数据挖掘技术在成绩预警中的应用.docVIP

数据挖掘技术在成绩预警中的应用 　　摘 要：近年来，许多职校教育工作者利用数据挖掘技术去研究教学数据库中的相关数据，并获得很多有价值的信息。本文使用数据挖掘做关联规则技术来研究学生不及格科目间的关联性并给出成绩预警的理论化模型来为教学管理者及早发现“学困生”提供一个途径。 　　关键词：数据挖掘；关联规则；算法 　　大家都知道，一个高等数学不及格的学生有可能概率分析也不及格。针对这种现象带给我们的启示是：我们是不是能从大量的学生成绩数据库中挖掘出成绩间的关联问题，构建出一个比较完善的预警机制。目前，很多学校针对“学困生”进行监管和帮扶，如果我们能根据“学困生”前期的课程成绩分析出他有可能哪门课程不及格，由此对他进行介入监管，那么这样将会是一件非常有意义的工作。 　　一、关联规则概述 　　关联是指两个或多个变量取值上存在某种规律性。可对关联规则进行以下形式化描述：设假设I={I1，I2...Im}是m个不同的项的集合。给定一个数据库D，其中每一个事务（Transaction）t是I的非空子集，即，每一个交易都与一个唯一的标识符TID（Transaction ID）对应。关联规则在D中的支持度（support）是D中事务同时包含X、Y的百分比，即概率；置信度（confidence）是D中事务已经包含X的情况下，包含Y的百分比，即条件概率。如果满足最小支持度阈值和最小置信度阈值，则认为关联规则是有效的。这些阈值是根据挖掘需要人为设定。 　　二、建立分析数据源 　　对不及格学生进行数据挖掘的前提是有大量有效的数据。我从天津市机电工业学校14级中职生原始数据表进行挖掘，并对其进行了预处理。 　　（一）对无用记录和字段进行删除 　　进行数据挖掘之前要筛选出有用的数据，这里我们数据挖掘的目的是?Σ患案竦难?生进行分析，所以我们第一步要删除及格学生的全部记录，以及涉及到的相关字段。由于原始表中不是所有的字段都对数据挖掘有用，我们通过投影操作只选择学号、课程号、成绩三个字段。 　　对照中职生培养方案中的教学计划我们挑选出10门主干课程进行挖掘研究，并给这十个课程用A～J进行标识，如表1所示。并且在原始表中保留10个值的记录，其他记录做删除处理。 　　（二）创建预处理数据表 　　因为表中数据已经为全部不及格学生的成绩了，所以不需要再进行离散化操作，只要对不及格成绩的课程进行简单标识即可。为了更加明晰，将“课程号”字段及“成绩”字段进行合并为“课程成绩”字段，其结果表示的是不及格课程所对应的标识。例如，用A表示“线性代数不及格”。数据表形式如图3。 　　通过上述预处理操作可以得到如图3的待处理数据，但是我们需要的数据表应该为按照学号的顺序进行排列的数据表，因此我们要先创建表结构，并将相关数据进行同值归并的原则填充到里面。在进行数据输入时要将“学号”字段对应的“课程成绩”字段的值放入数据表中，生成只包含不及格成绩的数据表。 　　三、建立和分析成绩预警模型 　　使用WEKA软件对不及格成绩的数据表进行挖掘，得出关联结果如表3所示。在这里设置最小置信度为0.1，最小支持度为0.4，得到关联规则生成的预警系统模型图5。 　　一是H，I，J间有极高强关联性。这三门课程是数据结构，数据库原理和数据库应用。当一个学生其中任意两门不及格时，另外一门不及格的概率有70%。因此，这就指导我们教务人员在排课程的时候要注意不要同一学期安排这3门课程，让学生避免出现同时挂科的现象。例如，可以把造成成绩预警中置信度最高的数据结构安排在第二学期，将数据库应用和数据原理分别安排在第三学期和第四学期。通过实践发现，这对早期发现“学困生”起到了积极的作用，并且对其学习态度纠正起到了正向的作用。 　　二是该模型不但可以在学生出现一门不及格的情况下对其本人发出预警，还能提示后续课程学习时哪些课程有可能不及格需要重点进行学习。 　　三是I课程在预警中产生的次数最多，由此我们可以看出来数据库原理是计算机专业在低年级比较容易发生问题的一个关键课程。因此在教学管理中要将该课程作为重点课程进行质量监督和定期检查。 　　四是在最小置信度为0.1，最小支持度为0.4的条件下，并没有出现A==B和C==D这种规则，这似乎有些不合常理，但也说明像语文、数学、英语等基础学科只要努力学习就可以摆脱原来成绩的影响。由于进校时学生入学成绩有高有低，有的学生可能初中的时候基础比较薄弱，从预警模型分析可以得出，对后面课程学习没有绝对的影响，只要努力学习完全可以摆脱后进生队伍。这对鼓励那些进校分数较低的学生提供了科学的理论依据。 　　四、结束语 　　本文对不及格学生数据库应用数据关联规则进行数据挖掘并建立成绩预警模型进行监管，对提早发现“学困生”起到了积极的作用。