• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于決策樹和人工神經(jīng)網(wǎng)絡(luò)的學(xué)生在線答題正確性影響因素研究

      2022-07-01 07:11:12戴堅(jiān)
      科技資訊 2022年14期
      關(guān)鍵詞:人工神經(jīng)網(wǎng)絡(luò)決策樹影響因素

      戴堅(jiān)

      摘??要:答題正確性不僅取決于學(xué)生對(duì)某一知識(shí)點(diǎn)的掌握程度,還受到學(xué)生心理狀態(tài)、答題習(xí)慣等多方面因素的影響。為探究學(xué)生在線答題正確性的影響因素,基于SPSS?Modeler,使用決策樹和人工神經(jīng)網(wǎng)絡(luò)兩種統(tǒng)計(jì)分析方法,對(duì)影響學(xué)生答題正確性的平均知識(shí)水平、平均粗心程度、行為總數(shù)、專注度、沮喪、鉆系統(tǒng)的空子這6個(gè)因素進(jìn)行了分析。結(jié)果顯示:平均知識(shí)水平對(duì)平均正確性的影響最大,平均粗心程度次之。研究成果將為學(xué)生學(xué)習(xí)行為的改進(jìn)和老師教學(xué)方法的完善提供理論依據(jù)與指導(dǎo)。

      關(guān)鍵詞:SPSS?Modeler??決策樹??人工神經(jīng)網(wǎng)絡(luò)??答題正確性??影響因素

      中圖分類號(hào):G434????????????????文獻(xiàn)標(biāo)識(shí)碼:A???文章編號(hào):1672-3791(2022)07(b)-0000-00

      Research?on?Factors?Affecting?the?Correctness?of?Students'?Online?Answers?Based?on?Decision?Tree?and?Artificial?Neural?Network

      DAI?Jian

      (College?of?Educational?Science?and?Technology,?Zhejiang?University?of?Technology,?Hangzhou,Zhejiang?Province,310023?China)

      Abstract:?The?correctness?of?answering?questions?not?only?depends?on?students'?mastery?of?a?certain?knowledge?point,?but?also?is?influenced?by?various?factors?such?as?students'?mental?state?and?answering?habits.?To?investigate?the?factors?influencing?students'?online?answer?correctness,?six?factors,?including?average?knowledge?level,?average?carelessness,?total?number?of?behaviors,?concentration,?frustration,?and?drilling?the?system,?were?analyzed?based?on?SPSS?Modeler,?using?two?statistical?analysis?methods,?decision?tree?and?artificial?neural?network,?to?influence?students'?answer?correctness.?The?results?showed?that?the?average?level?of?knowledge?had?the?greatest?effect?on?average?correctness,?followed?by?the?average?level?of?carelessness.?The?results?of?the?study?will?provide?theoretical?basis?and?guidance?for?the?improvement?of?students'?learning?behaviors?and?the?improvement?of?teachers'?teaching?methods.954C5CC5-D736-41D1-B0D6-667E2E2DF32D

      Key?Words:?SPSS?Modeler;?Decision?tree;?Artificial?neural?network;?Correctness?of?answers;?Influencing?factors

      1??研究背景

      網(wǎng)絡(luò)教學(xué)平臺(tái)是利用網(wǎng)絡(luò)技術(shù)手段給予學(xué)習(xí)者支持和服務(wù)的網(wǎng)絡(luò)工具[1]。后疫情背景下,教師傾向于使用網(wǎng)絡(luò)教學(xué)平臺(tái)開展教學(xué)工作和學(xué)生考核[2]。在線測(cè)試作為一種比較便捷的考核形式,受到了教師和學(xué)生的青睞。在線答題的正確性作為衡量學(xué)生知識(shí)掌握程度的重要指標(biāo),受到了教師和學(xué)生的廣泛關(guān)注。然而,目前的研究很少涉及在線答題正確性的影響因素,導(dǎo)致學(xué)生缺乏理論和數(shù)據(jù)依據(jù)來(lái)有效提高答題正確性,教師也無(wú)法采取針對(duì)性的措施來(lái)提高班級(jí)的整體成績(jī)。因此,該文將對(duì)影響學(xué)生在線答題的因素進(jìn)行分析,找出主要的影響因素,為廣大師生的教與學(xué)提供理論依據(jù)和科學(xué)指導(dǎo)。

      2??研究方法

      2.1??數(shù)據(jù)來(lái)源

      研究樣本數(shù)據(jù)來(lái)源于ITEST平臺(tái),包含20?638條學(xué)生用戶的在線學(xué)習(xí)數(shù)據(jù),其中的字段有AveKnow(學(xué)生的平均知識(shí)水平)、AveCarelessness(學(xué)生的平均粗心程度)等。

