蔚瑩+劉希龍+趙明軒+周建

【摘 要】

互聯(lián)網(wǎng)的發(fā)展極大地促進(jìn)了電子商務(wù)的普及，而人才匱乏已成為電子商務(wù)實(shí)現(xiàn)高速發(fā)展的瓶頸。為了解決這一問題，越來越多的學(xué)者參與到電商專業(yè)人才培養(yǎng)的研究中。目前對于電商專業(yè)學(xué)生能力的研究大多聚焦于課程建設(shè)、教學(xué)模式的構(gòu)建以及從理論角度分析崗位對學(xué)生能力的需求，而對學(xué)生專業(yè)能力的定量分析較少。本研究以一個中高職電商專業(yè)“三位一體”在線教育平臺為例，運(yùn)用QFD模型根據(jù)學(xué)生在分銷系統(tǒng)中的微店運(yùn)營績效數(shù)據(jù)對學(xué)生所具備的專業(yè)能力進(jìn)行評估，并運(yùn)用雙向聚類這一數(shù)據(jù)挖掘技術(shù)對能力評估結(jié)果進(jìn)行特征提取，從理論學(xué)習(xí)的角度進(jìn)一步探究造成學(xué)生能力差異的課程因素，所得結(jié)果可以幫助學(xué)生進(jìn)行自身能力定位，同時為教學(xué)方了解學(xué)生能力分布特征，指導(dǎo)學(xué)生進(jìn)行深入學(xué)習(xí)和職業(yè)生涯發(fā)展規(guī)劃提供依據(jù)。

【關(guān)鍵詞】 電子商務(wù)；在線教育；教育數(shù)據(jù)挖掘；QFD模型；雙向聚類

【中圖分類號】 G442 【文獻(xiàn)標(biāo)識碼】 A 【文章編號】 1009-458x（2017）02-0033-12

一、引言

隨著信息技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)作為一種高效、便捷的連接工具，已滲透到人們生活的各個方面。在教育領(lǐng)域，通過互聯(lián)網(wǎng)進(jìn)行在線教育的教學(xué)方式已成為傳統(tǒng)課堂教學(xué)的重要補(bǔ)充，甚至在一定程度上代替了傳統(tǒng)教學(xué)，成為一種新的教學(xué)模式。目前，在線教育平臺在國內(nèi)呈現(xiàn)出快速普及的狀態(tài)，其中以MOOC（大規(guī)模開放在線課程）為代表的在線教育平臺已為人熟知，國內(nèi)大量優(yōu)秀大學(xué)均在這類平臺上開設(shè)了相關(guān)課程。在這些規(guī)模較大的在線教育平臺課程體系中，基礎(chǔ)學(xué)科課程居多，職業(yè)教育類課程較少。其中，電子商務(wù)作為一門與互聯(lián)網(wǎng)息息相關(guān)的學(xué)科，其專業(yè)人才的市場需求度與人才培養(yǎng)之間的不平衡已日漸顯現(xiàn)，人才匱乏已成為電子商務(wù)高速發(fā)展的瓶頸。為了滿足市場對電子商務(wù)專業(yè)人才的培養(yǎng)需求，構(gòu)建在線教育平臺轉(zhuǎn)變傳統(tǒng)課堂教學(xué)模式，已成為一種必然的趨勢。

與現(xiàn)有在線教育平臺相同，電子商務(wù)在線教育平臺可以匯聚大規(guī)模的學(xué)習(xí)者，并通過多樣化的網(wǎng)絡(luò)學(xué)習(xí)行為產(chǎn)生種類眾多的教育數(shù)據(jù)。這些數(shù)據(jù)中蘊(yùn)含著大量有用的信息，通過對這些信息進(jìn)行提取和識別，可以幫助研究者進(jìn)行課程構(gòu)建、學(xué)習(xí)模式分析以及學(xué)習(xí)規(guī)律發(fā)現(xiàn)，為電子商務(wù)專業(yè)人才培養(yǎng)提供依據(jù)。不同于傳統(tǒng)教育研究中通過調(diào)查問卷、觀察法等手段獲取學(xué)習(xí)行為數(shù)據(jù)，在線教育通過學(xué)生在系統(tǒng)中的操作行為可以收集大量的學(xué)習(xí)數(shù)據(jù)。這些數(shù)據(jù)普遍呈現(xiàn)出規(guī)模巨大、結(jié)構(gòu)多樣的特征，潛藏著更加全面、準(zhǔn)確的學(xué)習(xí)行為信息。這些信息一方面可以為教育研究者發(fā)現(xiàn)學(xué)生學(xué)習(xí)模式和規(guī)律提供可能；另一方面也對數(shù)據(jù)挖掘技術(shù)提出了挑戰(zhàn)。由此可以看出，為了使在線教育平臺的效用最大化，對平臺中的數(shù)據(jù)進(jìn)行有效挖掘，發(fā)現(xiàn)其中潛在的特征具有重要的意義。

