本文由《開放教育研究》雜志授權(quán)轉(zhuǎn)載
作者：孫力、程玉霞
摘要
合適的數(shù)據(jù)分析技術(shù)能使我們借助網(wǎng)絡(luò)學(xué)歷教育學(xué)生在學(xué)習(xí)和管理系統(tǒng)中產(chǎn)生的數(shù)據(jù)和信息，發(fā)現(xiàn)相關(guān)規(guī)律，進(jìn)而為網(wǎng)絡(luò)學(xué)歷教育教學(xué)和管理流程的優(yōu)化提供有益的決策依據(jù)。本文采用數(shù)據(jù)挖掘中數(shù)據(jù)分類C5.0決策樹方法，通過分析網(wǎng)絡(luò)學(xué)歷教育本科學(xué)生英語學(xué)習(xí)及相關(guān)信息，實(shí)現(xiàn)了對(duì)其英語統(tǒng)考成績(jī)的預(yù)測(cè)。在分析英語統(tǒng)考前景預(yù)測(cè)的目標(biāo)特性后，在SPSS的Clementine12.0數(shù)據(jù)挖掘環(huán)境中，歷經(jīng)數(shù)據(jù)提取、數(shù)據(jù)預(yù)處理、決策樹構(gòu)建和決策樹優(yōu)化等步驟，本研究構(gòu)建了網(wǎng)絡(luò)教育本科英語統(tǒng)考成績(jī)的預(yù)測(cè)模型，并提出了模型實(shí)現(xiàn)方法；同時(shí)對(duì)模型相關(guān)屬性的重要性進(jìn)行了分析，提出了提高網(wǎng)絡(luò)教育本科學(xué)生英語學(xué)習(xí)水平和統(tǒng)考通過率的相應(yīng)策略。
關(guān)鍵詞：網(wǎng)絡(luò)教育；數(shù)據(jù)挖掘；決策樹方法；英語統(tǒng)考；預(yù)測(cè)模型
一、引言
近年來，大數(shù)據(jù)的概念逐漸興起，人們用它來描述和定義信息爆炸時(shí)代產(chǎn)生的海量數(shù)據(jù)及與之相關(guān)的技術(shù)發(fā)展與創(chuàng)新(黃荷，2012)。大數(shù)據(jù)帶來的機(jī)遇是可以利用數(shù)據(jù)分析技術(shù)預(yù)測(cè)未來。數(shù)據(jù)挖掘是從大量不完全、有噪聲、模糊、隨機(jī)的數(shù)據(jù)中，提取隱含在其中、人們事先不知道但又潛在有用的信息和知識(shí)的過程(洪建峰，2013)。它是一種深層次的數(shù)據(jù)分析方法，主要依靠人工智能、機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)技術(shù)，對(duì)數(shù)據(jù)進(jìn)行歸納推理，從中挖掘出潛在的模式，預(yù)測(cè)未來趨勢(shì)，為決策提供支持。
我國(guó)網(wǎng)絡(luò)高等學(xué)歷教育經(jīng)過十五年的發(fā)展，各試點(diǎn)高校對(duì)網(wǎng)絡(luò)學(xué)習(xí)相關(guān)系統(tǒng)進(jìn)行了完善，尤其是管理、學(xué)習(xí)、評(píng)價(jià)和監(jiān)控系統(tǒng)的運(yùn)用，產(chǎn)生了大量學(xué)生學(xué)習(xí)過程的相關(guān)數(shù)據(jù)。例如，學(xué)生個(gè)人信息，課程考試成績(jī)，在線學(xué)習(xí)次數(shù)、時(shí)間點(diǎn)、學(xué)習(xí)興趣點(diǎn)和學(xué)習(xí)時(shí)長(zhǎng)，作業(yè)完成情況，參與討論情況，過程性評(píng)價(jià)等。目前這些數(shù)據(jù)僅存在于各類網(wǎng)絡(luò)學(xué)習(xí)和管理系統(tǒng)中，未真正發(fā)揮應(yīng)有的作用。如能運(yùn)用數(shù)據(jù)挖掘技術(shù)和學(xué)習(xí)分析技術(shù)，建立相關(guān)系統(tǒng)對(duì)其進(jìn)行提取和標(biāo)準(zhǔn)化處理，可以為網(wǎng)絡(luò)學(xué)習(xí)流程和管理流程的優(yōu)化設(shè)計(jì)，提供相關(guān)決策依據(jù)(魏順平，2013)；同時(shí)，可以了解學(xué)生學(xué)習(xí)的效率、意愿、耐心度和專心度、相關(guān)興趣點(diǎn)等個(gè)性化信息，為學(xué)生提供網(wǎng)絡(luò)學(xué)習(xí)的個(gè)性化提醒和指導(dǎo)，以及學(xué)習(xí)資源的個(gè)性化推送服務(wù)等(傅鋼善等，2014；陳益均等，2013)；最終通過建立以學(xué)習(xí)者數(shù)據(jù)為核心的學(xué)習(xí)支持系統(tǒng)，構(gòu)建智能化網(wǎng)絡(luò)學(xué)習(xí)環(huán)境。
