崔新春， 王 婧， 崔秀明， 劉永林， 田維柱

(曲阜師范大學(xué) 1. 信息科學(xué)與工程學(xué)院 2.招生就業(yè)處, 山東 日照 276826)

0 引言

目前我國(guó)對(duì)學(xué)困生的研究主要針對(duì)的是中小學(xué)生，很少涉及到高校學(xué)生。然而大學(xué)生作為一個(gè)特殊的社會(huì)群體，他們朝氣蓬勃、富有理想，是社會(huì)的精英、國(guó)家的棟梁、民族的希望。對(duì)他們培養(yǎng)的不合格會(huì)影響學(xué)生的一生，也會(huì)影響整體的教育質(zhì)量，甚至影響國(guó)家的發(fā)展命運(yùn)，因此對(duì)高校學(xué)困生的研究也應(yīng)是不容忽視的重要問題。

1) 學(xué)困生概念的厘定

自1963年，美國(guó)特殊教育學(xué)家Kirk第一個(gè)提出“學(xué)業(yè)不良”LD (Learning Disabilities)的概念之后,該概念受到教育界和心理界的廣泛關(guān)注。近四十年來(lái)的研究，使人們對(duì)學(xué)習(xí)存在障礙或?qū)W習(xí)存在困難的學(xué)生有了較深入的認(rèn)識(shí)。然而目前在“學(xué)業(yè)不良”的界定上，國(guó)際上仍沒有統(tǒng)一的標(biāo)準(zhǔn)。在美國(guó)，被廣泛認(rèn)可的定義是由美國(guó)學(xué)習(xí)困難聯(lián)邦委員制定的，他們把學(xué)習(xí)困難定義為：理解或運(yùn)用語(yǔ)言、讀、寫、推理和計(jì)算等方面能力的缺乏[1]。這一概念包括知覺缺陷、腦損傷、輕微腦功能失調(diào)、發(fā)展性失語(yǔ)癥等，但不包括視覺、聽覺或運(yùn)動(dòng)缺陷、智力落后、環(huán)境、文化及經(jīng)濟(jì)不利等因素造成的“學(xué)業(yè)不良”。

我國(guó)關(guān)于“學(xué)業(yè)不良”的研究起步較晚,80年代以來(lái)研究者對(duì)于這一群體的相關(guān)稱謂不盡統(tǒng)一,如“學(xué)習(xí)障礙”、“學(xué)習(xí)失能”、“學(xué)習(xí)困難”、“學(xué)業(yè)不良”等。根據(jù)我國(guó)的國(guó)情，國(guó)內(nèi)對(duì)于學(xué)困生的研究主要關(guān)注的是學(xué)生的學(xué)習(xí)結(jié)果(學(xué)習(xí)成績(jī))，現(xiàn)今在學(xué)術(shù)界主要持有“學(xué)業(yè)不良的絕對(duì)性，學(xué)業(yè)不良的相對(duì)性” 這兩方面的觀點(diǎn)[2]。“學(xué)業(yè)不良的絕對(duì)性”是指那些身心健康，智力正常，但是學(xué)習(xí)成績(jī)沒有達(dá)到教學(xué)大綱的最低標(biāo)準(zhǔn)者；而“學(xué)業(yè)不良的相對(duì)性”是指身心健康的情況下，學(xué)習(xí)成績(jī)和其智力的潛在能力的差異。