教育數(shù)據(jù)挖掘領(lǐng)域的研究目前主要集中在預(yù)測型數(shù)據(jù)分析和描述型數(shù)據(jù)分析方面（田娜， 陳明選， 2014）。其中，預(yù)測型分析通常由分析得到與某個變量相關(guān)的模型，以此為依據(jù)對該變量未來的變化趨勢進(jìn)行預(yù)測。常用的預(yù)測方法包括回歸、人工神經(jīng)網(wǎng)絡(luò)和決策樹等。Al-Radaideh等（2006）分別采用ID3、C4.5和樸素貝葉斯模型，對約旦耶爾穆克大學(xué)參加C++課程的學(xué)生期末考試成績進(jìn)行了預(yù)測。結(jié)果表明，在對教育數(shù)據(jù)進(jìn)行分析時決策樹模型比其他模型具有更好的預(yù)測效果。Hijazi 和Naqvi（2006）通過對巴基斯坦旁遮普大學(xué)附屬學(xué)院學(xué)生的在校表現(xiàn)和上課態(tài)度、課后學(xué)習(xí)時間、家庭收入、母親年齡以及教育程度進(jìn)行回歸分析發(fā)現(xiàn)，母親的教育程度和家庭收入與其在校表現(xiàn)具有高度的相關(guān)性。孫力等（2015）運(yùn)用C5.0決策樹方法，通過分析網(wǎng)絡(luò)學(xué)歷教育學(xué)生英語學(xué)習(xí)及相關(guān)信息，預(yù)測了其英語統(tǒng)考成績，同時提出了相應(yīng)策略以提高網(wǎng)絡(luò)教育學(xué)生英語學(xué)習(xí)水平和統(tǒng)考通過率。舒忠梅等（2015）在構(gòu)建學(xué)生投入模型的基礎(chǔ)上，結(jié)合典型相關(guān)分析和數(shù)據(jù)挖掘方法，識別出學(xué)生投入的相關(guān)因素，并對學(xué)生學(xué)習(xí)行為進(jìn)行了分類研究。分析發(fā)現(xiàn)學(xué)生投入與學(xué)生家庭背景、學(xué)生入學(xué)前特征、學(xué)校特征及課程作業(yè)之間存在顯著相關(guān)關(guān)系。描述型分析則通過分析數(shù)據(jù)發(fā)現(xiàn)新的模式或結(jié)構(gòu)。常用的方法有聚類分析、因素分析和關(guān)聯(lián)規(guī)則挖掘等。在這些方法中，聚類分析可以用來識別數(shù)據(jù)中具有共同特征的群體或模式，從而對一些現(xiàn)象進(jìn)行解釋與建模，在教育數(shù)據(jù)挖掘中被廣泛使用。Aher和Lobo（2013）對學(xué)生在MOODLE 上的課程學(xué)習(xí)記錄進(jìn)行聚類和關(guān)聯(lián)規(guī)劃分析，向?qū)W生推薦合適的課程。Romero等（2013）運(yùn)用分類和聚類的方法分析了學(xué)生對社交網(wǎng)絡(luò)論壇的使用情況與期末考試成績之間的關(guān)系，結(jié)果顯示了課程結(jié)束時進(jìn)行后期預(yù)測與課程結(jié)束前進(jìn)行前期預(yù)測的適用性，表明了相較于傳統(tǒng)識別學(xué)生表現(xiàn)模型的分類方法，聚類分析和關(guān)聯(lián)規(guī)則挖掘有更大的解釋力。吳林靜等（2014）研究了教育資源的聚類組織方法，設(shè)計并實(shí)現(xiàn)了一個面向e-Learning的教育資源聚類系統(tǒng)，從而為學(xué)習(xí)者提供更加精確的資源導(dǎo)航和更為快速的資源定位。

從國內(nèi)外教育數(shù)據(jù)挖掘的研究成果可以看出，聚類分析已成為該研究領(lǐng)域中普遍使用的方法。目前在運(yùn)用該方法識別學(xué)生學(xué)習(xí)特征時，所使用的多是傳統(tǒng)聚類算法。而眾多關(guān)于高維數(shù)據(jù)聚類分析的研究已表明，這樣的算法在處理大規(guī)模數(shù)據(jù)時具有一定的局限性。除此之外，在查閱電子商務(wù)專業(yè)學(xué)生能力培養(yǎng)的相關(guān)研究時還發(fā)現(xiàn)，目前對于該問題的研究大多是對專業(yè)課程建設(shè)和教學(xué)模式構(gòu)建的探索以及從理論角度分析崗位對學(xué)生能力的需求，從數(shù)據(jù)角度對學(xué)生專業(yè)能力進(jìn)行定量分析的研究較少。在此背景下，本文以某中高職電子商務(wù)專業(yè)“三位一體”在線教育平臺為例，通過QFD模型對學(xué)生所具備的專業(yè)能力進(jìn)行定量評估，并運(yùn)用雙向聚類技術(shù)對能力評估結(jié)果進(jìn)行特征提取。在此基礎(chǔ)上，從理論學(xué)習(xí)的角度進(jìn)一步分析造成學(xué)生能力差異的課程因素，所得結(jié)果可以幫助平臺中的學(xué)生掌握自己的能力情況，實(shí)現(xiàn)自我定位，同時為教學(xué)方了解學(xué)生能力分布特征，指導(dǎo)學(xué)生進(jìn)行深入學(xué)習(xí)和職業(yè)生涯發(fā)展規(guī)劃提供依據(jù)。

二、電子商務(wù)專業(yè)學(xué)生能力和微店績效指標(biāo)構(gòu)建

本研究是以某中高職電商專業(yè)“三位一體”在線教育平臺為背景，從數(shù)據(jù)挖掘的角度對電子商務(wù)專業(yè)學(xué)生能力進(jìn)行定量分析。

（一）“三位一體”在線教育平臺

現(xiàn)有與電子商務(wù)相關(guān)的在線教育一方面多以單一課程教學(xué)為主，缺乏專業(yè)知識系統(tǒng)化的學(xué)習(xí)平臺，另一方面，只涉及理論知識的學(xué)習(xí)，實(shí)踐活動作為中高職電子商務(wù)專業(yè)教學(xué)重要組成部分卻無法在網(wǎng)絡(luò)教學(xué)中得以實(shí)現(xiàn)。近年來已有部分學(xué)校意識到這一問題，試圖鼓勵學(xué)生在淘寶等網(wǎng)上商城開設(shè)店鋪來鍛煉其實(shí)踐能力，但在線教育平臺和網(wǎng)上商城作為兩個獨(dú)立的系統(tǒng)，無法實(shí)現(xiàn)數(shù)據(jù)的交互，因此無法有效輔助學(xué)校了解和掌握學(xué)生實(shí)踐表現(xiàn)，無法通過實(shí)踐平臺和理論教學(xué)兩方面的數(shù)據(jù)探索二者之間的聯(lián)系。而“三位一體”在線教育平臺則將上述兩個系統(tǒng)完美地結(jié)合在一起?！叭灰惑w”是指集在線教育系統(tǒng)、微店分銷系統(tǒng)和大數(shù)據(jù)挖掘與分析系統(tǒng)為一體的集成化教學(xué)平臺。在該平臺上，學(xué)生一方面可以通過教育系統(tǒng)學(xué)習(xí)電子商務(wù)專業(yè)理論課程，另一方面可以通過在分銷系統(tǒng)中開設(shè)網(wǎng)店將所學(xué)知識運(yùn)用于實(shí)踐。同時，大數(shù)據(jù)挖掘與分析系統(tǒng)可以將上述兩個系統(tǒng)中產(chǎn)生的數(shù)據(jù)相結(jié)合，分析實(shí)踐和理論學(xué)習(xí)的內(nèi)在聯(lián)系，以實(shí)踐檢驗理論、理論指導(dǎo)實(shí)踐的方式促進(jìn)學(xué)生進(jìn)行可持續(xù)、可循環(huán)的學(xué)習(xí)，不斷提升自己的專業(yè)能力。