網(wǎng)絡(luò)教育的部分公共課程統(tǒng)考是本科層次學(xué)生畢業(yè)電子注冊(cè)的必要條件。其中英語是網(wǎng)絡(luò)教育學(xué)生的難點(diǎn)。各試點(diǎn)高校都在嘗試采用各種方式提高英語統(tǒng)考的通過率。本文運(yùn)用數(shù)據(jù)挖掘技術(shù)，以江南大學(xué)網(wǎng)絡(luò)教育本科學(xué)生為研究對(duì)象，通過對(duì)學(xué)習(xí)平臺(tái)中學(xué)生個(gè)人相關(guān)信息、入學(xué)測(cè)試成績(jī)、入學(xué)后英語類課程及其他課程學(xué)習(xí)情況的數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)其網(wǎng)絡(luò)統(tǒng)考英語課程的考試成績(jī)。
二、數(shù)據(jù)挖掘技術(shù)理論描述
數(shù)據(jù)挖掘是利用模式識(shí)別、統(tǒng)計(jì)和數(shù)學(xué)的技術(shù)，從大量數(shù)據(jù)中篩選發(fā)現(xiàn)新的有意義的關(guān)系、模式、變化和主要結(jié)構(gòu)的方法(陳文偉等，2004)。隨著大數(shù)據(jù)時(shí)代的到來，它被越來越多地應(yīng)用到人工智能、機(jī)器學(xué)習(xí)、市場(chǎng)分析、商務(wù)管理和決策支持等領(lǐng)域。數(shù)據(jù)挖掘由三個(gè)步驟組成：數(shù)據(jù)預(yù)處理階段、模型設(shè)計(jì)階段和數(shù)據(jù)分析階段。分類和聚類技術(shù)是其中最有應(yīng)用價(jià)值的兩大技術(shù)。
(一)數(shù)據(jù)分類技術(shù)
數(shù)據(jù)分類指分析數(shù)據(jù)庫中的一組對(duì)象，找出其共同屬性，然后根據(jù)分類規(guī)則，把它們劃分為預(yù)先設(shè)定好的不同類別。數(shù)據(jù)分類過程一般分兩個(gè)部分：先是確定分類規(guī)則，也稱為學(xué)習(xí)或訓(xùn)練過程，即先將訓(xùn)練樣本數(shù)據(jù)集作為輸入，依據(jù)數(shù)據(jù)集特征為每一類別建立分類規(guī)則或描述；然后通過更大量的測(cè)試數(shù)據(jù)集測(cè)試這些分類規(guī)則，以生成更恰當(dāng)?shù)姆诸愐?guī)則，并依據(jù)最終的分類規(guī)則形成數(shù)據(jù)分類。目前分類方法包括基于決策樹的分類，如ID3算法和C4.5算法；基于統(tǒng)計(jì)的分類，如貝葉斯分類算法；基于神經(jīng)網(wǎng)絡(luò)的分類，如后向傳播算法；源自關(guān)聯(lián)規(guī)則挖掘概念的分類和遺傳算法等。
(二)數(shù)據(jù)聚類技術(shù)
數(shù)據(jù)聚類是根據(jù)在數(shù)據(jù)中發(fā)現(xiàn)的描述對(duì)象及其關(guān)系的信息，將數(shù)據(jù)對(duì)象分組而形成數(shù)據(jù)簇。最終目標(biāo)是：簇內(nèi)的對(duì)象相互之間相關(guān)，不同簇的對(duì)象之間不相關(guān)。簇內(nèi)相似度越大，同時(shí)簇間差別越大，數(shù)據(jù)聚類效果越好。已有的分類方法包括劃分方法、層次方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法等。
總之，分類是按照某種標(biāo)準(zhǔn)給數(shù)據(jù)貼“標(biāo)簽”，再根據(jù)標(biāo)簽區(qū)分歸類。聚類是事先沒有“標(biāo)簽”而通過分析找出數(shù)據(jù)之間存在聚集性原因的過程(Kantardzic，2011)。分類適合類別或分類體系已經(jīng)確定的場(chǎng)合；聚類適合不存在分類體系、類別數(shù)不確定的場(chǎng)合，一般作為某些應(yīng)用的前端。
三、數(shù)據(jù)分析技術(shù)的選用
我們通過采集和分析本科生個(gè)人相關(guān)信息及在網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)留下的學(xué)習(xí)信息，預(yù)測(cè)學(xué)生在網(wǎng)絡(luò)統(tǒng)考英語課程的前景。由于統(tǒng)考合格是網(wǎng)絡(luò)教育本科生畢業(yè)電子注冊(cè)的必備條件，我們將預(yù)測(cè)的結(jié)果僅定義為“合格”與“不合格”。這屬于數(shù)據(jù)挖掘的數(shù)據(jù)分類問題，本研究將采用基于決策樹的分類方法。
