国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于Apriori算法的課程內(nèi)容關(guān)聯(lián)分析及教學(xué)策略改進(jìn)

2020-05-12 02:11:57詹靜范雪劉一帆
教育教學(xué)論壇 2020年15期
關(guān)鍵詞:Apriori算法

詹靜 范雪 劉一帆

摘要:挖掘?qū)W習(xí)數(shù)據(jù)并對(duì)教學(xué)策略進(jìn)行正向反饋已成為改進(jìn)教學(xué)質(zhì)量的重要手段。基于Apriori算法對(duì)計(jì)算機(jī)網(wǎng)絡(luò)基礎(chǔ)課程教學(xué)中學(xué)生學(xué)習(xí)數(shù)據(jù)進(jìn)行挖掘和分析,生成課程教學(xué)內(nèi)容之間的強(qiáng)關(guān)聯(lián)規(guī)則。通過對(duì)這些生成規(guī)則的分析,找出影響學(xué)生成績的難點(diǎn)教學(xué)內(nèi)容,從而幫助教師利用這些反饋信息進(jìn)行有針對(duì)性的教學(xué)策略改進(jìn)。

關(guān)鍵詞:教學(xué)策略改進(jìn);課程內(nèi)容關(guān)聯(lián);Apriori算法;強(qiáng)關(guān)聯(lián)規(guī)則

中圖分類號(hào):G642.0? ? ?文獻(xiàn)標(biāo)志碼:A? ? ?文章編號(hào):1674-9324(2020)15-0219-03

一、背景

學(xué)習(xí)數(shù)據(jù)挖掘是一種常見的高校學(xué)生學(xué)習(xí)效果分析方法。而簡單的數(shù)理統(tǒng)計(jì)方法只能簡單展示學(xué)生的最終學(xué)習(xí)效果,學(xué)習(xí)過程中的潛在信息沒有得到有效分析;數(shù)據(jù)挖掘能夠分析出影響學(xué)生成績的因素,關(guān)聯(lián)規(guī)則算法是數(shù)據(jù)挖掘中的一種重要方法,可以對(duì)教學(xué)過程形成正向反饋。當(dāng)前的關(guān)聯(lián)規(guī)則方法多用于課程間規(guī)則分析,對(duì)于課程中不同內(nèi)容之間規(guī)則分析較少。而課程的重點(diǎn)內(nèi)容和難點(diǎn)內(nèi)容才是決定學(xué)生某門課程是否及格的關(guān)鍵。

本文利用Apriori算法對(duì)計(jì)算機(jī)網(wǎng)絡(luò)基礎(chǔ)的學(xué)生的學(xué)習(xí)數(shù)據(jù)進(jìn)行深入挖掘和分析,生成課程教學(xué)內(nèi)容之間的強(qiáng)關(guān)聯(lián)規(guī)則,分析影響成績的難點(diǎn)內(nèi)容,根據(jù)課程教學(xué)大綱的重點(diǎn)內(nèi)容和分析所得的難點(diǎn)內(nèi)容,提出課程教學(xué)方案的改進(jìn),幫助提高學(xué)生的學(xué)習(xí)質(zhì)量和學(xué)校的教學(xué)質(zhì)量。

二、相關(guān)工作

關(guān)聯(lián)分析廣泛應(yīng)用于教學(xué)改進(jìn)中,潘燕利用決策樹C5.0算法對(duì)學(xué)生成績進(jìn)行數(shù)據(jù)挖掘,得到該專業(yè)核心課程與其他課程之間的關(guān)聯(lián)關(guān)系,便于掌握學(xué)生學(xué)習(xí)狀態(tài)[1]。司馬碧蓉根據(jù)學(xué)生課程成績分析得到課程間依賴關(guān)系和依賴程度,能預(yù)測(cè)學(xué)生后續(xù)課程的學(xué)習(xí)成績[2]。賀超波等用粗糙集相關(guān)性質(zhì)對(duì)決策數(shù)據(jù)進(jìn)行屬性約簡,基于分辨矩陣的關(guān)聯(lián)規(guī)則提取算法發(fā)現(xiàn)課程成績數(shù)據(jù)中隱藏的課程相關(guān)性規(guī)則[3]。陳青山通過優(yōu)化決策樹算法提取了有效關(guān)聯(lián)規(guī)則,找出了影響教學(xué)效果的關(guān)鍵因素[4]。孫潔等人利用Apriori算法分析了課程之間的相關(guān)關(guān)系和緊密程度,得到核心課程和課程結(jié)構(gòu),對(duì)專業(yè)課程設(shè)置及改革提出意見與建議[5]。江靜嫻等人使用改進(jìn)的AprioriTid算法,減少了頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則的數(shù)量,過濾不能生成有效候選項(xiàng)集的元素,提高了算法效率[6]。曾子賢等人結(jié)合矩陣,基于改進(jìn)頻繁模式樹和候選集頻數(shù)優(yōu)化策略提出了改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法,提高了效率[7]。