（二）學(xué)生能力指標(biāo)構(gòu)建

以上述平臺為基礎(chǔ)，在進(jìn)行學(xué)生能力評估之前，首先應(yīng)確定電子商務(wù)專業(yè)學(xué)生應(yīng)具備的能力，并選取在線教育平臺分銷系統(tǒng)中可以衡量學(xué)生經(jīng)營績效的相關(guān)指標(biāo)。目前對電子商務(wù)專業(yè)學(xué)生能力分析的研究中，劉立（2015）分析了企業(yè)對于不同級別電子商務(wù)從業(yè)人員專業(yè)能力的需求，剖析了各種能力的重要性，有針對性地提出了高職高專院校培養(yǎng)電子商務(wù)人才需要關(guān)注的學(xué)生能力；賈志林（2008）論證了當(dāng)前電子商務(wù)專業(yè)人才培養(yǎng)定位和電子商務(wù)崗位細(xì)分，提出了建設(shè)性意見；施民憲等（2008）將國家職業(yè)標(biāo)準(zhǔn)與市場現(xiàn)時崗位需求相結(jié)合，對電子商務(wù)專業(yè)人員的職業(yè)能力進(jìn)行了分析，為構(gòu)建人才培養(yǎng)方案提供了依據(jù)。分析文獻(xiàn)中對電子商務(wù)崗位技能和學(xué)生能力需求分析的結(jié)果，并結(jié)合“三位一體”在線教育平臺的特征，本研究構(gòu)建了如表1所示的電子商務(wù)專業(yè)學(xué)生能力體系。

通過進(jìn)一步分析該在線教育平臺微店分銷系統(tǒng)的運(yùn)營數(shù)據(jù)，并參考淘寶網(wǎng)等C2C交易平臺中對店鋪績效的評價指標(biāo)，本研究構(gòu)建了針對“三位一體”在線教育平臺學(xué)生實(shí)踐績效評估的相關(guān)指標(biāo)（如表2所示）。

三、基于QFD模型的學(xué)生能力評估

在構(gòu)建了電子商務(wù)專業(yè)學(xué)生能力體系后，需要根據(jù)學(xué)生在微店平臺的經(jīng)營績效對其所具備的能力進(jìn)行評估。在此之前，首先需要確定可以體現(xiàn)學(xué)生能力的微店績效指標(biāo)及兩者之間的相關(guān)關(guān)系。從現(xiàn)有C2C電商平臺中反映店鋪績效的指標(biāo)來看，指標(biāo)之間通常不是完全獨(dú)立的，因此需要考慮績效指標(biāo)間的相關(guān)性。在上述關(guān)系的基礎(chǔ)上，確定不同指標(biāo)對學(xué)生能力評估的重要度，并根據(jù)每個學(xué)生經(jīng)營的微店與各指標(biāo)相應(yīng)的實(shí)際值，計算得到學(xué)生能力評估值。這一過程恰好與質(zhì)量功能展開（QFD）的實(shí)現(xiàn)過程相類似，因此，本研究選擇該模型進(jìn)行學(xué)生能力的評估。

（一）模型介紹

質(zhì)量功能展開（QFD），作為一種由顧客需求驅(qū)動的產(chǎn)品或服務(wù)的設(shè)計方法，產(chǎn)生于20世紀(jì)60年代末的日本。QFD的核心理念是在新產(chǎn)品開發(fā)時，將顧客對于產(chǎn)品或服務(wù)定性的質(zhì)量需求轉(zhuǎn)換并關(guān)聯(lián)展開到產(chǎn)品或服務(wù)的各個功能部件定量的質(zhì)量要求上去，使得產(chǎn)品或服務(wù)在開發(fā)前就完成質(zhì)量保證，滿足顧客需求，在市場上獲得競爭優(yōu)勢，是一種系統(tǒng)化的技術(shù)管理方法（Akao， 1972； Akao & Mazur， 2003）。QFD的核心是需求轉(zhuǎn)換，質(zhì)量屋（House of Quality，HoQ）是實(shí)現(xiàn)這種需求轉(zhuǎn)換的工具，是一種直觀的矩陣框架表達(dá)形式，是QFD方法的精髓（Chan & Wu， 2002a， 2002b， 2005）。在本研究中，根據(jù)需要解決的實(shí)際問題，對原始QFD模型進(jìn)行調(diào)整，分別用學(xué)生能力和微店績效指標(biāo)代替質(zhì)量屋中的顧客需求和工程特性，將微店經(jīng)營績效轉(zhuǎn)化為學(xué)生能力水平。這一過程與傳統(tǒng)QFD中對現(xiàn)有（改進(jìn)前）產(chǎn)品進(jìn)行顧客滿意度評估類似。調(diào)整后的QFD模型如圖1所示。

其中，CRi代表電子商務(wù)專業(yè)人員需具備的各項能力，W表示各能力對學(xué)生綜合能力評價的相對重要度，第i個能力的重要度記為wi，若不考慮該權(quán)重，則可以得到單個能力的評估值；ECj代表學(xué)生微店運(yùn)營績效指標(biāo)，第j個指標(biāo)標(biāo)準(zhǔn)化后的實(shí)際數(shù)值記為xj；R代表學(xué)生能力與績效指標(biāo)之間的相關(guān)關(guān)系矩陣，矩陣中元素rij表示第i個CR與第j個EC之間的相關(guān)程度；P表示績效指標(biāo)自相關(guān)矩陣，其中的元素表示第k個EC與第j個EC之間的關(guān)聯(lián)程度；H表示同時考慮“能力—指標(biāo)”相關(guān)關(guān)系和指標(biāo)間自相關(guān)關(guān)系后各績效指標(biāo)對學(xué)生能力評估的相對重要度，第j個指標(biāo)對第i個能力評估的相對重要度記為；Ci為模型的輸出值，即學(xué)生各能力的評估值。

（二）數(shù)據(jù)收集

模型構(gòu)建完成后，就可以利用QFD的相關(guān)原理進(jìn)行學(xué)生能力評估了。在計算之前，首先要進(jìn)行數(shù)據(jù)的收集，主要分為兩個部分：其一是確定模型中兩個相關(guān)關(guān)系矩陣的數(shù)值，其二是統(tǒng)計學(xué)生微店運(yùn)營績效指標(biāo)數(shù)據(jù)。