決策樹方法起源于概念學(xué)習(xí)系統(tǒng)，就是使用樹的結(jié)構(gòu)對(duì)數(shù)據(jù)進(jìn)行分類，每個(gè)條件下的記錄集就像一棵樹的葉節(jié)點(diǎn)。根據(jù)字段數(shù)據(jù)取值的不同，可以對(duì)決策樹進(jìn)行分支，在決策樹各個(gè)分支的子集中再重復(fù)建立分支和決策樹各下層節(jié)點(diǎn)，形成一棵決策樹。目前最有影響的決策樹算法是ID3和C4.5。
ID3主要是選擇運(yùn)用信息最大屬性的增益值來進(jìn)行樣本訓(xùn)練劃分，其目的是能夠使熵在分裂系統(tǒng)時(shí)達(dá)到最小，以此提高決策樹算法的精確度和運(yùn)算速度。ID3算法的缺陷在于運(yùn)用信息增益作為分裂屬性的標(biāo)準(zhǔn)，在取值時(shí)會(huì)不自然地偏向于取值較多的屬性，然而大部分情況下，這種屬性不能提供更多有價(jià)值的信息。C4.5是改進(jìn)ID3形成的新算法，它能夠同時(shí)處理連續(xù)值和離散值的屬性。C4.5選擇測(cè)試的標(biāo)準(zhǔn)主要采用信息增益比，這在很大程度上彌補(bǔ)了ID3的不足。
C5.0算法是C4.5算法的修訂版(商業(yè)版)，適用于處理大數(shù)據(jù)集，計(jì)算速度快，占用內(nèi)存資源較少。C5.0算法根據(jù)能夠提供最大信息增益的字段劃分樣本，對(duì)第一次劃分出來的子樣本遞歸劃分，直到不能再分為止，最后重新檢查最底層的劃分，去掉貢獻(xiàn)不大的分支，得到最終模型。C5.0可以產(chǎn)生兩種模型：決策樹和規(guī)則集。決策樹由算法劃分樣本直接產(chǎn)生，每個(gè)葉子節(jié)點(diǎn)表示一個(gè)特定的訓(xùn)練數(shù)據(jù)子集，訓(xùn)練數(shù)據(jù)集中的每個(gè)樣本只屬一個(gè)葉子節(jié)點(diǎn)。也就是說，任何一個(gè)給定的樣本通過決策樹只能得到一個(gè)預(yù)測(cè)結(jié)果(Zhu et al.，2009)。
C5.0決策樹分類主要分為兩個(gè)過程。首先是學(xué)習(xí)過程，就是通過對(duì)大量的訓(xùn)練數(shù)據(jù)集學(xué)習(xí)來構(gòu)造決策樹。第二步是利用構(gòu)造的決策樹進(jìn)行分類，先利用測(cè)試數(shù)據(jù)集評(píng)估決策樹分類的準(zhǔn)確率，如果準(zhǔn)確率可以接受，則將生成的決策樹用于新的數(shù)據(jù)分類。本研究采用C5.0為數(shù)據(jù)挖掘的內(nèi)核算法。
四、英語統(tǒng)考成績(jī)預(yù)測(cè)的實(shí)現(xiàn)
依據(jù)上述討論，本研究運(yùn)用數(shù)據(jù)挖掘的數(shù)據(jù)分類技術(shù)實(shí)現(xiàn)網(wǎng)絡(luò)教育本科生英語統(tǒng)考成績(jī)的預(yù)測(cè)，歷經(jīng)數(shù)據(jù)提取、數(shù)據(jù)預(yù)處理、決策樹構(gòu)建、決策樹優(yōu)化和預(yù)測(cè)實(shí)現(xiàn)等步驟(見圖1)。
(一)分類規(guī)則構(gòu)建環(huán)境
Clementine是ISL(Integral Solutions Limited)公司開發(fā)的數(shù)據(jù)挖掘工具平臺(tái)，SPSS公司收購ISL后，對(duì)Clementine產(chǎn)品進(jìn)行了重新整合和開發(fā)。目前Clementine已經(jīng)成為世界上最常用的數(shù)據(jù)挖掘工具。SPSS和一個(gè)從事數(shù)據(jù)挖掘研究的全球性企業(yè)聯(lián)盟制定了關(guān)于數(shù)據(jù)挖掘技術(shù)的行業(yè)標(biāo)準(zhǔn)：CRISP-DM(Cross-Industry Standard Process for Data Min-ing)。與以往僅僅局限在技術(shù)層面的數(shù)據(jù)挖掘方法論不同，CRISP-DM將數(shù)據(jù)挖掘技術(shù)與具體商業(yè)目標(biāo)相結(jié)合，使數(shù)據(jù)挖掘成為商業(yè)過程，并將具體的商業(yè)目標(biāo)映射為數(shù)據(jù)挖掘目標(biāo)(Zhu et al.，2009)。目前世界上50%以上的數(shù)據(jù)挖掘工具均采用CRISP-DM的數(shù)據(jù)挖掘流程。