三、課程成績數(shù)據(jù)處理

根據(jù)教學(xué)大綱,計(jì)算機(jī)網(wǎng)絡(luò)基礎(chǔ)課程內(nèi)容分為網(wǎng)絡(luò)操作系統(tǒng)、網(wǎng)絡(luò)模型、網(wǎng)絡(luò)接入、以太網(wǎng)、網(wǎng)絡(luò)層、IP編址、子網(wǎng)劃分、傳輸層、應(yīng)用層、安全共計(jì)10個(gè)內(nèi)容。

本文將2014級(jí)和2015級(jí)在在線練習(xí)、實(shí)驗(yàn)和期末考試三類考核在上述10個(gè)內(nèi)容中分別統(tǒng)計(jì),得到課程內(nèi)容得分(2014級(jí)沒有考核實(shí)驗(yàn))。即先計(jì)算每個(gè)內(nèi)容在各類考核中的實(shí)際得分乘以成績權(quán)重,求和得到內(nèi)容實(shí)際得分;再計(jì)算每個(gè)內(nèi)容總分乘以成績權(quán)重,求和得到內(nèi)容總分;用內(nèi)容實(shí)際得分除以內(nèi)容總分,可得到處于[0,1]的每個(gè)課程內(nèi)容得分?jǐn)?shù)據(jù)。

四、課程內(nèi)容關(guān)聯(lián)規(guī)則分析及教學(xué)策略改進(jìn)

通過Apriori算法對(duì)上述數(shù)據(jù)進(jìn)行分析,可得到有價(jià)值的課程內(nèi)容關(guān)聯(lián)規(guī)則,從而為教學(xué)策略改進(jìn)提供幫助。

本文對(duì)學(xué)生的不同課程內(nèi)容成績,篩選出每個(gè)內(nèi)容得分較差的學(xué)生,將篩選出的內(nèi)容表示成算法支持的輸入形式,進(jìn)行關(guān)聯(lián)規(guī)則的生成。首先,實(shí)驗(yàn)開始時(shí)給定最小支持度和最小置信度。最小支持度表示項(xiàng)集在統(tǒng)計(jì)意義上的最低重要性,是被認(rèn)可的項(xiàng)集的最低出現(xiàn)頻率,最小支持度可以在生成頻繁項(xiàng)集時(shí),將之篩選出來;最小置信度表示關(guān)聯(lián)規(guī)則的最低可靠程度。其次,選擇低分的課程內(nèi)容,也就是課程的難點(diǎn)內(nèi)容進(jìn)行關(guān)聯(lián)規(guī)則的生成和分析,因?yàn)檎n程難點(diǎn)內(nèi)容的掌握情況決定了學(xué)生得分的高低。經(jīng)過反復(fù)試驗(yàn),最終篩選出每個(gè)內(nèi)容得分在0.7以下的學(xué)生,在生成頻繁項(xiàng)集時(shí)設(shè)置支持度為0.2,在生成強(qiáng)關(guān)聯(lián)規(guī)則時(shí)設(shè)置最低置信度為0.45,得到如下表所示18條強(qiáng)關(guān)聯(lián)規(guī)則。

支持度大于0.15,且得分比例低于0.7(即低分)的課程內(nèi)容項(xiàng)一共有7個(gè),支持度從高到低依次為網(wǎng)絡(luò)接入、傳輸層、應(yīng)用層、子網(wǎng)劃分、IP編址、網(wǎng)絡(luò)層、網(wǎng)絡(luò)操作系統(tǒng)。其中,支持度越高表示該課程內(nèi)容項(xiàng)得分低的人數(shù)越多,是教學(xué)中學(xué)生掌握的較差的難點(diǎn)。以太網(wǎng)、網(wǎng)絡(luò)模型和安全課程內(nèi)容項(xiàng)沒有出現(xiàn),說明學(xué)生掌握相對(duì)較好。

我們將規(guī)則先按教學(xué)重點(diǎn)內(nèi)容(即網(wǎng)絡(luò)模型、子網(wǎng)劃分、IP編址、網(wǎng)絡(luò)層、傳輸層)和非重點(diǎn)內(nèi)容分類,然后將支持度從高到低分類,最后將置信度按從高到低分類,提出如下教學(xué)內(nèi)容改進(jìn)策略。