在相關(guān)關(guān)系的數(shù)據(jù)收集中，參考傳統(tǒng)QFD中相關(guān)關(guān)系確定方法，選擇專家調(diào)查法進(jìn)行關(guān)系矩陣數(shù)值的確定。由于專家調(diào)查法所得結(jié)果具有較大的主觀性，為了增加結(jié)果的可信度，本研究選擇了來自不同部門的電子商務(wù)相關(guān)專家進(jìn)行相關(guān)關(guān)系評分。參與調(diào)查的專家共10人，其中4人為高校電子商務(wù)專業(yè)教師，3人為電子商務(wù)企業(yè)管理人員， 另外3人為淘寶網(wǎng)皇冠店主。上述專家根據(jù)在QFD中被廣泛應(yīng)用的一種四級量表對相關(guān)關(guān)系進(jìn)行打分，該量表的數(shù)值分布為9，3，1，0，依次代表相關(guān)程度由強(qiáng)到弱（Chan & Wu， 2002）。在得到10位專家對“能力—指標(biāo)”相關(guān)關(guān)系和指標(biāo)間自相關(guān)關(guān)系的打分結(jié)果后，計算出平均值作為最終確定的相關(guān)關(guān)系數(shù)值。

在微店績效指標(biāo)的數(shù)據(jù)收集方面，本研究獲取了中高職在線教育平臺分銷系統(tǒng)試運(yùn)行期間，從2016年1月1日至2016年6月31日六個月的學(xué)生店鋪經(jīng)營數(shù)據(jù)。這些經(jīng)營數(shù)據(jù)按照一定規(guī)則可以計算得出相應(yīng)績效指標(biāo)數(shù)值，具體的指標(biāo)計算方式及原始數(shù)據(jù)結(jié)構(gòu)如表2所示。

（三）電子商務(wù)專業(yè)學(xué)生能力評估

在收集到數(shù)據(jù)之后，根據(jù)各學(xué)生微店績效指標(biāo)值和相關(guān)關(guān)系矩陣可以對學(xué)生能力進(jìn)行評估，評估過程如下：

第一，數(shù)據(jù)的標(biāo)準(zhǔn)化處理。由于收集的微店績效指標(biāo)數(shù)據(jù)反映了微店運(yùn)營各方面的績效，具有不同的量綱和數(shù)量級，直接計算會導(dǎo)致結(jié)果出現(xiàn)較大的誤差，因此，在計算之前需要先對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。假設(shè)學(xué)生第j個績效指標(biāo)的原始數(shù)據(jù)為lj，則經(jīng)過無量綱化處理后的指標(biāo)值為

式中，表示第j個績效指標(biāo)標(biāo)準(zhǔn)化后的數(shù)值；為第j個指標(biāo)原始數(shù)據(jù)中的最大值；表示第j個指標(biāo)原始數(shù)據(jù)中的最小值。對于效益型（數(shù)值越大則表明能力越強(qiáng)）指標(biāo)，選擇（1-2）式進(jìn)行處理；對于成本型（數(shù)值越大則表明能力越弱）指標(biāo)，選擇（1-1）式進(jìn)行計算。經(jīng)過處理之后，可以排除量綱不同對計算結(jié)果產(chǎn)生的影響。

第二，計算績效指標(biāo)對能力評估的相對重要度。如上所述，微店績效指標(biāo)代表其運(yùn)營中各方面的表現(xiàn)，反映的是學(xué)生多方面的能力，且不同指標(biāo)對學(xué)生能力的反映程度不同，因此，確定績效指標(biāo)對能力評估的重要度十分必要。在收集到專家調(diào)查數(shù)據(jù)，并構(gòu)成指標(biāo)與能力的相關(guān)關(guān)系矩陣以及指標(biāo)間自相關(guān)矩陣之后，可根據(jù)如下公式計算出各績效指標(biāo)對學(xué)生能力評估的絕對重要度。

其中，代表第j個指標(biāo)對第i個能力評估的絕對重要度，由此可進(jìn)一步根據(jù)公式

計算出各指標(biāo)的相對重要度。

第三，學(xué)生能力評估。在得到無量綱化處理的指標(biāo)數(shù)據(jù)和各指標(biāo)的相對重要度后，即可確定該學(xué)生各能力評估結(jié)果，計算公式如下：

其中，和分別由等式（3）和等式（1）計算得到。標(biāo)準(zhǔn)化后指標(biāo)數(shù)值以及相對重要度的取值范圍均為[0-1]，為了便于分析，將所得結(jié)果轉(zhuǎn)化為百分制。

通過構(gòu)建電子商務(wù)專業(yè)學(xué)生能力評價QFD模型，可以根據(jù)學(xué)生在在線教育平臺分銷系統(tǒng)中開設(shè)微店的經(jīng)營績效，將學(xué)生的能力水平進(jìn)行量化，從定量的角度對學(xué)生能力進(jìn)行評估，從而較為直觀地了解學(xué)生的能力狀況，也為進(jìn)一步對學(xué)生能力差異進(jìn)行分析奠定基礎(chǔ)。

四、基于雙向聚類方法的學(xué)生能力差異分析

通過構(gòu)建基于QFD原理的學(xué)生能力評估模型，運(yùn)用定量分析的方法得到了學(xué)生能力評估值。這樣的結(jié)果雖然可以在一定程度上反映學(xué)生個體的能力優(yōu)勢，并觀察到不同學(xué)生能力圈的差異，但對于教學(xué)方來說，深入探索其形成原因，為之后的教學(xué)工作提供參考則更為必要。為實(shí)現(xiàn)這一目的，首先需要了解學(xué)生能力分布的群體特征。提取群體特征較常用的一種方法是聚類分析。本研究引入一種在處理高維數(shù)據(jù)時比傳統(tǒng)聚類更為準(zhǔn)確的雙向聚類方法，對量化后的學(xué)生能力水平進(jìn)行劃分，以識別擁有不同能力圈的學(xué)生群體，為進(jìn)一步分析其形成原因奠定基礎(chǔ)。