      2.2??研究工具

      SPSS?Modeler是IBM公司開發(fā)的數(shù)據(jù)挖掘軟件,其由SPSS統(tǒng)計(jì)分析軟件與Clementine數(shù)據(jù)挖掘軟件整合而成[3],允許研究人員組織數(shù)據(jù)并對(duì)其進(jìn)行快速概述,以更有效地得出有意義的結(jié)果[4]。該研究使用的版本為SPSS?Modeler?18.0。

      2.3??變量選取與數(shù)據(jù)預(yù)處理

      該文擬探究影響學(xué)生在線答題正確性的主要因素,為教育教學(xué)提供有價(jià)值的參考。因此,研究選取的7個(gè)變量分別為:AveKnow(學(xué)生的平均知識(shí)水平)、AveCarelessness(學(xué)生的平均粗心程度)、AveCorrect(學(xué)生的平均正確性)、NumActions(系統(tǒng)中學(xué)生的行為總數(shù))、AveResEngcon(平均學(xué)生情緒:專注度)、AveResFrust(平均學(xué)生情緒:沮喪)、AveResGaming(平均學(xué)生情緒:鉆系統(tǒng)的空子),其中AveCorrect為輸出變量,其余變量為輸入變量。

      對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,將AveCorrect字段中低于或等于0.3的數(shù)據(jù)替換為“低”,高于0.3且低于0.6的數(shù)據(jù)替換為“中”,高于0.3或等于0.6的數(shù)據(jù)替換為“高”。處理完畢后,將數(shù)據(jù)文件導(dǎo)入SPSS?Modeler?18.0,使用決策樹和神經(jīng)網(wǎng)絡(luò)兩種統(tǒng)計(jì)方法對(duì)相關(guān)情況進(jìn)行分析和預(yù)測(cè),找出影響學(xué)生在線答題正確性的主要因素,為制訂更好的學(xué)習(xí)計(jì)劃提出科學(xué)的建議。

      3??研究過(guò)程

      3.1??決策樹分析

      決策樹借由分類已知的數(shù)據(jù)建立樹狀結(jié)構(gòu),從中歸納出數(shù)據(jù)的規(guī)律性[5]。讀取數(shù)據(jù)文件后,使用過(guò)濾器過(guò)濾無(wú)關(guān)變量,使用“類型”節(jié)點(diǎn)將AveCorrect字段的角色設(shè)定為“目標(biāo)”,再通過(guò)“分區(qū)”節(jié)點(diǎn)將訓(xùn)練分區(qū)大小設(shè)為70%,測(cè)試分區(qū)大小設(shè)為30%,分別作為訓(xùn)練集和測(cè)試集。最后,將“C5.0”節(jié)點(diǎn)連接到當(dāng)前數(shù)據(jù)流,運(yùn)行結(jié)果如圖1所示。

      左圖為模型的規(guī)則集,其包含9條規(guī)則,解釋列舉如下。

      (1)當(dāng)學(xué)生的平均知識(shí)水平小于或等于0.118時(shí),如果其平均粗心程度小于或等于0.067、平均知識(shí)水平小于或等于0.067、專注度小于或等于0.616,并且系統(tǒng)中的行為總數(shù)小于或等于218,則其答題平均正確性為低。在訓(xùn)練樣本中,有159個(gè)學(xué)生符合這條規(guī)則且平均正確性低,該規(guī)則準(zhǔn)確率為100%。

      (2)當(dāng)學(xué)生的平均知識(shí)水平小于或等于0.118時(shí),如果其平均粗心程度小于或等于0.067、平均知識(shí)水平小于或等于0.067、專注度小于或等于0.616,并且系統(tǒng)中的行為總數(shù)大于218,則其答題平均正確性為中。在訓(xùn)練樣本中,有222個(gè)學(xué)生符合這條規(guī)則且平均正確性為中,該規(guī)則準(zhǔn)確率為100%。

      (3)當(dāng)學(xué)生的平均知識(shí)水平小于或等于0.118時(shí),如果其平均粗心程度小于或等于0.067、平均知識(shí)水平小于或等于0.067,且專注度大于0.616,則其答題平均正確性為低。在訓(xùn)練樣本中,有869個(gè)學(xué)生符合這條規(guī)則且平均正確性低,該規(guī)則準(zhǔn)確率為100%。

      由右圖的預(yù)測(cè)變量重要性結(jié)果可知,變量的重要性排序?yàn)椋篈veKnow>AveCarelessness>AveResGaming>NumActions>AveResEngcon=?AveResFrust。由此可見,學(xué)生的平均知識(shí)水平對(duì)答題平均正確性的影響最大,平均粗心程度次之,專注度和沮喪情緒的影響最小。

      3.2??人工神經(jīng)網(wǎng)絡(luò)分析

      人工神經(jīng)網(wǎng)絡(luò)是從本質(zhì)上對(duì)大腦工作特性的一種簡(jiǎn)單模擬的仿生學(xué)[6]。運(yùn)行模型,即可在出現(xiàn)的對(duì)話框中看到模型概要、預(yù)測(cè)變量重要性、混淆矩陣、神經(jīng)網(wǎng)絡(luò)的層次結(jié)構(gòu)等。