截止到今天，有關(guān)學(xué)業(yè)困難的討論和研究仍在繼續(xù)，但在理論上對(duì)“學(xué)業(yè)不良的相對(duì)性”理念得到了基本的認(rèn)同。由于研究者根據(jù)現(xiàn)行的教育體系，將“學(xué)業(yè)不良”的具體界定概括為三種類型[3]：①學(xué)習(xí)成績(jī)未達(dá)到合格標(biāo)準(zhǔn)者(即學(xué)校規(guī)定學(xué)生達(dá)到的最低合格水平)；②學(xué)生的學(xué)習(xí)成績(jī)與其潛在的智力能力具有一定的差距者；③因其心理出現(xiàn)了某些問題，身心出現(xiàn)障礙，沒有能發(fā)揮出自己潛在的能力者。因此，我們對(duì)“學(xué)業(yè)不良”的相對(duì)性定義為:當(dāng)前學(xué)業(yè)能力還沒有發(fā)揮出自身學(xué)習(xí)的潛在能力。存在這種現(xiàn)象的各個(gè)群體中包括個(gè)體本身學(xué)習(xí)成績(jī)比較差；還包括學(xué)習(xí)成績(jī)還行，但可以發(fā)揮得更好或是還沒發(fā)揮出潛能的學(xué)習(xí)者；另一個(gè)可能是存在著智力與成就之間的客觀差異，或是學(xué)習(xí)者自身存在的的主觀意向，處于一種感覺自己能力高卻沒有發(fā)揮出自己潛能的狀態(tài)，而對(duì)自己的表現(xiàn)不是很滿意[4]。

基于上述分析，在本文的研究中，主要以大學(xué)生這一群體作為研究對(duì)象，采用上海教育科學(xué)研究院吳增強(qiáng)教授的定義，即“學(xué)習(xí)困難的學(xué)生是指智力正常，學(xué)習(xí)效果低下，未達(dá)到學(xué)校教育規(guī)定的基本要求的學(xué)生”。因此在本文中我們把學(xué)習(xí)成績(jī)作為學(xué)困生的主要參考標(biāo)準(zhǔn)。

2) 歸因理論

所謂歸因，是指人類的一種普遍需要，生活中的我們每個(gè)人都有一套從自身經(jīng)驗(yàn)所總結(jié)出來(lái)的行為原因與其行為之間的聯(lián)系的看法和觀念。1958年，海德(Heider)在他的著作《人際關(guān)系心理》中，提出了歸因理論。歸因理論最初只包含一個(gè)維度，即控制點(diǎn)(Locus Of Control)。之后，美國(guó)心理學(xué)家維納(B. Weiner)，對(duì)行為結(jié)果的歸因進(jìn)行了系統(tǒng)的總結(jié)，并把歸因定義為三個(gè)維度：內(nèi)部歸因和外部歸因(Internal Attribution, External Attribution)、穩(wěn)定性歸因和非穩(wěn)定性歸因(Stability Attribution, Unstability Attribution)、可控制歸因和不可控制歸因(Control Attribution, Uncontrollable Attribution)。

近年來(lái)，隨著我國(guó)高等教育教學(xué)質(zhì)量的提升，教育部門和各高校也加強(qiáng)了相應(yīng)的研究，其中對(duì)于影響大學(xué)生成績(jī)因素的相關(guān)研究成果也愈加豐富。文獻(xiàn)[5]認(rèn)為大學(xué)生的上課出勤率，對(duì)期末考試成績(jī)具有明顯的正面影響。文獻(xiàn)[6]認(rèn)為大學(xué)生的學(xué)習(xí)觀及其內(nèi)生動(dòng)機(jī)、一般自我效能感、學(xué)習(xí)效能感與期末考試成績(jī)存在明顯的正相關(guān)關(guān)系，與其外生動(dòng)機(jī)多呈現(xiàn)為負(fù)相關(guān)關(guān)系。文獻(xiàn)[7]認(rèn)為學(xué)生個(gè)體城鄉(xiāng)間的教育質(zhì)量差異較為明顯。傳統(tǒng)的家庭因素依然對(duì)成績(jī)型教育有著較大的影響，非傳統(tǒng)家庭因素對(duì)學(xué)生學(xué)業(yè)成績(jī)的影響也比較大。文獻(xiàn)[8]發(fā)現(xiàn)積極情感因素中的師生關(guān)系、自尊心、學(xué)習(xí)興趣等因素和消極情感因素中害怕任務(wù)太難的焦慮、害怕犯錯(cuò)被批評(píng)的焦慮以及擔(dān)心犯錯(cuò)而不敢參加語(yǔ)言活動(dòng)的抑制心理，均對(duì)學(xué)生成績(jī)有著明顯的影響。然而，這些研究多從單一方面出發(fā)，缺乏整體考慮和分析，為此本文引入了多個(gè)變量，就個(gè)人主客觀因素與其學(xué)習(xí)成績(jī)之間的關(guān)系進(jìn)行了探討。本文主要從“性別”、“是否戀愛”、“是否參加社團(tuán)和學(xué)生會(huì)”、“上課玩手機(jī)的時(shí)間”、“作業(yè)完成情況”和 “課堂學(xué)習(xí)效果”6個(gè)方面，探討它們與學(xué)習(xí)成績(jī)之間的關(guān)系。