（一）原理介紹

雙向聚類，相對于傳統(tǒng)的單維聚類來說，是一種可以同時從數(shù)據(jù)矩陣的行和列兩個維度進(jìn)行聚類的方法。該方法最早出現(xiàn)在對基因表達(dá)數(shù)據(jù)進(jìn)行分析的研究中，以解決傳統(tǒng)聚類在處理高維數(shù)據(jù)時出現(xiàn)的精確性較低以及結(jié)果彌散等問題，得到只在部分實(shí)驗條件下有相似表達(dá)水平的基因集（Hartigan， 1972）。目前，這仍然是雙向聚類技術(shù)的主要應(yīng)用領(lǐng)域。就在線教育平臺而言，隨著其推廣范圍的擴(kuò)大，擁有的用戶數(shù)據(jù)會急劇增長，從而形成龐大的學(xué)生數(shù)據(jù)庫。在此情況下，一個合適的數(shù)據(jù)分析方法可以更有效地挖掘出隱藏在數(shù)據(jù)中的信息，為教學(xué)工作提供借鑒。

本研究從學(xué)生能力分析的角度出發(fā)，力求識別出在某些能力上有較好表現(xiàn)（能力評估值較高）的學(xué)生群體，這意味著需要得到“聚大”型的聚類結(jié)果。在雙向聚類的算法中，BCBimax是一種特殊的“聚大”型聚類算法，它可以在一個“0-1”型數(shù)據(jù)矩陣中，搜索到數(shù)據(jù)空間盡可能大且元素值全為“1”的子矩陣，這樣的子矩陣即為識別出的雙聚類（Dolnicar， Kaiser， Lazarevski， & Leisch， 2012）。因此，本研究利用BCBimax算法的這一原理，對學(xué)生的能力評估結(jié)果進(jìn)行聚類。

（二）基于雙向聚類的學(xué)生能力分析

在確定了學(xué)生能力分布特征提取的方法之后，根據(jù)QFD模型輸出的能力評估值進(jìn)行學(xué)生及其對應(yīng)能力圈的聚類。

1. 數(shù)據(jù)收集與處理

將之前所得學(xué)生能力評估結(jié)果進(jìn)行轉(zhuǎn)換后可得到維度為268612的數(shù)據(jù)矩陣。其中，行代表學(xué)生，列代表電子商務(wù)專業(yè)學(xué)生應(yīng)具備的能力。由于在進(jìn)行能力評估時，得到的評估值為0-100之間的數(shù)值，而BCBimax算法處理的是“0-1”型數(shù)據(jù)，因此在進(jìn)行雙向聚類之前需要先對數(shù)據(jù)進(jìn)行二值化處理，以一定的閾值為標(biāo)準(zhǔn)，將其轉(zhuǎn)化為二進(jìn)制數(shù)據(jù)。為了使聚類結(jié)果能夠代表在不同能力上有突出優(yōu)勢的學(xué)生群體，在此將該閾值設(shè)置為“85”。

2. 基于BCBimax算法的學(xué)生能力聚類結(jié)果

經(jīng)過處理之后，得到268612的二進(jìn)制矩陣，通過對該數(shù)據(jù)矩陣運(yùn)行BCBimax算法，可以得到學(xué)生能力圈的聚類結(jié)果。數(shù)據(jù)計算過程在R 3.2.4中完成，計算得到的雙聚類結(jié)果如圖2所示。

圖2中，每一列代表擁有某些能力優(yōu)勢的學(xué)生類群，每一行代表一種能力。其間的黑色方塊表示一種類別的學(xué)生在相應(yīng)能力上較其他學(xué)生有更明顯的優(yōu)勢。從中可以比較直觀地看出學(xué)生的能力分布情況，進(jìn)一步可以觀察到不同學(xué)生類群具有的能力優(yōu)勢存在比較明顯的差異。如第二類學(xué)生普遍在“人際交往與溝通能力”“語言表達(dá)能力”和“客戶關(guān)系管理能力”上有較明顯的優(yōu)勢。其中“人際交往與溝通能力”和“語言表達(dá)能力”是這一類學(xué)生區(qū)別于其他類群的獨(dú)特優(yōu)勢，圖中表現(xiàn)為色塊中間的小方塊顏色較深；對比可知，“客戶關(guān)系管理能力”對應(yīng)的小方塊顏色較淺，表示該能力在不同類群間的區(qū)分度較低。觀察結(jié)果發(fā)現(xiàn)，第一、四類學(xué)生同樣在該能力上具有優(yōu)勢。以此類推，可以分析其他類別學(xué)生的能力分布差異。為了更詳細(xì)地觀察各類別學(xué)生的能力分布情況，將雙聚類結(jié)果整理、歸納得到表3所示的結(jié)果。

表3中，第二列為雙聚類得到的學(xué)生類別；第三列為每一類別中的學(xué)生數(shù)量以及與之對應(yīng)的優(yōu)勢能力數(shù)量；第四列顯示出與每類學(xué)生相匹配的優(yōu)勢能力。對于第一類學(xué)生，他們普遍在“網(wǎng)頁制作”和“美工設(shè)計”上有明顯優(yōu)勢。結(jié)合前文可知，這兩個能力需要學(xué)生掌握網(wǎng)頁制作相關(guān)的編程方法和圖形圖像處理技術(shù)等知識，具有較強(qiáng)的操作性，因此將在這兩個能力方面表現(xiàn)出色的學(xué)生歸納為“技術(shù)型”人才。對于第二類和第五類學(xué)生，他們同樣具有較好的“客戶關(guān)系管理能力”，但從其他能力的差異可以初步推斷，第二類學(xué)生在“客戶關(guān)系管理能力”方面更傾向于和顧客間的溝通，如及時有效地對顧客的咨詢進(jìn)行回復(fù)、與顧客進(jìn)行互動以達(dá)到維持顧客關(guān)系的目的等，因此將這一類學(xué)生歸納為“交際型”人才；而第五類學(xué)生的優(yōu)勢則不然，他們沒有顯示出杰出的人際交往能力，卻在市場分析與定位方面有所建樹。但對比第六類同樣具有較強(qiáng)“市場分析與定位能力”的學(xué)生可以看出，第五類學(xué)生在數(shù)據(jù)分析方面并沒有特長，由此推斷，他們的優(yōu)勢更偏重于對市場信息和顧客信息的收集方面，他們往往可以通過各種途徑捕捉到競爭對手或顧客的信息，可視為“情報型”人才。第六類學(xué)生更側(cè)重于根據(jù)已掌握的數(shù)據(jù)或所處環(huán)境進(jìn)行分析，具有較強(qiáng)的邏輯性，因此為“分析型”人才。相對而言，第七類學(xué)生在數(shù)據(jù)收集和分析的整個過程中表現(xiàn)出較為全面的能力，因此可以被稱為“數(shù)據(jù)全能型”人才，從表中可以看出這一類學(xué)生在學(xué)生整體中分布最少。第三類學(xué)生在推廣和促銷這兩個需要進(jìn)行周密策劃的能力上表現(xiàn)杰出，因此將其歸納為“策劃型”人才。第四類學(xué)生在采購和物流管理方面具有優(yōu)勢，這兩個環(huán)節(jié)都需要較強(qiáng)的計劃和行動能力，因此可以定義為“計劃控制型”人才。

