基于離群數(shù)據(jù)挖掘技術(shù)的高校學(xué)生學(xué)業(yè)預(yù)警研究

田文祥

(合肥工業(yè)大學(xué) 管理學(xué)院，合肥 230009)

0 引言

學(xué)業(yè)預(yù)警通常是指學(xué)校通過(guò)學(xué)生在學(xué)習(xí)進(jìn)度推進(jìn)的不同階段，密切關(guān)注學(xué)生學(xué)習(xí)進(jìn)展，對(duì)學(xué)習(xí)效果不理想達(dá)到一定程度的學(xué)生采取提醒、教育等預(yù)先警示方式并責(zé)令改正，幫助學(xué)生順利完成學(xué)業(yè)的一種教育和干預(yù)手段[1]。高校學(xué)業(yè)預(yù)警中學(xué)生學(xué)分?jǐn)?shù)的取得通常是學(xué)生畢業(yè)資格中最基本的要素之一，學(xué)分?jǐn)?shù)或課程數(shù)是高校學(xué)業(yè)預(yù)警機(jī)制中最常見(jiàn)的量化指標(biāo)，同時(shí)學(xué)業(yè)績(jī)點(diǎn)或平均學(xué)分績(jī)點(diǎn)(GPA)也是衡量學(xué)生學(xué)習(xí)質(zhì)量的常見(jiàn)指標(biāo)，也是學(xué)業(yè)預(yù)警中常用的篩查指標(biāo)。對(duì)在校學(xué)生進(jìn)行學(xué)業(yè)預(yù)警篩查時(shí)，一般會(huì)根據(jù)學(xué)生學(xué)業(yè)問(wèn)題的嚴(yán)重程度設(shè)置幾個(gè)不同的預(yù)警等級(jí)，如模仿氣象預(yù)警等級(jí)的黃色預(yù)警(較嚴(yán)重)、橙色預(yù)警(嚴(yán)重)、紅色預(yù)警(非常嚴(yán)重)。借助于數(shù)據(jù)挖掘技術(shù)對(duì)高校學(xué)生學(xué)業(yè)數(shù)據(jù)進(jìn)行處理，從大量的數(shù)據(jù)中發(fā)現(xiàn)潛在育人價(jià)值體系[2]。離群數(shù)據(jù)[3]具有空間稀疏性、小樣本、屬性點(diǎn)異常現(xiàn)象等顯著特點(diǎn)，與高校學(xué)生學(xué)業(yè)預(yù)警管理體系[4]狀態(tài)分布特點(diǎn)接近，基于統(tǒng)計(jì)學(xué)的方法和已獲得數(shù)據(jù)，選擇采用離群數(shù)據(jù)挖掘技術(shù)作為技術(shù)手段。

1 數(shù)據(jù)分析

1.1 數(shù)據(jù)來(lái)源及方法選擇

以合肥工業(yè)大學(xué)管理學(xué)院會(huì)計(jì)學(xué)專業(yè)學(xué)生學(xué)年度文化課成績(jī)?yōu)闃颖?，運(yùn)用離群數(shù)據(jù)挖掘技術(shù)[5]進(jìn)行處理，通過(guò)分析相關(guān)指標(biāo)，對(duì)數(shù)據(jù)進(jìn)行以下定義與處理：得分90分以上的科目所獲成績(jī)劃分為一類成績(jī)，并通過(guò)SQL語(yǔ)言、數(shù)據(jù)庫(kù)系統(tǒng)進(jìn)行數(shù)據(jù)處理，計(jì)算單個(gè)學(xué)生90分以上科目學(xué)分總和。

1.2 數(shù)據(jù)處理分析

將數(shù)據(jù)進(jìn)行預(yù)處理后，通過(guò)Rapidminer軟件對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行數(shù)據(jù)聚類，進(jìn)而分析學(xué)生平均成績(jī)與一類成績(jī)之間的關(guān)系。

本次聚類主要通過(guò)K-Means算法進(jìn)行聚類分析，具體步驟如下：將數(shù)據(jù)導(dǎo)入Rapidminer軟件；建立規(guī)則，將學(xué)號(hào)設(shè)為ID；建立K-Means算法，將K值設(shè)為4；鏈接各個(gè)輸入端，運(yùn)行算法；將輸出方式設(shè)置為“散點(diǎn)圖”。

通過(guò)上述步驟進(jìn)行聚類數(shù)據(jù)，得到以下輸出結(jié)果，如圖1所示。

圖1 平均成績(jī)散點(diǎn)圖Fig.1 Scatter diagram of average scores

通過(guò)散點(diǎn)圖的分布狀況可判定此聚類是有效聚類，該散點(diǎn)圖中的左下角紅色標(biāo)點(diǎn)的學(xué)生為一級(jí)學(xué)業(yè)預(yù)警對(duì)象[6]，暫定為D類學(xué)生，隨著其分布逐漸向右上方移動(dòng)，認(rèn)為其學(xué)習(xí)狀態(tài)比前一層次更好，其相應(yīng)的預(yù)警程度也就越低。