本文首先對(duì)學(xué)困生的概念做一個(gè)概述，詳細(xì)介紹國(guó)內(nèi)外有關(guān)學(xué)困生的研究現(xiàn)狀及其發(fā)展背景；其次搜集了研究數(shù)據(jù)，從中篩選出了學(xué)困生；最后對(duì)學(xué)困生進(jìn)行歸因分析，并采用ID3決策樹算法，對(duì)影響學(xué)困生的因素進(jìn)行了深度分析。得出學(xué)生課堂學(xué)習(xí)效果是影響學(xué)困生的主要因素。

1 數(shù)據(jù)來(lái)源及學(xué)困生的篩選

本文的研究對(duì)象是我校信息科學(xué)與工程學(xué)院某專業(yè)的四屆368名畢業(yè)生。因?yàn)檠芯繉?duì)象均為高校學(xué)生，所以他們均接受過(guò)入學(xué)體檢，這就保證了他們不存在智力缺陷的問題。首先我們從學(xué)校教務(wù)處那里獲得了他們每個(gè)學(xué)期期末考試成績(jī)，并將其作為實(shí)驗(yàn)數(shù)據(jù)。然后我們通過(guò)網(wǎng)絡(luò)，在聊天群里讓他們填寫了調(diào)查問卷(我們向其保證調(diào)查問卷僅用于本次研究，不會(huì)向外泄露他們的任何信息)，為了保證問卷的真實(shí)可靠性，并與我們獲得的數(shù)據(jù)進(jìn)行匹配，調(diào)查問卷采用記名的方式。對(duì)于影響學(xué)生成績(jī)的因素，我們選了如表1所示的幾個(gè)有代表性的問題進(jìn)行了調(diào)查。最后，通過(guò)仔細(xì)的核對(duì)，得到了340份有效的調(diào)查問卷。

表1 高校學(xué)習(xí)情況調(diào)查表

(注：是否戀愛與是否參加社團(tuán)這兩項(xiàng)的回答為填寫是或否；上課玩手機(jī)時(shí)間填5分鐘、5-15分鐘或>15分鐘；作業(yè)完成情況填全部完成、基本完成或部分完成；課堂學(xué)習(xí)效果填很好、一般或較差。)

收集這些數(shù)據(jù)的目的在于找出我們定義的學(xué)困生，并分析導(dǎo)致學(xué)生學(xué)業(yè)困難的原因。此過(guò)程既可以人工手動(dòng)實(shí)現(xiàn)，也可以編程自動(dòng)實(shí)現(xiàn)。若篩選的數(shù)據(jù)量相對(duì)較小，則手動(dòng)篩選相對(duì)簡(jiǎn)單；若篩選的數(shù)據(jù)量較大，則借助編程的方式來(lái)實(shí)現(xiàn)篩選。由于我們采集到的有效調(diào)查問卷只有340份，數(shù)據(jù)量并不大，因此我們并不需要用編程實(shí)現(xiàn)篩選。

具體步驟如下：首先將從教務(wù)處得到的研究對(duì)象的期末考試成績(jī)導(dǎo)入Excel表中；然后計(jì)算他們的平均成績(jī)；最后利用Excel自帶的篩選功能，按期末成績(jī)平均分“小于60”、“大于等于60且小于75”、“大于等于75且小于90”和“大于等于90”的條件篩選，并將其定義為“優(yōu)良中差”四類學(xué)生。我們將期末成績(jī)平均分小于60的學(xué)生定義為學(xué)困生。接下來(lái)對(duì)這些學(xué)困生進(jìn)行歸因分析。

