数据挖掘技术在学生成绩分析中的应用

科 教 文 化
・１ ２ ９・
数据挖掘 技术在学 生成 绩分析 中的应用
刘春辉 １ 李 芳 ， ， ２ （、 １ 沈阳理 工大学信息与工程学院 。 宁 沈阳 １０ ６ ２ 北票市职教 中心计算机 系， 宁 朝 阳 １２ ０ ） 辽 １１８ 、 辽 ２ １０ 摘 要： 随着， 国内职业教 育规模扩 大， 学生的数量越来越 多， 充分地利 用这些数据 ， 其潜在 的使 用价值得到 充分的挖掘和利 用， 何 使 为学校 决策者提供 决策依 据 ， 学指 导教 学 ， 科 将是职 业学校 迫切 需要 解决的 问题 。本 文利 用现 有学生成绩数据库 ， 应用改进 的数据挖掘 Ａ ｆ ｆ 算法进行 了情况分类 ， ｐｏ ｉｉ 分析 结果 ， 出了“ 电一体化” 得 机 专业分课程之 间的影响学生成 绩的内部原 因， 为学校的教学管理提供参考。 关键词 ： 数据挖掘 ； 成绩分析 ； 关联 规则； ｐｉ ｉ算法 Ａ ｒｒ ｏ 首先对成绩表中的“ 成绩” 进行离散化处理 ， 具体分数的成绩按 二十一世 纪 以来 ， 国内在不 断扩大职业教 育规模 ， 成立 职业教 照百 分制 １ ０ ９ ０ ～ ０对应 “ ”８ ～ ０对 应 “ ”７ ０对应 … ，９ ６ Ａ， ８ ９ Ｂ ，９ ７ Ｃ’６ ～０ 育 中心 ， 学校规模不断扩 大 ， 专业设置 日趋多样化 ， 学校运行着各种 对应“ ，９ ０对应“ ” Ｄ”５ ～ Ｅ 五个具体分数段等级 。 为了找到具有较高典 系统和各类 数据库 ， 学生入 学后 的学籍管理 ， 教务处 的学生成 绩管 型性 的规则 ， 只对 “ ” “ ” “ ” Ａ 、Ｂ 、Ｅ 三个等级的成绩进行分析 ， 出影 找 理， 就业处对毕业生 的就业管理等 ， 都积 累了大量 的数据 。 如何充分 响成绩 的内在因素 ， 而分析 出课程之 间的先后 次序 ， 从 为我们制定 地利用 这些数据 ，使其潜在 的使用价值得到充分 的挖掘和利用 ， 是 合理 、 有效 的教学计划提供决策支持 。对于… 、Ｄ 两类成绩 ， Ｃ’“ ” 由于 职业学校在今后 的工作 中努力要解决 的问题 。 不 具 有 典 型性 ， 以 不 考虑 挖 掘 。 所 ２ 数 据 挖 掘 技 术 ３ 模 型 的选 定 ． ３ ２１数据挖掘 中关联规则方法 ． 分 析学生各科 目成绩的之间的影响关 系 ， 例如 ： 学生 “ 某 机械制 关联规 则挖掘是 在大量数据 中项集之 间发 现有趣 的关联或相 图” 优秀一车工技 能优 秀的关系 。 根据我们前 面分析学习 ， 在此我们 关联系 ， 一种 简单 却很 实用 的分 析规则 。满足 ｘ的数据库元组也 采用关联规则 中最著名的 Ａ ｆ ｆ算法。 是 ｐｏ ｉｉ 很可能会满足 Ｙ， 我们说这就是关联规则 的一般描述 。 ３４数据采集 ． 般地 ， 关联规则挖掘 问题可 以划分成两个子问题 ： （） １ 学生 调查信息 （ ） 现频 繁项 目集 １发 内容包 括任课教师 的平时考核 ， 对学 生调查问卷 ， 由学生填 写 通过 用户 给定 的 ｍ ｎｕ ｐ ｒ ｉｓｐ ｏｔ ，寻找所 有频 繁项 目集 （ｒｑ ｅ ｔ 产 生 。 Ｆｅ ｕｎ Ｉ ｍｓｔ， ｔ ｅ）即满足 ｓｐ ｏ ｅ ｕ ｐ ￣不小 于 ｍｉｓｐｏｔ ｎｕ ｐ ｒ的项 目集 。事实上 ， 这些 （） ２ 成绩数据库 频繁项 目集可能具有包含关系。 成绩数据库 中包括 了学生 的平 时作业成绩及课程 的考试成绩。 （ ） 成 关 联 规 则 ２生 这 个 数 据 库 由教 师在 教学 过 程 中产 生 。 子问题（ ） １是近年来关联规则挖掘算法研究的重点。 ３５数据 预处理 ． ２ ． ２关联规则挖掘算法 数据的预处理是数据挖掘过程 中一个非常重要的环节 ， 一般需 （ ） ｐ ｏ 算法 １Ａ ｆ ｆ ｉｉ 要用掉挖掘过程 中百分之七八十 的工作量 。经验表明 ， 如果数据准 充分 ， 在模型建立 阶段就会节省大量的精力 。 算法的第一次遍历仅仅 计算每个项 目的具体值 的数量 ， 以确定 备工作做得非常细致 、 频繁 １ 项集 Ｌ。 １随后 的遍历 ， ｋ 第 次遍历 ， 包括两个阶段。 首先 ， 使用 （ ） 据 集 成 １数 数 据 挖 掘 所 应 用 的数 据 如 果 来 自多 个 数 据 源 ， 需 要 进 行 数 据 就 第 （一 ） ｋ １次遍历 中找到的频 繁项集 ｋ 。 和根据 Ｌ一产生候选项集 。 ｋ ． 接 本研 究中 ， 将数据采集得 到的多个数据库文件 ， 利用数据库 着 扫描数据库 ， 计算 ｃ 中候选 的支持 度 ， 从而生成频 繁项集 。如 的集成 。 技术生成学生成绩分析基本数据库 １ 。随机抽取一些学生的专业课 此下 去 ， 直到不能找到维度更高 的频繁项集为止。 程（ 机械基础 ， 钳工工艺 ， 车工工艺 ） 的成绩 ， 如表 １ 。 （） ２ 基于链表 的 Ａ ｆ ｆ算法的改进 ｐｏ ｉｉ ｋ ｌ为机械基础 ，ｅ ｃ ｋ ２为钳工工艺 ，ｃ 为车工工艺。 ｋ３ 在经典的 Ａ ｆ ｆ基础上 ， 用新 的数据结构 ， ｐｏ ｉｉ 采 改进后 的算 法拟 采用 基于链 表的数据结 构 ， 链表涉及三种结点 ， 分别为项集头结点 、 （ ） 据 清 理 ２数 如 果 没 有好 的数 据 环 境 ， 不 会 有 好 的 挖 掘效 果 。 就 项结 点 、 事务结点 。 对数据库或者数据仓库只需要 进行 一次扫描 ， 这 在学生成绩分析基本数据库及调查表 中我们看到 ， 有一些我们 样就 可以避免 Ａ ｆ ｆ算法 中对数据库 的多次扫描 ， ｐｏ ｉｉ 减少 了大量 的 Ｉ ， 感兴趣 的属 性缺少属性值 ， 对于这些空缺 ， 以使用数据 清理技术 可 ０开销 ， 大大提高 了系统的性能 。 因为某位 同学 的缺考 链 表的一级 兄弟结点从左 到右按照 子集支持度 计数 的递 增顺 来填补 。我们发 现在我们所调用的成绩表 中， 还有的就是 问卷调查 ， 序排 列 ，这样 即使 １ 一项集很大 的情况下 ，也将 只产 生较少的候选 而导致值的空缺 ， 表 １学 生成 绩 分 析 基 本 表 １ ２ 项集 ，． 集再 产生更少 的候选 ３ ２项 一项集 等等 ，从 而提高了系统
一
一
１ 引言
０
８
Ｏ
４
Ｏ Ｏ ８
的性 能 。 ３ 方 案 实 施 实 例 ３１挖 掘 对 象 及 目标 ． 我校教务管 理系统成绩表 中存放 了近五年 的成 绩数据有 几十 万条 ， 如果我们 选取所有 的数 据作为挖掘对象 ， 么数据挖 掘的时 那 间会 太长 ， 规则也会很多 ， 最终用户将 面对着大量 的规则 。 大多数用
结 果 应 用 于 对 ３ ． ２具体分数成绩离散化
有的同学除了填写姓名外其余 的部分都是空 白， 因而要对这部 分数据进行清洗 。 在本例中 ， 采用忽略元组 的方法删除没有参加考试或学生填写
作者简介 ： 刘春辉 （９ ３ ） 辽宁省北票市职教 中心讲师 ， 宁省朝 阳市中学计 算机 学科 带头人 ， 于沈 阳理工 大学研 究生学院攻读 １７ 一 ， 辽 现
８ ８
８６
９ ０
８ ０
７０
７６
８５
６５
８ ６
９１
８２
９２
９０
８４
９ ０
户对 总体数据含有的规则并 不感兴趣 ， 他们 只关 心某些与 自己相关 的隐含规则。面对如此的情况 ， 本研究将采 取相 对细化的 区域进行 挖掘， 以学校 “ 电一 体化 ” 机 这个专业 的学 生成绩数据 为挖掘对象 ， 探讨 出课程之间影响的强弱 ， 以求得 到最合 理的规则。将挖掘 出的