CRISP-DM的數(shù)據(jù)挖掘流程包含商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建模、模型評(píng)估和結(jié)果部署六個(gè)步驟(SPSS White Paper，2004)。Clementine完全支持CRISP-DM標(biāo)準(zhǔn)，其智能預(yù)測(cè)模型有助于快速解決出現(xiàn)的問題。由于其對(duì)商業(yè)目標(biāo)的深入理解，Clementine最后得到的數(shù)據(jù)挖掘結(jié)果的配置非常有效(劉世平等，2003)。本研究選用的分類規(guī)則，即分類決策樹的形成環(huán)境是SPSS的Clementine 12.0。
(二)分類規(guī)則的構(gòu)建及優(yōu)化
在Clementine 12.0中用C5.0算法構(gòu)建英語統(tǒng)考成績(jī)預(yù)測(cè)的分類規(guī)則(即決策樹的形成及優(yōu)化)，可分以下七個(gè)步驟。
1.數(shù)據(jù)的提取和預(yù)處理
數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘前的數(shù)據(jù)準(zhǔn)備工作，目的是去除與挖掘目標(biāo)不相關(guān)的數(shù)據(jù)屬性和內(nèi)容，為數(shù)據(jù)挖掘提供干凈、準(zhǔn)確、更有針對(duì)性的數(shù)據(jù)，減少挖掘算法的數(shù)據(jù)處理量，提高挖掘效率和最終結(jié)果的準(zhǔn)確度。數(shù)據(jù)預(yù)處理的方法包括數(shù)據(jù)選取、數(shù)據(jù)清理、數(shù)據(jù)屬性取值一致化、數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)簡(jiǎn)化等。我們按學(xué)生基本數(shù)據(jù)、學(xué)習(xí)過程和成績(jī)數(shù)據(jù)從數(shù)據(jù)庫中提取已有英語統(tǒng)考成績(jī)學(xué)生的相關(guān)數(shù)據(jù)。由于英語統(tǒng)考學(xué)生在學(xué)習(xí)期間可多次參加考試，為準(zhǔn)確起見，本次只提取首次成績(jī)，又考慮到與英語統(tǒng)考結(jié)果關(guān)聯(lián)度較大的相關(guān)數(shù)據(jù)屬性，我們制定了如下數(shù)據(jù)預(yù)處理規(guī)則：
1)由于學(xué)號(hào)和學(xué)生姓名一一對(duì)應(yīng)，學(xué)生基本信息保留“學(xué)號(hào)”“性別”“入學(xué)年齡”“生源地”“所屬專業(yè)”5個(gè)屬性。40歲及以上入學(xué)者可免英語統(tǒng)考，故去除入學(xué)年齡>﹦40學(xué)生的所有記錄。
2)學(xué)生成績(jī)數(shù)據(jù)保留“入學(xué)測(cè)試英語”“入學(xué)測(cè)試計(jì)算機(jī)”“入學(xué)測(cè)試高等數(shù)學(xué)”“入學(xué)測(cè)試大學(xué)語文”“大學(xué)英語二”“大學(xué)英語三”“所學(xué)課程平均”“學(xué)位英語”八個(gè)屬性。由于入學(xué)測(cè)試時(shí)高等數(shù)學(xué)和大學(xué)語文分別是理工類和文史類專業(yè)的測(cè)試課程，除這兩個(gè)屬性外，去除其他成績(jī)數(shù)據(jù)空缺的記錄。
3)學(xué)生學(xué)習(xí)過程數(shù)據(jù)合并為“在線學(xué)習(xí)情況”屬性，并根據(jù)平臺(tái)的形成性評(píng)價(jià)系統(tǒng)給出的總成績(jī)按標(biāo)準(zhǔn)化規(guī)則，從高到低以150分制賦值。
4)“統(tǒng)考大學(xué)英語”僅分為“合格”和“不合格”兩個(gè)取值。
我們從江南大學(xué)網(wǎng)絡(luò)教育平臺(tái)數(shù)據(jù)庫中提取本科在籍學(xué)生的數(shù)據(jù)后，按前面所述的數(shù)據(jù)預(yù)處理規(guī)則進(jìn)行相應(yīng)處理，保留了7000條相關(guān)數(shù)據(jù)，以Excel數(shù)據(jù)表格形式保存為“江大網(wǎng)絡(luò).xls”。
2.建立Clementine數(shù)據(jù)源
