氏距離測度來確定與鄰近點(diǎn)的距離。用該專業(yè)學(xué)生最終參加教師資格證考試成績來驗(yàn)證預(yù)警模型的有效性，該算法模型對離群特征顯著的學(xué)生預(yù)測可達(dá)到100%，但對離群特征不明顯的學(xué)生識(shí)別率較低，預(yù)警規(guī)則需進(jìn)一步優(yōu)化改善。

4.2 建議

（1）建立分級(jí)預(yù)警機(jī)制。對標(biāo)教師資格證考綱要求，分解培養(yǎng)方案中知識(shí)目標(biāo)、能力目標(biāo)，將面試和實(shí)踐教學(xué)納入預(yù)警指標(biāo)體系，確定影響教師資格獲得的因素，并為每一個(gè)因素進(jìn)行權(quán)重分配。優(yōu)化考綱中知識(shí)點(diǎn)和能力要求對應(yīng)課程知識(shí)點(diǎn)的關(guān)聯(lián)規(guī)則，預(yù)警分級(jí)可以使干預(yù)時(shí)機(jī)提前，教師在危機(jī)初期即可介入。

（2）創(chuàng)建教育教學(xué)能力綜合學(xué)習(xí)網(wǎng)絡(luò)空間。學(xué)科課程成績反映專業(yè)知識(shí)的掌握，而教師職業(yè)認(rèn)知和教學(xué)能力則需要通過教育見習(xí)、頂崗實(shí)習(xí)等現(xiàn)實(shí)教學(xué)場景中反復(fù)訓(xùn)練得以發(fā)展。從大一開始通過建立教學(xué)技能訓(xùn)練過程檔案，加強(qiáng)學(xué)習(xí)過程中實(shí)踐性學(xué)習(xí)狀態(tài)數(shù)據(jù)采集，納入與教學(xué)能力提升訓(xùn)練相關(guān)的過程性數(shù)據(jù)、非結(jié)構(gòu)化的學(xué)習(xí)定性數(shù)據(jù)。定量與定性評價(jià)相結(jié)合，當(dāng)定性數(shù)據(jù)難以轉(zhuǎn)化為基于密度的離群檢測所需的空間分布特性時(shí)，則采用其他預(yù)警方法，多源數(shù)據(jù)集和多元預(yù)警方法能大幅提高預(yù)測的準(zhǔn)確性，客觀全面反映師范生學(xué)業(yè)狀態(tài)

（3）自動(dòng)反饋與人工干預(yù)相結(jié)合。如果以教師資格獲得為導(dǎo)向通過學(xué)習(xí)過程數(shù)據(jù)挖掘得到危機(jī)預(yù)警，對危機(jī)的干預(yù)就是從目標(biāo)到源頭的逆向工程，在此過程中干預(yù)以教師的幫扶為主，對知識(shí)查漏補(bǔ)缺，更重要是對不同危機(jī)學(xué)生進(jìn)行有針對性的教學(xué)知識(shí)和能力的強(qiáng)化訓(xùn)練。網(wǎng)絡(luò)學(xué)習(xí)空間中學(xué)業(yè)狀態(tài)的自動(dòng)反饋不僅指學(xué)生接收到的學(xué)習(xí)過程評價(jià)報(bào)告、警示信息等，還包括對每次教師資格考試成績情況進(jìn)行的內(nèi)容分析和數(shù)據(jù)挖掘，是教師做出科學(xué)合理、差異化教學(xué)決策的重要依據(jù)。

綜上，師范生教師資格證的獲得是師范生職業(yè)發(fā)展的門檻，在國考背景下，要求師范生具有豐富的教育知識(shí)與學(xué)科能力，對其培養(yǎng)過程進(jìn)行量化預(yù)測，對學(xué)業(yè)危機(jī)能及時(shí)預(yù)警和精準(zhǔn)干預(yù)，貼合教育發(fā)展規(guī)律，也順應(yīng)了智慧教育教學(xué)的時(shí)代要求。