2 學(xué)困生成績(jī)的歸因分析

2.1 決策樹

決策樹是以實(shí)例學(xué)習(xí)為基礎(chǔ)的一種算法。它需在一組無(wú)順序、無(wú)規(guī)律的數(shù)據(jù)中，推理并判斷出決策樹表現(xiàn)形式的分類規(guī)則。通常，我們所提到的決策樹分為兩種：一種是對(duì)分類型輸出變量實(shí)現(xiàn)分類的分類決策樹，簡(jiǎn)稱分類樹；另一種是對(duì)數(shù)值型輸出變量實(shí)現(xiàn)預(yù)測(cè)的回歸決策樹，簡(jiǎn)稱為回歸樹。兩者分類預(yù)測(cè)所實(shí)現(xiàn)形成的決策樹是一種類似于流程圖的結(jié)構(gòu)。它將分類和預(yù)測(cè)的結(jié)果都體現(xiàn)在葉節(jié)點(diǎn)上[9,10]，如圖1所示。

圖1 決策樹算法流程圖

決策樹算法主要是用新變量以圖形或文本的表現(xiàn)形式，來(lái)描述或預(yù)測(cè)數(shù)據(jù)的一種算法。它采用自頂向下的遞歸方法，對(duì)輸入樣本訓(xùn)練集進(jìn)行分類學(xué)習(xí)。決策樹的主要算法包括：ID3算法、C4.5算法和CART算法。由于ID3算法是決策樹算法中最具有影響力的算法，因此本文采用ID3算法進(jìn)行數(shù)據(jù)挖掘。

1) ID3決策樹算法

ID3算法是一種貪心算法，它采用自上而下、分而治之的遞歸方式構(gòu)造一棵決策樹。ID3算法的核心內(nèi)容是:在決策樹各級(jí)節(jié)點(diǎn)上用信息增益(Information Gain)作為屬性的選擇標(biāo)準(zhǔn)來(lái)選擇屬性，使得我們?cè)诿恳粋€(gè)非葉子節(jié)點(diǎn)都能夠獲取被測(cè)試記錄的最大類別信息。

決策樹的分枝準(zhǔn)則，是構(gòu)建一個(gè)決策樹所面對(duì)的核心問題[11,12]。ID3決策樹以信息增益率為標(biāo)準(zhǔn)來(lái)確定最佳分組變量和分割點(diǎn)。其具體方法是：檢測(cè)所有的屬性，選擇信息增益最大的屬性產(chǎn)生決策樹節(jié)點(diǎn)，并由該屬性的不同取值建立分支，然后再對(duì)各分支的子集遞歸調(diào)用該方法建立決策樹節(jié)點(diǎn)的分支，直到所有子集僅包含同一類別的數(shù)據(jù)為止。最后得到一棵決策樹，它可以用來(lái)對(duì)新的樣本進(jìn)行分類。

(1)通過(guò)計(jì)算每個(gè)屬性的信息增益，比較它們的大小，從而獲得具有最大信息增益的屬性。設(shè)S是數(shù)據(jù)樣本的集合，假設(shè)類標(biāo)號(hào)屬性具有m個(gè)不同值，并定義m個(gè)不同類Ci(i=1,2,…,m)。設(shè)Si是類Ci中的樣本數(shù)。對(duì)一個(gè)給定的樣本分類，所需的期望信息如下：

(1)

其中Pi=Si/S是任意樣本屬于Ci的概率。

(2)設(shè)屬性A具有v個(gè)不同值{a1,a2,…,av}。可以用屬性A將S劃分為子集{s1,s2,…,sv}，其中sj上的樣本在屬性A上具有相同的值aj(j=1,2,…,v)。設(shè)Sij是子集Sj中類Ci的樣本數(shù)，由A劃分的子集的熵或信息期望如下所示：

(2)

熵值越小說(shuō)明子集劃分的純度越高。

(3)對(duì)于給定的子集s，其信息期望為

(3)

上式中Pij=sij/s，是Sj中樣本屬于Ci的概率。

(4)在屬性A上分支將獲得的信息增益是：

Gain(A)=I(s1,s2,…,sm)-E(A)

(4)