      由預(yù)測(cè)變量重要性(圖2)可知,平均知識(shí)水平對(duì)平均正確性的影響最大,平均粗心程度次之,其余4個(gè)變量的影響都較小。

      由混淆矩陣可知,模型預(yù)測(cè)的總體準(zhǔn)確率為100%,非常理想。

      由神經(jīng)網(wǎng)絡(luò)的層次結(jié)構(gòu)(圖3)可知,該模型是一個(gè)三層神經(jīng)網(wǎng)絡(luò),其中包含一個(gè)隱層,隱層中包含6個(gè)隱節(jié)點(diǎn)(神經(jīng)元1~神經(jīng)元6)。

      4??結(jié)語(yǔ)

      該文通過(guò)決策樹和人工神經(jīng)網(wǎng)絡(luò)探究了影響學(xué)生在線答題正確性的影響因素。通過(guò)分析可以看出,平均知識(shí)水平和平均粗心程度對(duì)平均正確性有較大影響,而學(xué)生的行為總數(shù)對(duì)平均正確性的影響較小。鑒于此,學(xué)生應(yīng)該在學(xué)習(xí)時(shí)使用科學(xué)合理的方法,不能一味地追求行為的累加,而要注重知識(shí)的積累,切實(shí)提高自身的知識(shí)水平,還應(yīng)該在答題時(shí)認(rèn)真審題,不要麻痹大意。與此同時(shí),老師應(yīng)該豐富自己的知識(shí)儲(chǔ)備,并使用合適的教學(xué)方法將知識(shí)教授給學(xué)生;此外,還應(yīng)該在答題時(shí)提醒學(xué)生注意審題,考慮全面,以便于提高答題正確性。

      參考文獻(xiàn)

      [1]? 劉歡.基于網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)的高中信息技術(shù)課互動(dòng)教學(xué)研究[D].延安:延安大學(xué),2021.

      [2]? 沈艷.后疫情時(shí)代雙線融合混合式教學(xué)模式探析——以醫(yī)藥市場(chǎng)營(yíng)銷為例[J].船舶職業(yè)教育,2021,9(5):34-37.

      [3]? 李郁,韓松,婁永梅,等.SPSS?Modeler在軌道交通客流預(yù)測(cè)中的應(yīng)用[J].鐵路通信信號(hào)工程技術(shù),2020,17(1):80-83,95.

      [4]? YEH?S?S.?Tourism?recovery?strategy?against?COVID-19?pandemic[J].?Tourism?Recreation?Research,2021,46(2):188-194.

      [5]? 岳景鵬.基于C5.0決策樹算法的學(xué)生成績(jī)預(yù)測(cè)算法研究與應(yīng)用[D].長(zhǎng)春:吉林大學(xué),2020.

      [6]? 楊猛.基于遺傳算法與人工神經(jīng)網(wǎng)絡(luò)的加熱爐建模方法研究[D].合肥:中國(guó)科學(xué)技術(shù)大學(xué),2017.954C5CC5-D736-41D1-B0D6-667E2E2DF32D

      猜你喜歡
      人工神經(jīng)網(wǎng)絡(luò)決策樹影響因素
      利用人工神經(jīng)網(wǎng)絡(luò)快速計(jì)算木星系磁坐標(biāo)
      一種針對(duì)不均衡數(shù)據(jù)集的SVM決策樹算法
      人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)簡(jiǎn)單字母的識(shí)別
      電子制作(2019年10期)2019-06-17 11:45:10
      決策樹和隨機(jī)森林方法在管理決策中的應(yīng)用
      電子制作(2018年16期)2018-09-26 03:27:06
      環(huán)衛(wèi)工人生存狀況的調(diào)查分析
      農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)需求影響因素分析
      商(2016年27期)2016-10-17 07:09:07
      村級(jí)發(fā)展互助資金組織的運(yùn)行效率研究
      商(2016年27期)2016-10-17 04:40:12
      基于系統(tǒng)論的煤層瓦斯壓力測(cè)定影響因素分析
      科技視界(2016年20期)2016-09-29 13:45:52
      基于決策樹的出租車乘客出行目的識(shí)別
      基于肺癌CT的決策樹模型在肺癌診斷中的應(yīng)用
      伊春市| 广灵县| 长武县| 临澧县| 东至县| 榆中县| 抚远县| 万源市| 锡林浩特市| 屏东县| 奉新县| 巴中市| 兴和县| 陆丰市| 谷城县| 永兴县| 漯河市| 项城市| 洪湖市| 高密市| 沁阳市| 漳浦县| 遂平县| 兴国县| 鲁山县| 襄垣县| 应用必备| 沂水县| 株洲县| 翁源县| 资溪县| 台山市| 拜城县| 古浪县| 武隆县| 文成县| 南宫市| 边坝县| 来凤县| 丁青县| 马龙县|