關聯(lián)規(guī)則挖掘在教學質(zhì)量保障方面的應用研究

白雪峰

（重慶三峽醫(yī)藥高等專科學校，萬州 404120）

關聯(lián)規(guī)則挖掘在教學質(zhì)量保障方面的應用研究

白雪峰

（重慶三峽醫(yī)藥高等?？茖W校，萬州 404120）

利用關聯(lián)規(guī)則挖掘Apriori算法對學生高考成績及高考志愿與入學后課程成績之間存在的關系進行數(shù)據(jù)挖掘，通過分析挖掘結(jié)果，期望找出其中存在的關聯(lián)，得到一些對提高教學質(zhì)量或水平有用的信息。

數(shù)據(jù)挖掘；關聯(lián)規(guī)則；教學質(zhì)量

0 引言

教學質(zhì)量是人才培養(yǎng)質(zhì)量的關鍵，是整個教學活動的出發(fā)點和立足點，如何保證教學質(zhì)量的不斷提高是一個學校永恒的追求。由于學校不斷擴大招生規(guī)模，使得學生的入學基礎存在較大的差異，本文通過分析學生的入學基礎以及這種入學基礎對大學課程學習的影響，提出了分層次教學等建議，以保證專業(yè)教學質(zhì)量的穩(wěn)步提高。關聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中最活躍的研究方向之一，能從大量的數(shù)據(jù)中挖掘出數(shù)據(jù)項間隱藏的相互關系。采用關聯(lián)規(guī)則挖掘算法，能夠發(fā)現(xiàn)學生高考志愿及入學前高考成績與入學后各門課程成績之間的關系，而分析這種關系有助于我們尋找提高專業(yè)教學質(zhì)量的途徑和方法。

1 關聯(lián)規(guī)則挖掘

關聯(lián)規(guī)則挖掘是研究人員于1993年研究市場購物籃問題時提出的[1]，用來發(fā)現(xiàn)數(shù)據(jù)中數(shù)據(jù)項間隱藏的相互依賴的關系。

先介紹關聯(lián)規(guī)則的幾個基本概念，具體描述如下[2]：

定義1假設關聯(lián)規(guī)則挖掘的事務數(shù)據(jù)集記為D，其中，D={t1，t2，…，tk，…，tn}，tk={i1，i2，…，im，…，ip}，那么tk（k=1，2，…，n）稱為事務(Transaction)，im（m=1，2，…，p）稱為項目（Item）。

定義2假設I={i1，i2，…，im}是由D中所有項目組成的集合，則I的每一個子集X就稱為D的項目集（Itemset）。假設X、Y都是項目集，且X∩Y=?，則蘊含式X?Y稱為關聯(lián)規(guī)則。

定義3若關聯(lián)規(guī)則X?Y在事務集D中成立，那么，關聯(lián)規(guī)則XY的支持度就是事務集D中包含X?Y的百分比，關聯(lián)規(guī)則XY的置信度就是D中包含X的事務同時也包含Y的百分比。（即support（X?Y）=P（X?Y）；confidence（X∪Y）=P（Y|X））

定義4如果項目集X的支持度大于等于事先設定的最小支持度minsupport，那么就稱X為頻繁項目集。

關聯(lián)規(guī)則的挖掘過程是先查找符合既定條件的頻繁項集，然后利用頻繁項集生成關聯(lián)規(guī)則。通過對數(shù)據(jù)庫使用關聯(lián)規(guī)則挖掘，可以得到一些潛在有用的挖掘結(jié)果。將這些結(jié)果同事先設定的最小支持度minsupport和最小置信度minconfidence進行比較，如果其值不小于事先設定的值，那么就是有趣的規(guī)則。

購物籃分析是關聯(lián)規(guī)則挖掘最初研究的一個典型例子。它有助于分析顧客的購物習慣，發(fā)現(xiàn)顧客放入購物籃中的不同商品之間的關聯(lián)性，幫助商家了解哪些商品頻繁地被顧客同時購買，從而有助于商家靈活地調(diào)整銷售策略，更加合理地安排商品的擺放位置，增加商品銷售量。

隨著社會的發(fā)展，人們越來越發(fā)現(xiàn)數(shù)據(jù)的重要性及其隱藏的價值，使得關聯(lián)規(guī)則挖掘的應用越來越廣泛。其中，在教育教學方面，關聯(lián)規(guī)則挖掘也取得了很好的效果[3-5]。

2 關聯(lián)規(guī)則挖掘在成績分析中的應用

2.1 數(shù)據(jù)準備

數(shù)據(jù)準備階段主要是對學生的入學成績及入學后的成績進行收集處理。以我校中藥專業(yè)2014級、2015級329名學生的成績?yōu)槔?，成績主要來源于兩個部門。其中，學生的高考成績來源于學校招生處，主要包括考生號、專業(yè)志愿、考試科目及考試成績等；學生入學后的課程成績來源于教務處，選擇的大學課程主要包括中醫(yī)學概要、中藥學、大學英語、化學基礎、醫(yī)學基礎、藥理學、藥用植物學、中藥鑒定技術等。

由于成績屬性是連續(xù)值，不利于進行數(shù)據(jù)處理，所以，在進行數(shù)據(jù)挖掘前，必須先對學生的入學成績及入學后的成績進行轉(zhuǎn)換處理。