2) ID3算法的偽代碼描述

ID3formtree(Y，Y_attribute list)如下：

(1)創(chuàng)建根節(jié)點(diǎn)N；

(2)If Y都屬于同一個(gè)類M then返回N作為葉節(jié)點(diǎn)，以類M標(biāo)記；

(3)If Y_attributelist為空，則返回N作為葉節(jié)點(diǎn)，標(biāo)記為Y中出現(xiàn)最多的類；

(4)For each Y_attribute list中的屬性，計(jì)算信息增益Gains；

(5)N的測(cè)試屬性test_attribute=Y_attribute list中具有最高信息增益的屬性；

(6)For each test_attribute的取值{

由節(jié)點(diǎn)N長(zhǎng)出一個(gè)新葉節(jié)點(diǎn)；

If 新葉節(jié)點(diǎn)對(duì)應(yīng)的樣本子集Y’為空

則不再分裂此葉節(jié)點(diǎn)，將其標(biāo)記為Y中出現(xiàn)最多的類；

else

在該葉節(jié)點(diǎn)上執(zhí)行ID3formtree(Y'，Y_attributelist)，

對(duì)它繼續(xù)分裂}.

其中，設(shè)Y代表當(dāng)前樣本集，用Y_attribute list表示當(dāng)前候選屬性集，侯選屬性集中的所有屬性都為離散型(連續(xù)型必需事先經(jīng)過(guò)預(yù)處理轉(zhuǎn)化為離散型)。

決策樹的生長(zhǎng)過(guò)程將反復(fù)上述過(guò)程，并不斷對(duì)樣本進(jìn)行分組，直到整個(gè)樹各分支的繼續(xù)分組不再有意義為止，一棵完整的決策樹就形成了。該過(guò)程是一種“貪心”搜索過(guò)程[13]。

2.2 學(xué)習(xí)成績(jī)的歸因分析模型

本節(jié)以學(xué)校教務(wù)處獲得的數(shù)據(jù)和調(diào)查問卷獲得的數(shù)據(jù)作為訓(xùn)練樣本集，采用ID3算法獲得相應(yīng)的決策樹，通過(guò)有效數(shù)據(jù)處理，生成預(yù)測(cè)模型，對(duì)學(xué)困生成績(jī)的影響因素進(jìn)行挖掘分析。通過(guò)慮樣本數(shù)量及其代表因素的情況，對(duì)課堂學(xué)習(xí)效果和作業(yè)完成情況等屬性進(jìn)行分析，研究這些屬性與學(xué)困生成績(jī)之間存在的內(nèi)在聯(lián)系。

1) 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘中的一個(gè)重要步驟。因?yàn)楝F(xiàn)在的數(shù)據(jù)可能是臟數(shù)據(jù)并且有些數(shù)據(jù)缺失，或一些數(shù)據(jù)的格式不適用于決策樹算法，因此我們需要對(duì)這些原始數(shù)據(jù)進(jìn)行預(yù)處理。即對(duì)臟數(shù)據(jù)進(jìn)行數(shù)據(jù)清除，對(duì)缺失的進(jìn)行填補(bǔ)，對(duì)冗余的數(shù)據(jù)進(jìn)行集成和刪選以及對(duì)不符合格式的數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換。

本文的研究對(duì)象在統(tǒng)計(jì)的數(shù)據(jù)中籍貫是山東的學(xué)生占比為90%以上，因此這個(gè)屬性不具有辨識(shí)性，為了提高數(shù)據(jù)挖掘的效率，我們把這個(gè)屬性刪除。在調(diào)查時(shí)出現(xiàn)的缺失值，我們進(jìn)行了補(bǔ)充但是帶有部分主觀性，因此我們采用隨機(jī)插補(bǔ)的方法來(lái)消除補(bǔ)充缺失值的主觀性。