啟動(dòng)Clementine并新建流文件后，選擇界面下部“源”子菜單內(nèi)的“Excel”，將其拖入面板中。雙擊面板中的“Excel”圖標(biāo)，在彈出編輯界面中選擇“導(dǎo)入文件”，選擇文件“江大網(wǎng)絡(luò).xls”并導(dǎo)入，面板中圖標(biāo)名稱變?yōu)椤敖缶W(wǎng)絡(luò).xls”。
3.關(guān)聯(lián)數(shù)據(jù)
選擇界面下部“字段選項(xiàng)”子菜單內(nèi)的“類型”，將其拖入面板中。選擇“江大網(wǎng)絡(luò).xls”圖標(biāo)，單擊鼠標(biāo)右鍵，選擇“連接”，并連接到“類型”。雙擊“類型”圖標(biāo)，在彈出“類型”對(duì)話框中點(diǎn)擊“清除所有值”后，點(diǎn)擊“讀取值”，并在“方向”列表中進(jìn)行屬性方向調(diào)整。其中，由于“學(xué)號(hào)”屬性對(duì)于分類無作用，方向?yàn)椤盁o”；“統(tǒng)考大學(xué)英語”為目標(biāo)分類屬性，方向?yàn)椤拜敵觥?；其他屬性方向均為“輸入”?/p>
4.選擇訓(xùn)練數(shù)據(jù)
1)選擇統(tǒng)考大學(xué)英語成績(jī)?yōu)椤昂细瘛钡臄?shù)據(jù)：選擇界面下部“記錄選項(xiàng)”子菜單內(nèi)的“選擇”，將其拖入面板中，并與“類型”圖標(biāo)連接。雙擊“選擇”圖標(biāo)，在彈出“選擇”對(duì)話框中，構(gòu)建模式為“包含”，條件為“統(tǒng)考大學(xué)英語=‘合格’”。為了平衡訓(xùn)練數(shù)據(jù)中“合格”比例過大的情況，選擇“記錄選項(xiàng)”子菜單的“樣本”，拖入面板中，并連接到“選擇”圖標(biāo)。雙擊“樣本”圖標(biāo)，設(shè)置采樣方法為“簡(jiǎn)單”“樣本”“n中取1”為5(默認(rèn)為2)，圖標(biāo)名稱變?yōu)椤叭?5”。
2)選擇統(tǒng)考大學(xué)英語成績(jī)?yōu)椤安缓细瘛钡臄?shù)據(jù)：選擇界面下部“記錄選項(xiàng)”子菜單內(nèi)的“選擇”，將其標(biāo)，在彈出的“選擇”對(duì)話框中，構(gòu)建模式為“包含”，件為“統(tǒng)考大學(xué)英語=‘不合格’”。
3)數(shù)據(jù)合并：選擇界面下部“記錄選項(xiàng)”子菜單內(nèi)的“合并”，將其拖入面板中，并與“取15”和統(tǒng)考成績(jī)不合格的“選擇”圖標(biāo)同時(shí)連接；雙擊“合并”圖標(biāo)，在彈出的對(duì)話框中，設(shè)置“合并方法”為“關(guān)鍵字”，將所有屬性放入合并關(guān)鍵字中，并選擇“包含匹配和不匹配的記錄”。
5.選擇算法并建模
選擇界面下部“字段選項(xiàng)”子菜單內(nèi)的“類型”，將其拖入面板中，并與“合并”圖標(biāo)連接。同時(shí)，參照“關(guān)聯(lián)數(shù)據(jù)”步驟，進(jìn)行數(shù)據(jù)清除、讀取和各屬性的方向調(diào)整。選擇界面下部“建?！弊硬藛蝺?nèi)的“C5.0”，將其拖入面板中，并連接到剛建立的“類型”圖標(biāo)。雙擊“C5.0”圖標(biāo)，設(shè)置模型名稱為“統(tǒng)考英語預(yù)測(cè)1”，其余設(shè)置均為系統(tǒng)默認(rèn)值。鼠標(biāo)右擊“C5.0”圖標(biāo)，選擇“執(zhí)行”，面板右側(cè)分欄出現(xiàn)“統(tǒng)考英語預(yù)測(cè)1”圖標(biāo)，建模完成。將“統(tǒng)考英語預(yù)測(cè)1”圖標(biāo)拖入面板中，雙擊該圖標(biāo)可查看建模結(jié)果。
6.模型分析
將“統(tǒng)考英語預(yù)測(cè)1”圖標(biāo)與連接“江大網(wǎng)絡(luò).Xls”的“類型”圖標(biāo)連接，再選擇界面下部“輸出”子菜單內(nèi)的“分析”，將其拖入面板中，與“統(tǒng)考英語預(yù)測(cè)1”圖標(biāo)連接，右擊“分析”圖標(biāo)，選擇“運(yùn)行”，可以看到模型輸出結(jié)果與實(shí)際數(shù)值的比較，即模型的準(zhǔn)確度。
7.模型優(yōu)化