因?qū)？粕雽W時單科成績幾乎全部介于滿分成績的20%到滿分成績的80%之間，因此，我們在對入學前單科成績處理時，剔除了極個別不合適的數(shù)據(jù)，只對滿足該成績段的數(shù)據(jù)進行研究。在此基礎上，對入學前單一科目成績的具體處理方法是：將成績由高到低排序，每20%為一個成績段，即處于前20%的成績記為A，處于前20%-40%的成績記為B，以此類推。

因?qū)W生入學后單科成績幾乎全部介于40分到100分之間，因此，我們在對入學后單科成績處理時，剔除了極個別不合適的數(shù)據(jù)，只對滿足該成績段的數(shù)據(jù)進行研究。在此基礎上，對入學后單一科目成績的具體處理方法是：將成績由高到低排序，每20%為一個成績段，即處于前20%的成績記為A，處于前20%-40%的成績記為B，以此類推。對于分多個學期授課的課程，取多個學期的平均成績。

對于考生的高考志愿，第一志愿記為I，非第一志愿記為J。

進行數(shù)據(jù)處理后的數(shù)據(jù)格式如表1所示。

2.2 關聯(lián)規(guī)則挖掘

Apriori算法是關聯(lián)規(guī)則挖掘的經(jīng)典算法，本文使用Apriori算法進行數(shù)據(jù)挖掘，希望找出高考單科成績及高考志愿類別與入學后課程成績之間存在的普遍性關系。在本次研究中，我們將最小支持度設為5%，最小置信度設為60%。

我們使用Apriori算法對學生高考單科成績與入學后課程成績之間存在的關聯(lián)關系進行數(shù)據(jù)挖掘，最終產(chǎn)生了7條關聯(lián)規(guī)則，具體結(jié)果見表2。

表2 高考成績與入學后課程成績之間的關聯(lián)規(guī)則

分析表2可知，學生中學時的英語水平對入學后英語成績影響很大，高考數(shù)學成績對化學基礎的學習也有較大影響，但沒有像英語影響大。學生各科的高考成績對中藥學、中醫(yī)學概要等藥學專業(yè)基礎課程影響較小。針對上述結(jié)果，建議學校在進行英語和化學基礎課程教學時，可按照學生對應科目的高考成績進行分層教學。

使用Apriori算法對學生高考志愿與入學后課程成績之間存在的關聯(lián)關系進行數(shù)據(jù)挖掘，最終產(chǎn)生了11條關聯(lián)規(guī)則，具體結(jié)果見表3。

分析表3可知，學生的高考志愿對學生入學后的英語、化學基礎等課程的成績影響不大，但對中藥學、中醫(yī)學概要等專業(yè)基礎課程有較大的影響。針對這一現(xiàn)象，建議學校在對非第一志愿考生進行教育時，加強對學生關于專業(yè)價值和專業(yè)發(fā)展前景的說服性教育，提高學生的專業(yè)認同度，從而促進學生在專業(yè)學習時的積極性和主動性。

表1 學生所有成績進行數(shù)據(jù)處理后的數(shù)據(jù)格式

表3 高考志愿與入學后課程成績之間的關聯(lián)規(guī)則

3 結(jié)語

筆者介紹了關聯(lián)規(guī)則挖掘的一些概念，采用關聯(lián)規(guī)則挖掘Apriori算法對學生高考單科成績及高考志愿與入學后課程成績之間存在的關聯(lián)關系進行數(shù)據(jù)挖掘，最終得到了多條關聯(lián)規(guī)則。研究結(jié)果表明，高考單科成績與大學部分基礎課程成績之間有一定聯(lián)系，而高考志愿則與學生專業(yè)課成績之間存在一定關聯(lián)。根據(jù)上述研究結(jié)果，學校在對大學英語、化學基礎等課程進行教學時，可以根據(jù)相關單科成績對學生進行分層次教學；而對非第一志愿考生，則要注意加強教育，提高學生的專業(yè)認同度。

[1]Agrawal R，Imielinski T，Wami A S.Mining Association Rules Between Sets of Items in Large Databases.In:Proc.of the ACM SIGMOD Conference on Management of Data，Washington，D.C.，1993.207-216.

[2]邵峰晶，于忠清.數(shù)據(jù)挖掘原理與算法[M].北京:中國水利水電出版社，2003.

[3]劉英，高鎖軍.數(shù)據(jù)挖掘技術在高校教學管理中的應用.價值工程，2012，31（34）:200-201.

[4]路川，王靜靜，胡欣杰等.數(shù)據(jù)挖掘在高校教學管理中的應用研究［J］.電腦開發(fā)與應用，2010，17（2）:40-41.

[5]李紹中.數(shù)據(jù)挖掘改進算法在學生成績分析中的應用［J］.科技通報，2012，28（8）:208-209，212.

Research on the Application of Association Rules Mining in Teaching Quality Assurance

BAI Xue-feng

（Chongqing Three Gorges College of Medicine，Wanzhou 404120）

Uses the association rules mining Apriori to mine the relationships between students'college entrance examination scores and college course examination scores,and the relationships between different choices and college course examination scores.Through the analysis of mining results,hopes to find out the relationship between them,and gets some information that is useful for improving teaching quantity or level.

Date Mining;Association Rule;Teaching Quality

重慶三峽醫(yī)藥高等?？茖W校2014年科研苗圃工程基金資助項目（No.2014mpxj17）

1007-1423（2016）33-0022-03

10.3969/j.issn.1007-1423.2016.33.005

白雪峰（1980-），男，山西大同人，碩士研究生，講師，研究方向為數(shù)據(jù)庫、數(shù)據(jù)挖掘

2016-09-06

2016-11-10