用于挖掘?qū)W困生的屬性較多，而我們所獲得數(shù)據(jù)有限，為了便于決策樹模型的建立，我們選擇了其中與成績(jī)相關(guān)較大的“性別”、“是否戀愛”、“是否參加社團(tuán)和學(xué)生會(huì)”、“上課玩手機(jī)的時(shí)間”、“作業(yè)完成情況”和 “課堂學(xué)習(xí)效果”這幾個(gè)屬性，作為判別學(xué)困生的依據(jù)，生成新的學(xué)生成績(jī)基本數(shù)據(jù)表。如表2所示，經(jīng)過(guò)數(shù)據(jù)預(yù)處理后，有效的學(xué)生記錄共有340條。為了后面可以更好地對(duì)決策樹模型進(jìn)行評(píng)估預(yù)測(cè)，在這里預(yù)留了三分之一的記錄作為測(cè)試數(shù)據(jù)，三分之二的記錄作為建決策樹模型所需的訓(xùn)練集，共220條記錄。

2) 決策樹模型的建立

將從教務(wù)處獲得的學(xué)生期末成績(jī)劃分為四個(gè)等級(jí)，即優(yōu)、良、中、差。期末成績(jī)平均分大于90的為優(yōu)，大于75小于等于90的為良，大于60小于等于75的為中，小于60的為差(即本文中研究的學(xué)困生)。具體分類方法我們采用的系統(tǒng)聚類。利用這些整理好的數(shù)據(jù)，以確定學(xué)生平均得分是否優(yōu)秀為

表2學(xué)生信息統(tǒng)計(jì)表

研究對(duì)象，建立決策樹模型，挖掘分析影響學(xué)困生成績(jī)的因素。具體方法如下：

(1)計(jì)算每個(gè)屬性的信息增益率。

(2)選擇信息增益比率最大的屬性作為根結(jié)點(diǎn)，并按它的值劃分?jǐn)?shù)據(jù)集合，如果該屬性只有一個(gè)值則停止劃分。

(3)對(duì)劃分的每個(gè)子數(shù)據(jù)集遞歸執(zhí)行(1)～(2)。

接下來(lái)介紹具體的實(shí)現(xiàn)過(guò)程。

設(shè)C1為優(yōu)，C2為良，C3為中，C4為差。樣本總數(shù)為340，其中C1類包含71個(gè)樣本，C2類包含94個(gè)樣本，C3類包含87個(gè)樣本，C4類包含88個(gè)樣本。為了計(jì)算每個(gè)屬性的信息增益，首先利用式(1)計(jì)算出所有的信息量。

I(s1,s2,s3.s4)=I(71,94,87,88)

接下來(lái)計(jì)算每個(gè)屬性(即每個(gè)待測(cè)因素)的信息熵。

(1)性別(gender)的信息熵

根據(jù)性別在優(yōu)、良、中、差四個(gè)類別的分布，由式(3)可以計(jì)算出在每個(gè)分布中對(duì)應(yīng)的信息熵。

對(duì)于gender=“男”：S11=33 ，S21=37 ，S31=43，S41=49

I(s11,s21,s31.s41)=I(33,37,43,49)

對(duì)于gender=“女”：S12=38，S22=57，S32=44，S42=54

I(s12,s22,s32.s42)=I(38,57,44,54)

由式(2)可計(jì)算出，若根據(jù)屬性gender對(duì)樣本集合進(jìn)行劃分，所需要的信息熵為

由此獲得利用屬性gender對(duì)樣本集合進(jìn)行劃分，所獲得的信息增益為

Gain(gender)=I(s1,s2,s3,s4)-E(gender)=1.988-1.005=-0.017

以此類推,由表2可以求得“是否戀愛(love)”、“是否參加社團(tuán)或?qū)W生會(huì)(activity)”、“上課玩手機(jī)的時(shí)間(phone)”、“作業(yè)完成情況(homework)”和“課堂學(xué)習(xí)效果(classroom learning)”這些屬性的信息增益分別為

Gain(love)=0.166,

Gain(activity)=-0.043,

Gain(phone)=0.378,

Gain(homework)=0.197,

Gain(classroom learning)=0.398。

通過(guò)上面的計(jì)算可知，“課堂學(xué)習(xí)效果(classroom learning)”的信息增益最大，所以選擇它作為測(cè)試屬性，用于產(chǎn)生當(dāng)前的分支節(jié)點(diǎn)，如圖2所示。

