基于物联网专业课学习兴趣度的关联分析研究.docVIP

基于物联网专业课学习兴趣度的关联分析研究 　　摘要：物联网作为近年来的新兴本科教育专业备受关注。本文研究团队作为教育一线的老师，通过总结近几年来物联网专业学生的各类基础课、专业课的学习状况和成绩，并结合学校现有的物联网专业教学资源平台，进行了深入的研究。通过关联分析物联网专业各个年级的学生成绩和实践能力等指标，可以更好地指导学生专业学习并选择适合自己的专业方向和就业能力的培养。 　　关键词：物联网专业；学习兴趣度；关联分析 　　中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）19-0267-02 　　一、物联网专业课程体系 　　物联网是计算机和互联网技术的延伸和发展，促进了互联网的进一步完善。物联网具有信息感知等基本功能，并在感知技术的基础上发展了交互技术，促进了物联网技术的不断成熟。[1]“物联网技术”是湖北工业大学计算机学院在“十三五”规划时期新开设的专业，在2016年学院进一步完善了的“物联网技术专业本科培养方案”，并对物联网专业学生进行导师指导制，在大三以后的学习中按照自己的专业兴趣度选择物联网专业小方向。此次的创新改革体现了将创新性课程且符合信息产业新需求、培养创新性人才等目标。课程创新规划旨在以工程技术为主线，着力提高学生的工程意识、工程素质与工程实践能力，培养能够满足物联网产业未来发展需要、适应和引领未来的物联网发展方向的工程师。[2] 　　二、关联分析物联网专业的学生数据 　　关联分析是数据挖掘中十分重要的一种方法，其中Apriori算法作为关联分析的主要应用方法已经十分稳定成熟。Apriori算法的基本思想是：第一步先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。接下来使用第一步找到的频集所产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。总的来说：首先找出支持度大于最小支持度的项集；然后使用该项集产生的期望规则；接着对项集进行连接、剪枝；最后得出频繁项集。[3-5]当前普遍存在一个现象：大学所培养出来的大学生与企业的期望往往不相符，学生质量在不断下降，很重要的一个原因就是就是学生没有选择好自己的就业方向，不能很好地了解自己。 　　物联网专业可以大致分为硬件和软件两个方向。为了让学生了解自己适合哪个就业方向，我们可以对学生的各科成绩及科目偏科的方向来进行分析，从数据中找出一些规律，?亩?指导学生进行对未来就业方向的选择。以下关联分析数据为本校2012级物联网专业的100位同学在大学前两个学年的专业课（C语言，数据结构，数字电路以及模拟电子技术）的原始成绩为研究样本。我们将通过Apriori算法对物联网专业的学生从大一开始的专业课成绩进行分析，帮助他们确定大学后两年的专业侧重方向，在专业课学习中发挥自己最大的兴趣度和能力。经过关联规则的初步分析如表1所示。 　　支持度计算（设支持度阈值为0.5），support：C语言：11/20=0.55；support：数据结构：15/20=0.75；support：数电：15/20=0.75；support：模电：17/20=0.85； 　　置信度计算 　　confidence（模电，C语言）=0.529 confidence（数据结构，C语言）=0.714 　　confidence（模电，数据结构）=0.706 confidence（数电，C语言）=0.315 　　confidence（数电，模电）=0.8 confidence（数据结构，数电）=0.311 　　confidence（模电，数电）=1 confidence（数据结构，模电）=0.414 　　confidence（C语言，数据结构）=0.72 confidence（C语言，模电）=0.215 　　confidence（数电，C语言）=0.467 　　经整理得到表2的结果。 　　由此我们可以得出：模电和数电关联度比较高，是偏硬件方向的，C语言和数据结构关联度比较高，是偏软件方向的，所以模电和数电成绩相对好的可以选择硬件方向，C语言和数据结构成绩相对较好的同学可以选择软件方向的。 　　三、结语 　　当前普遍存在一个现象：大学所培养出来的大学生与企业的期望往往不相符，学生专业知识不符合工作需要，其根本原因在于大多数学生没有选择好自己的方向，学生在大学专业课学习的重要环节不能很好地将自己兴趣度与专业相结合。因此本文使用Apriori算法对物联网专业的学生从大一开始的专业课成绩进行分析，帮助他们确定