通過前述步驟，得到的決策樹由于訓(xùn)練數(shù)據(jù)集包含14個(gè)屬性(學(xué)號(hào)和統(tǒng)考大學(xué)英語除外)，顯得較為復(fù)雜，程序?qū)崿F(xiàn)較為困難。鑒于14個(gè)屬性與統(tǒng)考英語成績(jī)關(guān)聯(lián)度有大小之分，在不顯著影響模型準(zhǔn)確度的前提下，我們嘗試逐步去除一些關(guān)聯(lián)度較小的屬性，力求獲得決策樹復(fù)雜度和模型準(zhǔn)確度之間的一個(gè)最佳平衡點(diǎn)。做法為：每次減少屬性后，獲得新的Excel數(shù)據(jù)源，重復(fù)步驟(1)-(6)，得到簡(jiǎn)化模型及其準(zhǔn)確度，并與前面的模型比較。歷次屬性去除情況及所得模型的決策樹復(fù)雜度和預(yù)測(cè)準(zhǔn)確度見表一。
從表一可以看出，減少訓(xùn)練數(shù)據(jù)集包含的屬性數(shù)量，所得到的決策樹子節(jié)點(diǎn)數(shù)量相應(yīng)減少，即決策樹子的復(fù)雜度相應(yīng)降低。從減少屬性數(shù)量對(duì)預(yù)測(cè)準(zhǔn)確度的影響看，高等數(shù)學(xué)和大學(xué)語文由于不是所有學(xué)生都參加，應(yīng)與統(tǒng)考英語成績(jī)無關(guān)，屬于無關(guān)屬性，去除后預(yù)測(cè)準(zhǔn)確度反而上升。同樣，生源地和所屬專業(yè)也屬于無關(guān)屬性。性別和入學(xué)測(cè)試計(jì)算機(jī)屬相關(guān)屬性，去除后預(yù)測(cè)準(zhǔn)確度下降。從影響程度看，入學(xué)測(cè)試計(jì)算機(jī)屬性更大。因此，綜合考慮模型復(fù)雜度和預(yù)測(cè)準(zhǔn)確度，本研究選擇模型“統(tǒng)考英語預(yù)測(cè)5”為最終結(jié)果。該模型在Clementine中的分類模型流程和所形成的決策樹分別見圖2和圖3。
(三)英語統(tǒng)考成績(jī)預(yù)測(cè)的實(shí)現(xiàn)方法
圖3所示的統(tǒng)考英語預(yù)測(cè)模型，即是所形成決策樹的展開。本研究通過將Clementine 12.0構(gòu)建的基于C5.0算法的分類規(guī)則，即決策樹代碼，轉(zhuǎn)換成可執(zhí)行的程序代碼(其實(shí)就是if-else的嵌套組合)，通過PHP中的類方法實(shí)現(xiàn)(Adhatrao et al.，2013)。
江南大學(xué)網(wǎng)絡(luò)教育的教學(xué)教務(wù)管理和學(xué)生學(xué)習(xí)平臺(tái)采用SQL Server為后臺(tái)數(shù)據(jù)庫，所有學(xué)生的相關(guān)信息均存儲(chǔ)在該數(shù)據(jù)庫中。對(duì)于學(xué)生而言，學(xué)號(hào)是其在管理系統(tǒng)中的唯一標(biāo)識(shí)，可以通過讀取網(wǎng)頁輸入的學(xué)號(hào)作為查詢條件，通過SQL Query編寫的SQL查詢接口，從數(shù)據(jù)庫中讀出該學(xué)生“入學(xué)年齡”“入學(xué)測(cè)試英語”“入學(xué)測(cè)試計(jì)算機(jī)”“大學(xué)英語二”“大學(xué)英語三”和“學(xué)位英語”的成績(jī)，并讀取其所有已學(xué)課程的成績(jī)，作平均值處理后形成“所學(xué)課程平均”屬性的數(shù)據(jù)；讀取其形成性評(píng)價(jià)系統(tǒng)形成的網(wǎng)上學(xué)習(xí)總成績(jī)并作150分制標(biāo)準(zhǔn)轉(zhuǎn)換后形成“在線學(xué)習(xí)情況”屬性的數(shù)據(jù)。通過在服務(wù)器端運(yùn)行PHP語言實(shí)現(xiàn)的分類規(guī)則腳本程序，我們可以得到該學(xué)生本科英語統(tǒng)考的預(yù)測(cè)結(jié)果。
五、結(jié)果及分析
本研究采用數(shù)據(jù)挖掘分類方法中的C5.0決策樹方法，以江南大學(xué)已參加網(wǎng)絡(luò)教育英語統(tǒng)考學(xué)生的相關(guān)數(shù)據(jù)為訓(xùn)練數(shù)據(jù)，在SPSS的Clementine 12.0數(shù)據(jù)挖掘環(huán)境中，通過對(duì)相關(guān)屬性的不斷精簡(jiǎn)，最終構(gòu)建了網(wǎng)絡(luò)教育本科英語統(tǒng)考成績(jī)的預(yù)測(cè)模型。該模型以“入學(xué)測(cè)試英語”“入學(xué)測(cè)試計(jì)算機(jī)”“大學(xué)英語二”“大學(xué)英語三”“已學(xué)課程平均”“在線學(xué)習(xí)情況”“學(xué)位英語”七個(gè)屬性為決策樹的形成因素，構(gòu)建的決策樹包含22個(gè)子節(jié)點(diǎn)，深度為7，預(yù)測(cè)的準(zhǔn)確度為80.84%。