3) 決策樹的分類規(guī)則

決策樹和推理規(guī)則的聯(lián)系極為密切。推理規(guī)則就是決策樹的文字形式，即邏輯比較。推理規(guī)則表達(dá)的是，輸入變量取值及不同輸入變量之間邏輯與或邏輯或關(guān)系與輸出變量取值的內(nèi)在聯(lián)系，一般表示形式為“如果<條件>則<結(jié)論>”。

每個(gè)葉節(jié)點(diǎn)都可以產(chǎn)生一條規(guī)則，其中，<條件>是從根節(jié)點(diǎn)到葉節(jié)點(diǎn)全部節(jié)點(diǎn)的條件組合，<結(jié)論>是葉節(jié)點(diǎn)上樣本輸出變量的類別。同時(shí)，由此產(chǎn)生的多個(gè)推理規(guī)則之間是相互獨(dú)立，絕不干擾的，其排列的前后順序?qū)π聰?shù)據(jù)的分類預(yù)測(cè)結(jié)果不會(huì)產(chǎn)生影響。

在上述決策樹中，從根節(jié)點(diǎn)到每個(gè)葉節(jié)點(diǎn)都代表了一種分類。從圖2的決策樹中得出的推理規(guī)則如下：

Rules for 差 -contains 1 rule(s)

Rule 1 for 差(9; 0.889)

If 課堂學(xué)習(xí)效果 in [“C”]

and 作業(yè)完成情況 in [“B/C”]

圖2 影響學(xué)生成績(jī)因素的決策樹

and 是否戀愛 = A

Then 差

Rules for 良 -contains 3 rule(s)

Rule 1 for 良 (2; 1.0)

If 課堂學(xué)習(xí)效果 in[“A”]

and 上課玩手機(jī)時(shí)間 in [“A”]

and 作業(yè)完成情況= B或C

Then 良

Rule 2 for 良 (8; 1.0)

If 課堂學(xué)習(xí)效果 in[“A”]

and 上課玩手機(jī)時(shí)間 in[“B”“C”]

Then 良

Rule 3 for良(3;1.0)

If 課堂學(xué)習(xí)效果 in [“B”]

and 是否戀愛 = B

Then 良

Rules for 優(yōu) -contains 1 rule(s)

Rule 1 for 優(yōu)(5;0.8)

If 課堂學(xué)習(xí)效果 in[“A”]

and 上課玩手機(jī)時(shí)間 in[“A”]

and 作業(yè)完成情況 = A

Then 優(yōu)

Rules for 中 -contains 3 rule(s)

Rule 1 for中(19; 0.895)

If 課堂學(xué)習(xí)效果 in[“B”]

and 是否戀愛 =A

Then 中

Rule 2 for 中 (9; 1.0)

If 課堂學(xué)習(xí)效果 in[“C”]

and 作業(yè)完成情況 in[“A”]

Then 中

Rule 3 for 中 (6; 0.833)

If 課堂學(xué)習(xí)效果 in [“C”]

and 作業(yè)完成情況 in「“B”“C”]

and 是否戀愛 = B

Then 中

Default:中

3 結(jié)果分析

由圖3可知，決策樹以學(xué)生“課堂學(xué)習(xí)效果”為第一個(gè)最佳分組變量，說(shuō)明學(xué)生課堂學(xué)習(xí)效果信息增益率最大，是決定學(xué)生平均成績(jī)的關(guān)鍵因素。在課堂學(xué)習(xí)效果節(jié)點(diǎn)下的最佳分組變量為 “上課玩手機(jī)時(shí)間”，以此類推分別是“作業(yè)完成情況”和“學(xué)生是否戀愛”。而“學(xué)生是否參加社團(tuán)”以及“性別”這兩個(gè)屬性，對(duì)學(xué)困生影響的信息增益率較小，都沒有進(jìn)入決策樹，說(shuō)明這兩個(gè)屬性不是導(dǎo)致學(xué)生學(xué)業(yè)困難的主要因素。