通過以上分析，可以得到學(xué)生能力分布的具體情況。為了進(jìn)一步分析學(xué)生能力掌握程度的群體特征，繪制如圖3所示的條形圖。

圖3中七個方格分別表示7個學(xué)生群，以字母“A”“B”“C”“D”“E”“F”和“G”為標(biāo)記。方格中的條形代表每個學(xué)生群具備的優(yōu)勢能力，觀察其長短可以看出相應(yīng)能力在該學(xué)生群中的平均水平，條形越長表明平均水平越高。與知識的融會貫通類似，能力之間也存在相互作用的現(xiàn)象。對比“A”“B”和“D”三類可以看出，這三個類別中的學(xué)生都具有較強(qiáng)的客戶關(guān)系管理能力，但其掌握程度并不相同?！敖浑H型”（B類）學(xué)生在該能力上的平均水平相較其他兩類最低，而“情報型”（D類）學(xué)生最高。由此可以大致推斷出人際交往和語言表達(dá)能力對于客戶關(guān)系管理的促進(jìn)作用并不十分顯著。而“情報型”學(xué)生相較“數(shù)據(jù)全能型”（A類）學(xué)生而言，有更高的市場分析與定位能力，因此可以看出該能力與客戶關(guān)系管理能力之間的相關(guān)程度更大。出現(xiàn)這種結(jié)果的原因可能是，在市場分析與定位時，需要進(jìn)行充分的市場調(diào)研，了解并理解顧客的需求，而客戶關(guān)系管理中一個關(guān)鍵環(huán)節(jié)就是獲取不同顧客的需求特征，二者的內(nèi)容存在一定的重疊，因此表現(xiàn)出較強(qiáng)的相關(guān)性。同理，對比“A”“C”和“D”三類可以看出，這三類學(xué)生都擁有市場分析與定位能力方面的優(yōu)勢，但“分析型”（C類）學(xué)生的優(yōu)勢更為明顯。觀察三類學(xué)生在其他能力方面的掌握情況可以看出，相對于風(fēng)險評估與控制和客戶關(guān)系管理能力，數(shù)據(jù)分析能力對市場分析與定位的促進(jìn)作用更為明顯。這一結(jié)果可能是由于數(shù)據(jù)分析能力可以更好地幫助學(xué)生理解市場調(diào)查所得數(shù)據(jù)，從而更準(zhǔn)確地對市場和產(chǎn)品進(jìn)行定位。

根據(jù)雙向聚類的分群結(jié)果，學(xué)生可以隨時了解自己的能力掌握情況，在之后進(jìn)行有針對性的學(xué)習(xí)；教學(xué)方可以更清晰地了解學(xué)生的能力分布特征，在下一階段的教學(xué)中針對不同能力特征學(xué)生實(shí)施個性化的教學(xué)，同時幫助具有不同能力優(yōu)勢的學(xué)生進(jìn)行差異化的職業(yè)生涯發(fā)展規(guī)劃 。

五、學(xué)生能力差異與理論學(xué)習(xí)的相關(guān)分析

對中高職電子商務(wù)專業(yè)“三位一體”在線教育平臺中的學(xué)生能力進(jìn)行雙向聚類分析的最終目的是觀察與學(xué)生能力差異相關(guān)的在線教育平臺課程學(xué)習(xí)行為，以此探究對學(xué)生能力有影響的理論學(xué)習(xí)因素。然而個體的學(xué)習(xí)行為對能力掌握水平的影響具有較大的偶然性，因此需要通過群體普遍呈現(xiàn)的特征，來推斷學(xué)生能力與在線教育理論學(xué)習(xí)之間的關(guān)系。通過雙向聚類技術(shù)得到了學(xué)生能力分布情況，識別出不同能力圈的學(xué)生群，并通過對比不同群體之間的能力差異，初步分析了學(xué)生各能力之間的關(guān)系。以此為基礎(chǔ)，聯(lián)系在線教育平臺學(xué)生專業(yè)課程學(xué)習(xí)數(shù)據(jù)，從理論學(xué)習(xí)的角度進(jìn)一步分析形成學(xué)生能力分布差異的原因。

（一）學(xué)生理論課程學(xué)習(xí)整體情況

在平臺試運(yùn)行的六個月期間，共有2，868名電子商務(wù)專業(yè)學(xué)生通過該平臺進(jìn)行實(shí)踐和理論課程的學(xué)習(xí)，參與學(xué)習(xí)的課程共22門，平臺系統(tǒng)記錄了這些學(xué)生22門課程的理論學(xué)習(xí)得分情況，總體得分分布如圖4所示，詳細(xì)分值如表4所示。

結(jié)合圖4和表4可以看出，學(xué)生理論課程學(xué)習(xí)的平均成績從總體來看分布比較均勻。但“HTML語言與網(wǎng)頁制作”和“Java程序設(shè)計”平均成績較低，均在60分以下；“人際交往與溝通”“計算機(jī)多媒體應(yīng)用”和“銷售心理基礎(chǔ)”三科成績偏高。原因可能在于編程語言的課程內(nèi)容專業(yè)性較強(qiáng)，對于中高職電子商務(wù)專業(yè)的學(xué)生而言較難掌握；而后三門課程的內(nèi)容呈現(xiàn)出較大的適用性且趣味性較強(qiáng)，比較容易理解和掌握。

得到在線教育平臺學(xué)生學(xué)習(xí)成績的整體分布后，接下來將根據(jù)上述的雙向聚類結(jié)果具體分析每一類別學(xué)生理論課程學(xué)習(xí)情況，并與整體情況進(jìn)行對比，以發(fā)現(xiàn)學(xué)生專業(yè)能力和在線學(xué)習(xí)兩者間的相關(guān)性。