Clementine環(huán)境中形成決策樹時(shí)獲得各屬性的重要性可以通過雙擊圖2中的“統(tǒng)考英語預(yù)測(cè)5”圖標(biāo)得到(見圖4)?！皩W(xué)位英語”對(duì)統(tǒng)考英語成績(jī)預(yù)測(cè)的重要性最大。究其原因，主要是兩者的考試要求較為接近，考試的題型和題量基本相同。學(xué)士學(xué)位的獲得比畢業(yè)要求更高。單純從考試難度而言，學(xué)位英語的難度要略高于統(tǒng)考英語。而從考試的形式而論，英語統(tǒng)考是完全基于在線題庫的全機(jī)考模式，學(xué)位英語是傳統(tǒng)的試卷筆試模式，并且有一定的考試范圍。對(duì)于成人學(xué)生而言，更加適應(yīng)傳統(tǒng)的筆試模式。因此綜合相比，兩者的考試難度相當(dāng)。如果達(dá)到了學(xué)位英語考試的要求，說明學(xué)生的英語總體水平上了一個(gè)臺(tái)階，英語統(tǒng)考通過的可能性自然增加。
網(wǎng)絡(luò)教育學(xué)生主要通過在線學(xué)習(xí)的形式完成課程學(xué)習(xí)，達(dá)到學(xué)習(xí)目標(biāo)。學(xué)生的在線學(xué)習(xí)情況直接反映了學(xué)生平時(shí)學(xué)習(xí)的狀態(tài)和態(tài)度，“在線學(xué)習(xí)情況”成績(jī)好，說明學(xué)生平時(shí)學(xué)習(xí)態(tài)度比較認(rèn)真，堅(jiān)持網(wǎng)絡(luò)學(xué)習(xí)，各項(xiàng)學(xué)習(xí)任務(wù)能按時(shí)按要求完成，英語統(tǒng)考通過的可能性就高。因此，在線學(xué)習(xí)情況對(duì)英語統(tǒng)考成績(jī)預(yù)測(cè)的重要性占第二位是合理的。
“大學(xué)英語三”和“大學(xué)英語二”是網(wǎng)絡(luò)教育本科學(xué)生的兩門英語課程。其中，“大學(xué)英語三”的課程要求與英語統(tǒng)考的考試大綱要求更為接近，兩者對(duì)英語單詞、語法、聽力、翻譯和寫作等分項(xiàng)的具體要求類似；而“大學(xué)英語二”的課程要求要低于英語統(tǒng)考。英語課程的學(xué)習(xí)是學(xué)生提高英語水平和通過英語統(tǒng)考的先決基礎(chǔ)條件，因而“大學(xué)英語三”和“大學(xué)英語二”對(duì)英語統(tǒng)考成績(jī)預(yù)測(cè)的重要性排在第三位和第五位是可以理解的。通過一系列恰當(dāng)?shù)拇胧┯行岣摺按髮W(xué)英語三”和“大學(xué)英語二”的學(xué)習(xí)效率和效果，尤其是前者對(duì)學(xué)生提高英語水平和英語統(tǒng)考的通過率意義深遠(yuǎn)。
在所有關(guān)聯(lián)屬性中，“已學(xué)課程平均成績(jī)”的重要性排在第四位。該屬性反映了學(xué)生網(wǎng)絡(luò)學(xué)習(xí)的最終效果。學(xué)生平時(shí)學(xué)習(xí)堅(jiān)持得好，投入的時(shí)間和精力多，課程的平均成績(jī)自然就好。與其相對(duì)應(yīng)，學(xué)生投入英語學(xué)習(xí)的時(shí)間也就相應(yīng)增多。這直接關(guān)系到英語的學(xué)習(xí)效果，最終影響英語統(tǒng)考的成績(jī)。
“入學(xué)測(cè)試大學(xué)英語”是試點(diǎn)高校針對(duì)就讀學(xué)歷教育學(xué)生入學(xué)組織的英語基礎(chǔ)水平測(cè)試，其成績(jī)反映了學(xué)生入學(xué)前的英語基礎(chǔ)水平，是后續(xù)英語學(xué)習(xí)的基礎(chǔ)，對(duì)于預(yù)測(cè)學(xué)生入學(xué)后的英語學(xué)習(xí)成績(jī)有一定的重要性，但不是關(guān)鍵因素，因?yàn)樗c后續(xù)學(xué)習(xí)情況關(guān)聯(lián)度更高。
“入學(xué)測(cè)試計(jì)算機(jī)”的成績(jī)直接反應(yīng)了學(xué)生入學(xué)前的計(jì)算機(jī)應(yīng)用水平。因?yàn)榫W(wǎng)絡(luò)學(xué)習(xí)主要是通過計(jì)算機(jī)網(wǎng)絡(luò)進(jìn)行課件學(xué)習(xí)、完成各類學(xué)習(xí)任務(wù)、參與學(xué)習(xí)討論和疑難問題解決等學(xué)習(xí)主要環(huán)節(jié)；英語統(tǒng)考的完成也需具備一定的計(jì)算機(jī)應(yīng)用能力。因此，計(jì)算機(jī)應(yīng)用水平對(duì)日常學(xué)習(xí)和英語統(tǒng)考的通過率具有一定影響，這是該屬性對(duì)英語統(tǒng)考預(yù)測(cè)具有一定關(guān)聯(lián)度的原因所在。