圖3 決策樹結(jié)果分析圖

從決策樹分析圖中可以直觀地看出，“課堂學(xué)習(xí)效果”是影響學(xué)生平均得分的關(guān)鍵因素，因此也是導(dǎo)致學(xué)困生產(chǎn)生的最主要原因。對(duì)于學(xué)困生來(lái)說(shuō)，一定要注意上課時(shí)集中精力，認(rèn)真聽教師講課，跟隨教師思路積極思考，認(rèn)真對(duì)待每節(jié)課的重點(diǎn)難點(diǎn)。次要因素是“上課玩手機(jī)時(shí)間”，說(shuō)明學(xué)生在上課時(shí)一定要集中注意力，不能分心做其他的事情。最近幾年各大高校都在落實(shí)手機(jī)入袋的舉措，本文的結(jié)論為這一舉措的實(shí)施的必要性提供了有力的依據(jù)?！白鳂I(yè)完成情況”和“是否戀愛”這兩個(gè)屬性對(duì)學(xué)困生的影響不是很大。在研究中我們還發(fā)現(xiàn)，無(wú)論學(xué)生平均成績(jī)是否優(yōu)異，男女生占比大致相同，而且都有部分學(xué)生在參加社團(tuán)或?qū)W生會(huì)，這說(shuō)明“性別”和是“是否參加社團(tuán)或?qū)W生會(huì)”對(duì)學(xué)習(xí)成績(jī)的影響也并不大。

4 結(jié)語(yǔ)

本文利用從學(xué)校教務(wù)處獲得的數(shù)據(jù)和調(diào)查問卷獲得的數(shù)據(jù)作為訓(xùn)練樣本集，采用ID3算法獲得相應(yīng)的決策樹，對(duì)我校大學(xué)生的一些學(xué)習(xí)行為進(jìn)行分類決策，通過(guò)有效數(shù)據(jù)處理，生成預(yù)測(cè)模型，對(duì)影響學(xué)困生成績(jī)的因素進(jìn)行挖掘分析。最后我們發(fā)現(xiàn)“課堂學(xué)習(xí)效果”是導(dǎo)致學(xué)困生的主要因素，“上課玩手機(jī)時(shí)間”是影響學(xué)困生的次要因素。針對(duì)這兩個(gè)因素，我們建議采取以下措施：

(1)明確教學(xué)目標(biāo)，突出重難點(diǎn)。為了讓學(xué)生明確本節(jié)課的重點(diǎn)，教師在上課開始時(shí)，把本節(jié)要點(diǎn)提綱列出來(lái)，以便引起學(xué)生的重視。

(2)激發(fā)學(xué)生興趣，營(yíng)造一個(gè)更加自由活躍的課堂環(huán)境。激發(fā)學(xué)生的自主性讓學(xué)生真正能參與到課堂教學(xué)中來(lái)，而不是一味的教師講學(xué)生聽?？梢試L試對(duì)換角色，讓學(xué)生自己成為授課者，從而提高學(xué)習(xí)效率。

(3)現(xiàn)在很多高校都在實(shí)施手機(jī)課上入袋的規(guī)定，本文的研究結(jié)果更為這一舉措實(shí)施的必要性提供了依據(jù)。手機(jī)入袋可以使學(xué)生更好地集中精力聽課，有效提高學(xué)習(xí)效率。

本研究存在以下不足：

(1)數(shù)據(jù)量不足。研究對(duì)象只是某專業(yè)的部分學(xué)生，而且通過(guò)問卷調(diào)查得到的信息的數(shù)據(jù)部分可能缺乏代表性，不能完全真實(shí)地反映眾多學(xué)生的實(shí)際情況。

(2)決策樹生成的分類規(guī)則會(huì)與實(shí)際情況存在一定的誤差。由于本文在數(shù)據(jù)收集的屬性選擇上具有主觀性，還存在許多影響學(xué)生的因素并沒有考慮，對(duì)學(xué)生調(diào)查問卷的內(nèi)容也不全面，因此存在挖掘的數(shù)據(jù)信息有可能不是最佳的數(shù)據(jù)集。

針對(duì)這兩點(diǎn)不足，我們將在以后的研究中豐富研究數(shù)據(jù)，使數(shù)據(jù)更具客觀性，使研究結(jié)果更具權(quán)威性。