工程硕士学位。
・ቤተ መጻሕፍቲ ባይዱ
２ ０ ２・
科 教 文 化
第三步 ， 调用另一个存储 过程 ， 计算 各子项 的支持度 ， ｆ 表 将 ｆ ｓ 的调查数据 中有大量的空缺项 的记录 。 中支持度计数小 于最小支持度的记 录删除 ， 得到最终的频繁项集 。 经过数据清理后 ， 总记录数为 ２ ８ 。 ４条 （） ６在求后继各频繁项 目集 时 ， 第一步产生候选 项 ， 第二步生成 （ ） 据 转 换 ３数 最后 ， 删除支持度计数小 于最小支持度 的记 录。 直到求 在对学生成绩进行关 联分析挖掘时 ， 要逻辑 型数 据 ， 以应 频繁项 目集 。 需 所 若发现某候选项集 的数 目为零 ， 则停止运算 。 把学生成绩表的数据转换成布尔型表示 ， 因为挖掘 的是各学科之间 出所有 的频繁项 目集 ， 输出所有项 目的频繁集。 的优秀关系 ， 以 ９ 以上字段值为“ ” 表示 事务中存 在该 项 ， 所 ０分 １， 为 最后 ， （） ７ 计算最终频 繁项集 的各非空子集 的置信 度 ， 删除小于最小 …’ ， ０ 时 表示事务中不存在该项 。 置信度 阈值 的记录 ， 最终产生规则 ， 存入规则数据表 。 将表 ｌ 转化为关联规则算法便于处理的格式 ， 如表 ２ ： 要对上述表 中的优秀课 程进 行关联规则挖掘 ， 需要给出支持度 表 ２ 学 生成 绩 分 析 逻辑 数 据 表 和置信度。假定最小支持度为 ３ ％、 ０ 置信度为 ５ ％时 。 ０ （ ）ｃ 、ｃ １ｋ １ｋ ２同时优秀时 ，ｃ 有大于 ７ ％的优秀 的可能 ； ｋ３ １ （ ）ｃ 、ｅ ２ｋ ｌｋ ３同时优秀时 ，ｃ 有大于 １０ ｋ２ ０ ％的优秀的可能 ； （ ）ｅ 、ｅ ３ｋ ２ ｋ３同时优秀时 ，ｅ 有 大于 １０ ｋｌ ０ ％的优秀的可能 ； （ ）ｅ 优秀时，ｅ 、ｅ ４ｋ ｌ ｋ ２ ｋ３有大于 ７ ％同时优秀的可能 ； １ （ ）ｃ ５ ｋ２优秀时 ，ｅ 、ｃ ｋ ｌｋ３有大于 ５ ％同时优秀的可能 ； ０ （ ）ｃ ６ ｋ３优秀时 ，ｃ 、ｅ ｋ ｌｋ２有大于 ８ ％同时优秀的可能。 ３ 从 上述 运行结果来看 ， 我们 可以得到下 面的潜在 的关联 ： 一些 课程间存在一些联 系 ， 它们是相互影 响的 ， 一些课 程成绩 的好 坏直 将连续 的成绩值转换 为离散值属性 （ 即离散化 ） 将学生本学期 接影响另一些课程成绩的好坏 ，当然这个结论仅对本样本有效 ， 。 如 的综合评定成 绩属性 的所有 值按 ０ ７ 、０分一 ０ 、０分 以上 果本数据非 常之 大 ，我们 就可以将关联分析结论作 为挖掘 出的知 ～ ０分 ７ ８分 ８ 划 分成 “ ” “ 般 ” “ 差 、一 、 良好 ” 类 。 三 识。 并期望用所获得的知识指导学生的学 习及今后 的教学工作。同 从 而将 学生调查信息与本学期考试 成绩生成学 生成绩分析基 时我们还可 以对学生成绩数据 表的不及格课程进行关联规则挖 掘。 本 数据库 ２ 如表 ３ ， ： 另外 ， 在高等教育与学生籍贯 、 学生年龄 、 教师学历 、 师测评 结果 、 教 表 ３ 学 生 成 绩分 析 基 本 数 据 表 ２ 教师的教学方法适合哪一种学 生或哪门课程 、 合理设置学生课程与 安排课程表等方 面存在的相关性等分析都适用 Ａ ｒ ｒ算法 。 ｐｉ ｉ ｏ ３ ． ６挖掘结果 我们以学生成绩库 中的学生成绩数据为样本 ， 使用第 三章 提出 的改进 的 Ａ ｒ ｒ算法进行挖掘得到的部分结果如表 ５ ｐｉ ｉ ｏ 。 部 分 挖 掘结 果 ：