影响青少年机器人学习效果客观因素的关联分析.docVIP

影响青少年机器人学习效果客观因素的关联分析摘 要：文章依据数据挖掘技术中的关联分析方法，使用R语言对影响青少年机器人学习效果的客观因素进行了分析。分析结果表明：在是否获得奖项作为学习效果划分标准下，机器人学习时间是检验其学习成果的关键规则。关键词：机器人学习； 关联分析；学习客观因素中图分类号：G40-057 文献标志码：A 文章编号：1673-8454（2015）02-0086-03一、引言2003年教育部颁布的高中技术课程标准中，把“人工智能初步”和“简易机器人制作”设为技术领域的选修模块，意味着我国的人工智能和机器人教育在大众化、普及化层面上进入了一个新阶段。[1]国内教育专家和学者们都认识到：以机器人技术为代表的人工智能技术是信息技术发展的一次重大飞跃，信息技术教育未来发展的趋势必然是向智能机器人教育转移。人工智能机器人教学集中承载着中小学信息技术教育的诸多核心价值，是全面培养学生信息素质、提高其创新精神和综合实践能力的良好载体。[2]截至2013年，青少年机器人教育仍以校外培训班和校内课后班为主，机器人教育还没有真正走进课堂。但据不完全统计，十年中辽宁省沈阳、大连、鞍山等市中小学校学生参加学习人数累计4万余人，在国际、国内（省级以上）比赛中相继获得不菲成绩（累计1000以上奖项）。在热情高涨的青少年机器人教育背后，不乏企业和培训机构的逐利动机，也不乏家长在子女教育问题上对舆论导向的盲从心理。如何分析机器人对青少年身心成长的影响是该领域必需正视的问题。由于信息素质、创新精神和综合实践能力衡量困难，机器人的比赛和获奖尤其是国际奖项就成为当前最好衡量标准。为验证影响机器人学习效果的因素，我们将影响学习效果因素按主客观划分，将主观因素分为学习的兴趣与知识水平（认知结构），学习过程中解决问题的学习能力或克服困难的坚韧力。其中青少年学习兴趣广泛，而知识水平，学习能力和坚韧性是相对有限的。因而客观因素的分析就显得更加重要。影响学习的客观因素种类较多，对学习过程也有重要影响。本文利用数据挖掘技术中的关联分析方法对影响青少年机器人学习成果的客观因素进行分析。二、关联分析关联分析（association analysis）是数据挖掘中一个重要的课题，被广泛研究。关联分析是在大量数据集中的发现关联性或相关性，描述事物中某些属性同时出现的规律和模式。[3] 关联分析与统计学中的相关分析均讨论事物间的相互关联。相关分析主要刻画两类平行关系变量间相关程度，是揭示不确定性的随机现象之统计规律的学科， 因此对于因素间具有不确定性的系统， 既可应用相关分析，也可应用关联分析。还有关联分析主要处理二分变量，并对其出现的频率进行分析，这一点区别于数据挖掘中的决策树分析。当然关联分析也可以对连续的变量进行离散化后分析。[4] 在关联分析中每一个观测称为事务或交易（transaction），数据集合称为项集（item），一个集包含k个项，则称为k项集。[5] 用X表示一个项目（前项或左项），Y表示与X没有交集的另一个项目（后项或右项），蕴涵式X≥Y表示X，Y同时出现的规则（rule）。X≥Y的支持度（support）：表示前项和后项在整个数据集中同时出现的频率，σ（Z）表示事务集Z的频数，TX，TY分别表示含有X和Y的事务集。supp（X≥Y）=；置信度（confidence）：支持度与前项频率之比，conf（X≥Y）==；提升（lift）：置信度与后项频率之比lift（X≥Y）=。关联分析代表性算法有：先验（Apriori）算法，频繁模式树（frequent pattern-growth，FP-growth）算法（R语言目前不支持）及频繁项集 （Eclat）算法。 [6]三、 数据说明影响青少年机器学习效果客观因素分析数据来源于整理后的近五年里辽宁省内沈阳、大连、鞍山三城市352名机器人学员1100笔记录（含个人几年内连续记录），如表1。变量包括：学员性别（gender：female，male）；机器人学习时间（time：1-6年）；机器人学习课堂融合程度（Integration：高high，中mid，低low）；父母的教育程度（研究生 postgraduate、大学college（本科、大专）、其他other，二人中取高学历）；学校学习成绩（academic performance， AP：优 best、良good、一般ok）；获奖（reward： yes， no 各种企业和政府组织省级以上比赛）。此外，还有一些观测变量统计困难。如家庭收入，家庭对孩子的教育方式，家庭和谐程度，上一代对家庭的照顾方式与程度，父母职业（由于同一职业内部差异较大不具有统计学上可辨别性，双亲不同职业对子女影响也无法考量），机器课堂学习成绩（不同的学习班有不同的教学内容和考核标准