數(shù)據(jù)結(jié)果表明，A類學(xué)生在各個(gè)科目中都獲得了相對(duì)高分，其平均成績(jī)也是位于專業(yè)前茅。與此同時(shí)，D類學(xué)生表現(xiàn)出各個(gè)科目的成績(jī)都不是很好，其最終成績(jī)排名也不太理想。對(duì)于B類學(xué)生，可能存在個(gè)別科目不太擅長(zhǎng)，其他科目學(xué)習(xí)成果較好，存在略微的偏科現(xiàn)象。對(duì)于C類同學(xué)，更偏向于部分學(xué)科能達(dá)到良好水平，但是總體不是很優(yōu)秀，每一門科目都屬于中等水平，可能由于學(xué)習(xí)熱情不夠高或者不夠認(rèn)真導(dǎo)致此結(jié)果。

1.3 平均學(xué)業(yè)成績(jī)變量探究

第一，成績(jī)標(biāo)準(zhǔn)改變對(duì)結(jié)果的影響。

成績(jī)標(biāo)準(zhǔn)劃分的不同對(duì)最后結(jié)果會(huì)產(chǎn)生不同影響，將一類成績(jī)的標(biāo)準(zhǔn)降低到85分以及80分，通過(guò)Rapidminer軟件進(jìn)行相似步驟的分析，結(jié)果如圖2、圖3所示。

圖2 以80分作為一類標(biāo)準(zhǔn)Fig.2 80 scores as a category

圖3 以85分作為一類標(biāo)準(zhǔn)Fig.3 85 scores as a category

研究結(jié)果表明，調(diào)整一類成績(jī)的標(biāo)準(zhǔn)后，整體趨勢(shì)并沒(méi)有發(fā)生顯著變化，但是每一聚類所包含點(diǎn)的數(shù)量則發(fā)生了一定程度上的改變。在實(shí)際應(yīng)用中，可以根據(jù)各個(gè)樣本的實(shí)際水平及客觀因素的影響(如考試的難度、評(píng)卷的標(biāo)準(zhǔn))來(lái)對(duì)這一標(biāo)準(zhǔn)進(jìn)行設(shè)定。

第二，德、體、能三因素間的關(guān)聯(lián)。

用同樣的辦法，將同一樣本中學(xué)生的德、體、能所獲得的成績(jī)進(jìn)行標(biāo)準(zhǔn)化處理，并利用Rapidminer軟件對(duì)其進(jìn)行聚類分析，結(jié)果如圖4～圖6所示。

圖4 智—德關(guān)系圖Fig.4 Wisdom-ethics relationship

圖5 智—體關(guān)系圖Fig.5 Wisdom-physics relationship

圖6 智—能關(guān)系圖Fig.6 Wisdom-ability relationship

研究結(jié)果表明，學(xué)業(yè)預(yù)警模型散點(diǎn)圖[7]呈現(xiàn)出倒直角三角型式的排列，即智力分?jǐn)?shù)越高的學(xué)生，在德、體、能方面的表現(xiàn)相對(duì)來(lái)說(shuō)也更為突出。這與高校學(xué)生日常教育管理服務(wù)工作中所觀察到的學(xué)生日常表現(xiàn)具有較高的一致性，在學(xué)業(yè)成績(jī)上能取得較好表現(xiàn)的學(xué)生，通常對(duì)于班級(jí)日?；顒?dòng)的參與有著更高的積極性，也更注重于自身對(duì)日常良好習(xí)慣的保持。

2 結(jié)論

2.1 學(xué)業(yè)預(yù)警模型具有可行性

在基于離群數(shù)據(jù)挖掘技術(shù)分析處理中，對(duì)學(xué)生年度學(xué)業(yè)成績(jī)進(jìn)行分析，建立了適合于該群體學(xué)生的預(yù)警模型，根據(jù)學(xué)生日常表現(xiàn)驗(yàn)證了該學(xué)業(yè)預(yù)警模型的可靠性，同時(shí)表明了基于離群數(shù)據(jù)挖掘分析的學(xué)業(yè)預(yù)警模型的可行性。

2.2 學(xué)業(yè)預(yù)警系統(tǒng)不局限于學(xué)業(yè)成績(jī)

在驗(yàn)證了基于離群數(shù)據(jù)挖掘分析的學(xué)業(yè)預(yù)警模型可行性的基礎(chǔ)上，研究發(fā)現(xiàn)學(xué)業(yè)預(yù)警除了可針對(duì)學(xué)生的學(xué)業(yè)成績(jī)指標(biāo)外，該模型還可以在學(xué)生的日常學(xué)習(xí)生活中給予更加全面和生動(dòng)的預(yù)警與建議，使學(xué)業(yè)預(yù)警模型更加科學(xué)化、系統(tǒng)化與規(guī)范化，在幫助學(xué)生順利完成學(xué)業(yè)的基礎(chǔ)上，更好地促進(jìn)學(xué)生成長(zhǎng)成才。

2.3 學(xué)業(yè)預(yù)警模型能夠進(jìn)行科學(xué)研判

對(duì)學(xué)生的日常學(xué)習(xí)行為和過(guò)程表現(xiàn)進(jìn)行記錄，如學(xué)生出勤情況、課堂參與度、課后作業(yè)完成情況、課程難易程度等方面，對(duì)學(xué)生的學(xué)業(yè)狀態(tài)進(jìn)行及時(shí)提醒，動(dòng)態(tài)跟進(jìn)，提前預(yù)警研判。