綜上所述，英語統(tǒng)考成績(jī)是對(duì)網(wǎng)絡(luò)教育本科學(xué)生英語學(xué)習(xí)效果的最終考核。我們所選取用于生成預(yù)測(cè)結(jié)果的七個(gè)屬性中，“入學(xué)測(cè)試英語”和“入學(xué)測(cè)試計(jì)算機(jī)”分別代表了學(xué)生的學(xué)習(xí)基礎(chǔ)；“在線學(xué)習(xí)情況”和“所學(xué)課程平均成績(jī)”分別代表了學(xué)生的學(xué)習(xí)狀態(tài)和整體學(xué)習(xí)效果；“大學(xué)英語二”和“大學(xué)英語三”是學(xué)生英語學(xué)習(xí)的階段性結(jié)果；“學(xué)位英語”是與英語統(tǒng)考同等重要的英語學(xué)習(xí)最終考核；將這七個(gè)屬性作為英語統(tǒng)考的預(yù)測(cè)依據(jù)是合理的。
除了兩個(gè)代表學(xué)生基礎(chǔ)的屬性外，另外五個(gè)屬性都是通過具體的學(xué)習(xí)過程形成的。通過最終的英語統(tǒng)考預(yù)測(cè)結(jié)果可以分析出學(xué)生在整個(gè)英語學(xué)習(xí)過程中的薄弱階段，從而進(jìn)一步分析決定學(xué)生英語學(xué)習(xí)各階段學(xué)習(xí)效果的學(xué)習(xí)行為，如網(wǎng)上學(xué)習(xí)的參與度、網(wǎng)絡(luò)學(xué)習(xí)次數(shù)、網(wǎng)絡(luò)學(xué)習(xí)時(shí)長(zhǎng)、網(wǎng)上提交作業(yè)情況、網(wǎng)上交互討論情況、學(xué)生前期考試行為等。通過對(duì)這些學(xué)習(xí)行為的統(tǒng)計(jì)、干預(yù)和預(yù)警提醒，同時(shí)，采取一系列有效的措施，特別是提高和完善對(duì)學(xué)生的教學(xué)管理、學(xué)習(xí)指導(dǎo)和支持服務(wù)，激發(fā)學(xué)生網(wǎng)絡(luò)學(xué)習(xí)的自覺性，可以提高在線學(xué)習(xí)效率和效果，提升學(xué)生各階段性結(jié)果的成績(jī)，最終提高英語統(tǒng)考通過率。而這也正是我們后續(xù)研究的重點(diǎn)。
隨著我國(guó)網(wǎng)絡(luò)教育的深入發(fā)展，個(gè)性化學(xué)習(xí)支持服務(wù)正越來越被重視和研究，各類應(yīng)用系統(tǒng)也正在逐步進(jìn)入開發(fā)和應(yīng)用階段(顧小清等，2012；吳永和等，2013)。個(gè)性化學(xué)習(xí)支持服務(wù)即運(yùn)用數(shù)據(jù)挖掘和數(shù)據(jù)分析技術(shù)，依據(jù)網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)已有的大量數(shù)據(jù)，關(guān)注學(xué)習(xí)者的學(xué)習(xí)背景、學(xué)習(xí)習(xí)慣、學(xué)習(xí)興趣和學(xué)習(xí)關(guān)注度等個(gè)性化因素與其學(xué)習(xí)效果的關(guān)聯(lián)度，對(duì)學(xué)習(xí)者網(wǎng)絡(luò)學(xué)習(xí)過程的主要環(huán)節(jié)進(jìn)行個(gè)性化提醒、學(xué)習(xí)指導(dǎo)、學(xué)習(xí)資源和學(xué)習(xí)方法推薦等學(xué)習(xí)支持服務(wù)。本研究所形成的學(xué)生網(wǎng)絡(luò)教育英語統(tǒng)考成績(jī)的預(yù)測(cè)結(jié)果可以作為學(xué)生英語學(xué)習(xí)和統(tǒng)考輔導(dǎo)的個(gè)性化服務(wù)依據(jù)。
作者簡(jiǎn)介：孫力，博士，江南大學(xué)人文學(xué)院教授，繼續(xù)教育與網(wǎng)絡(luò)教育學(xué)院副院長(zhǎng)，研究方向：網(wǎng)絡(luò)教育系統(tǒng)的構(gòu)建及開發(fā)(lisun@jiangnan.edu.cn)；程玉霞，江南大學(xué)人文學(xué)院碩士研究生。
轉(zhuǎn)載自：《開放教育研究》雜志2015年6月第21卷第3期
聯(lián)系客服