（二）基于聚類結(jié)果的學(xué)生理論課程學(xué)習(xí)情況

對各學(xué)生群在線教育理論課程的學(xué)習(xí)情況進(jìn)行統(tǒng)計，將各群體學(xué)生平均成績與整體成績進(jìn)行比較，觀察擁有不同能力圈的學(xué)生在理論課程方面較其他同學(xué)呈現(xiàn)出怎樣的特征，以此分析學(xué)生能力與課程學(xué)習(xí)是否存具有潛在的聯(lián)系。統(tǒng)計結(jié)果如圖5所示。

從圖5可以明顯看出，不同能力優(yōu)勢的學(xué)生在理論課程表現(xiàn)上有明顯的偏向性。如圖5（b）所示，“技術(shù)型”學(xué)生所學(xué)理論課程中，有四門課程的成績較其他同學(xué)有明顯的優(yōu)勢，分別為“商務(wù)網(wǎng)頁設(shè)計”“HTML語言與網(wǎng)頁制作”“Java程序設(shè)計”和“計算機(jī)多媒體應(yīng)用”，而這一類學(xué)生具有較強(qiáng)的網(wǎng)頁制作能力和美工設(shè)計能力。從課程內(nèi)容上來看，這四門課程涉及電子商務(wù)網(wǎng)頁的設(shè)計和制作方法以及多媒體軟件的應(yīng)用，這些內(nèi)容在一定程度上可以幫助學(xué)生掌握技術(shù)并對自己的微店網(wǎng)頁和其中的多媒體文件（圖片、視頻、音頻等）進(jìn)行制作，從而有效提高微店網(wǎng)頁的美觀性和便捷性，一方面增加顧客在微店中的瀏覽時間，增加交易機(jī)會，另一方面幫助顧客更快捷地找到自己需要的商品，從而提高微店運(yùn)營的績效。這些績效指標(biāo)數(shù)據(jù)的變化反映了學(xué)生能力的提升。在七個學(xué)生群體中，“情報型”學(xué)生的理論學(xué)習(xí)情況明顯區(qū)別于其他群體，表現(xiàn)在其平均成績相較其他學(xué)生并無明顯優(yōu)勢。原因可能在于學(xué)生對競爭對手或顧客信息的搜集能力并不能在短時間內(nèi)通過理論課程的學(xué)習(xí)有明顯提高，在情報搜集方面有優(yōu)勢的學(xué)生可能擁有其熟悉的渠道或敏銳的洞察力可以獲得對微店經(jīng)營有利的信息，這種能力并非是由理論課程的學(xué)習(xí)獲得。可以對其他群體學(xué)生的學(xué)習(xí)數(shù)據(jù)做類似分析，將不同能力圈學(xué)生的優(yōu)勢課程進(jìn)行整理后得到如表5所示的結(jié)果。

從表5可以看出，具有差異化能力圈的學(xué)生在理 論課程學(xué)習(xí)方面也呈現(xiàn)出比較明顯的群體特征。這樣的特征從一定程度上可以表明，電子商務(wù)專業(yè)學(xué)生能力與其在線教育理論學(xué)習(xí)成果之間存在相關(guān)性，即在某些能力上有明顯優(yōu)勢的學(xué)生普遍在相應(yīng)理論課程上有較好的表現(xiàn)。根據(jù)這樣的結(jié)果，可以向存在能力弱項的學(xué)生推薦學(xué)習(xí)相應(yīng)課程，為之后在實(shí)踐中有更好的表現(xiàn)奠定理論基礎(chǔ)，從而實(shí)現(xiàn)實(shí)踐檢驗理論、理論指導(dǎo)實(shí)踐的持續(xù)學(xué)習(xí)，并在這一循環(huán)過程中促使學(xué)生不斷補(bǔ)充理論知識，不斷在實(shí)踐中應(yīng)用，使能力得到提升

六、總結(jié)

本研究以一個中高職電子商務(wù)專業(yè)“三位一體”在線教育平臺為例，對電子商務(wù)專業(yè)學(xué)生能力進(jìn)行分析。與現(xiàn)有研究相比，本研究所做的工作主要體現(xiàn)在以下幾個方面：①現(xiàn)有的電子商務(wù)專業(yè)學(xué)生能力分析大多以理論分析的方法探究電子商務(wù)崗位需要學(xué)生具備的崗位技能和人才培養(yǎng)模式，而本研究從定量分析的角度出發(fā)，對學(xué)生能力進(jìn)行數(shù)值化分析，得到了更加客觀的結(jié)果；②對普遍應(yīng)用于質(zhì)量管理的QFD模型進(jìn)行轉(zhuǎn)化，結(jié)合研究內(nèi)容，構(gòu)建了基于QFD的電子商務(wù)專業(yè)學(xué)生能力評估模型，得到學(xué)生能力評估的具體數(shù)值；③將一種大量用于基因表達(dá)數(shù)據(jù)分析的雙向聚類技術(shù)引入學(xué)生能力評估數(shù)據(jù)的聚類中，得到具有不同能力圈的學(xué)生群；④以雙向聚類結(jié)果為基礎(chǔ)，進(jìn)一步從理論學(xué)習(xí)的角度出發(fā)，識別具有差異化能力圈的學(xué)生群體特征，探究學(xué)生能力與理論學(xué)習(xí)表現(xiàn)之間的內(nèi)在聯(lián)系，為教學(xué)方了解學(xué)生能力分布特征，指導(dǎo)學(xué)生進(jìn)行深入學(xué)習(xí)和職業(yè)生涯發(fā)展規(guī)劃提供依據(jù)。

本研究結(jié)果表明，“三位一體”在線教育平臺可以實(shí)現(xiàn)：① 為學(xué)生提供理論與實(shí)踐的雙重培養(yǎng)平臺，促進(jìn)學(xué)生的均衡可持續(xù)發(fā)展。學(xué)生一方面通過微商平臺開展具有鮮明時代特征的新電子商務(wù)學(xué)習(xí)與實(shí)踐，培養(yǎng)其電子商務(wù)實(shí)踐能力；另一方面通過在線教育平臺進(jìn)行理論知識的學(xué)習(xí)和補(bǔ)充，為其在電子商務(wù)平臺的實(shí)踐打下知識基礎(chǔ)。通過教育平臺和微商平臺的循環(huán)學(xué)習(xí)，不斷提高自身能力。學(xué)生還可以隨時了解自己的學(xué)習(xí)情況，發(fā)現(xiàn)自己的能力瓶頸進(jìn)行重點(diǎn)攻破，同時通過數(shù)據(jù)挖掘結(jié)果進(jìn)行自身水平的定位，取長補(bǔ)短，實(shí)現(xiàn)持續(xù)發(fā)展。②為教師提供智能便捷的授課和學(xué)生管理渠道。教師通過在線教育平臺，發(fā)布學(xué)習(xí)資源和批改學(xué)生作業(yè)。同時了解授課班級的學(xué)生學(xué)習(xí)數(shù)據(jù)報告，通過這些報告的分析結(jié)果，清楚了解任教班級學(xué)生理論學(xué)習(xí)情況以及實(shí)踐情況。以此為依據(jù)，為學(xué)生提供有針對性的、個性化授課或指導(dǎo)，實(shí)現(xiàn)智能、便捷的授課與學(xué)生管理。③識別擁有不同能力圈的學(xué)生群體，指導(dǎo)學(xué)生進(jìn)行個性化職業(yè)生涯發(fā)展規(guī)劃。以微商平臺學(xué)生績效數(shù)據(jù)為基礎(chǔ)，通過雙向聚類技術(shù)，識別在不同能力組合上有明顯優(yōu)勢的學(xué)生群體。針對擁有不同能力圈的學(xué)生群體，進(jìn)行差異化職業(yè)生涯發(fā)展規(guī)劃指導(dǎo)。同時可以根據(jù)不同群體學(xué)生能力優(yōu)勢情況，為他們推薦與自身能力相匹配的崗位。

然而，本研究仍存在許多不足之處。第一，對學(xué)生能力差異的影響因素僅從理論課程學(xué)習(xí)成績的角度進(jìn)行了統(tǒng)計分析，雖然在一定程度上表明了兩者之間存在內(nèi)在聯(lián)系，但不足以說明理論課程的學(xué)習(xí)是導(dǎo)致學(xué)生能力呈現(xiàn)差異化分布的原因，在之后的研究中可以從多方面的學(xué)生學(xué)習(xí)行為數(shù)據(jù)出發(fā)，采用回歸分析、關(guān)聯(lián)規(guī)則挖掘等多種方法，更全面地探究學(xué)生能力分布的影響因素。第二，在對雙向聚類所需的能力評估數(shù)據(jù)進(jìn)行二值化處理時，會造成信息的缺失，今后的研究可以尋找更合適的算法或?qū)ΜF(xiàn)有算法進(jìn)行改進(jìn)，避免數(shù)據(jù)處理過程中的信息缺失。

[參考文獻(xiàn)]

賈志林. 2008. 淺析高職電子商務(wù)專業(yè)人才培養(yǎng)目標(biāo)定位及崗位細(xì)分[J]. 中國市場（28）：154-155.

劉立. 2015. 企業(yè)對于大學(xué)電子商務(wù)專業(yè)能力需求分析[J]. 當(dāng)代經(jīng)濟(jì)（19）：102-103.

施民憲，謝菁. 2008. 與國家職業(yè)標(biāo)準(zhǔn)相銜接的電子商務(wù)職業(yè)能力調(diào)查分析[J]. 中國職業(yè)技術(shù)教育21（36）：28-30，32.

舒忠梅，徐曉東，屈瓊斐. 2015. 基于數(shù)據(jù)挖掘的學(xué)生投入模型與學(xué)習(xí)分析[J]. 遠(yuǎn)程教育雜志33（1）：39-47.

孫力，程玉霞. 2015. 大數(shù)據(jù)時代網(wǎng)絡(luò)教育學(xué)習(xí)成績預(yù)測的研究與實(shí)現(xiàn)——以本科公共課程統(tǒng)考英語為例[J]. 開放教育研究21（3）：74-80.

田娜，陳明選. 2014. 網(wǎng)絡(luò)教學(xué)平臺學(xué)生學(xué)習(xí)行為聚類分析[J]. 中國遠(yuǎn)程教育（11）：38-41.

吳林靜，劉清堂，黃煥，劉嫚，黃景修. 2014. 面向e-Learning的教育資源聚類系統(tǒng)的設(shè)計與實(shí)現(xiàn)[J]. 中國電化教育（10）：85-89，95.

Aher， S.B.， & Lobo， L.M.R.J. （2013）. Combination of machine learning algorithms for recommendation of courses in e-learning system based on historical data. Knowledge-Based Systems， 51（10）： 1-14.

Akao， Y. （1972）. New product development and quality assurance-quality deployment system. Standardization and Quality Control， 25（4）： 7-14.

Akao， Y.， & Mazur， G.H. （2003）. The leading edge in QFD： past， present and future. International Journal of Quality & Reliability Management， 20（1）： 20-35.

Chan， L.K.， & Wu， M.L. （2002a）. Quality function deployment： a comprehensive review of its concepts and methods. Quality Engineering， 15（1）： 23-35.

Chan， L.K.， & Wu， M.L. （2002b）. Quality function deployment： a literature review. European Journal of Operational Research， 143（3）： 463-497.

Chan， L.K.， & Wu， M.L. （2005）. A systematic approach to quality function deployment with a full illustrative example. Omega， 33（2）： 119-139.

Dolnicar， S.， Kaiser， S.， Lazarevski， K.， & Leisch， F. （2012）. Biclustering overcoming data dimensionality problems in market segmentation. Journal of Travel Research， 51（1）： 41-49.

Hartigan， J.A. （1972）. Direct clustering of a data matrix. Journal of the American Statistical Association， 67（337）： 123-129.

Radaideh， Q.A.， Shawakfa， E.M.， & Najjar， M.I. （2006）. Mining student data using decision trees. In： International Arab Conference on Information Technology（ACIT2006）， Jordan.

Romero， C.， Lopez， M.I.， Luna， J.M.， & Ventura， S. （2013）. Predicting students final performance from participation in on-line discussion forums. Computers & Education， 68（6）： 458-472.

Hijazi， S.T.， & Naqvi， S.M.M.R. （2006）. Factors affecting students performance： a case of private colleges. Bangladesh e-Journal of Sociology， 3（1）： 90-100.