(一)重點(diǎn)內(nèi)容改進(jìn)策略

1.傳輸層教學(xué)改進(jìn)策略。傳輸層支持度為44%,僅低于網(wǎng)絡(luò)接入45%,說明這是學(xué)生掌握的較差的重點(diǎn)和難點(diǎn)內(nèi)容,需要重點(diǎn)分析改進(jìn)策略。

首先分析傳輸層作為前提條件的規(guī)則2和10:在傳輸層得分低的前提下,子網(wǎng)劃分也得分低的可能性為58.62%;在傳輸層得分低的前提下,應(yīng)用層也得分低的可能性為64%,都小于65%,說明傳輸層對(duì)其他課程內(nèi)容的影響不大。

再分析傳輸層作為推理出的關(guān)聯(lián)內(nèi)容的規(guī)則1,7,8,9,僅有規(guī)則8的置信度為66.66%,大于65%,其含義是網(wǎng)絡(luò)層得分低的前提下,傳輸層得分低的可能性較大。實(shí)際上,網(wǎng)絡(luò)層確實(shí)是傳輸層的重要前提學(xué)習(xí)內(nèi)容,兩者有許多比較相似的抽象概念,比如服務(wù)和協(xié)議特點(diǎn),地址分類等。學(xué)好網(wǎng)絡(luò)層對(duì)后續(xù)的傳輸層學(xué)習(xí)確實(shí)有比較好的引導(dǎo)作用。

從教學(xué)策略改進(jìn)的角度考慮,教師可在傳輸層教學(xué)后增加網(wǎng)絡(luò)層與傳輸層的內(nèi)在關(guān)聯(lián)分析和比較,幫助學(xué)生掌握兩個(gè)內(nèi)容之間的關(guān)聯(lián),適當(dāng)增加習(xí)題鞏固相關(guān)知識(shí)點(diǎn),從而提高學(xué)生傳輸層的學(xué)習(xí)效果。

2.子網(wǎng)劃分、IP編址、網(wǎng)絡(luò)層教學(xué)改進(jìn)策略。子網(wǎng)劃分支持度為33%,IP編址支持度為32%,網(wǎng)絡(luò)層支持度為23%,均大于20%,因此可將子網(wǎng)劃分,IP編址和網(wǎng)絡(luò)層內(nèi)容看作課程難點(diǎn)。

首先分析這三個(gè)內(nèi)容作為前提條件的規(guī)則。

分析子網(wǎng)劃分作為前提條件的規(guī)則1、4、5、12,置信度大于65%的規(guī)則只有規(guī)則5。說明子網(wǎng)劃分得分低的前提下,網(wǎng)絡(luò)層也得分低的可能性為77.27%。

分析IP編址作為前提條件的規(guī)則3、7、13、17,置信度大于65%的規(guī)則只有規(guī)則3,15。IP編址得分低的前提下,子網(wǎng)劃分與網(wǎng)絡(luò)層得分低的可能性都為66.66%。

分析網(wǎng)絡(luò)層作為前提條件的規(guī)則6、8、15,置信度大于65%的規(guī)則只有規(guī)則6,8。網(wǎng)絡(luò)層得分低的前提下,子網(wǎng)劃分和傳輸層得分低的可能性都為66.66%。

再分析這三個(gè)內(nèi)容作為推理出的關(guān)聯(lián)內(nèi)容的規(guī)則,且置信度大于65%的規(guī)則,同樣只有規(guī)則3,5,6,8,13。

由上可知,子網(wǎng)劃分、IP編址、網(wǎng)絡(luò)層三部分內(nèi)容具有較大的關(guān)聯(lián)度,實(shí)際上三者也確實(shí)都屬于網(wǎng)絡(luò)模型中的網(wǎng)絡(luò)層,知識(shí)點(diǎn)有很高的相關(guān)度。并且由于這三個(gè)內(nèi)容都對(duì)學(xué)生實(shí)踐能力有一定要求,從教學(xué)策略改進(jìn)的角度考慮,教師可適當(dāng)為這三個(gè)部分在實(shí)驗(yàn)環(huán)節(jié)增加指導(dǎo),幫助學(xué)生提高子網(wǎng)劃分、IP編址、網(wǎng)絡(luò)層的學(xué)習(xí)效果。

3.網(wǎng)絡(luò)模型教學(xué)改進(jìn)策略。網(wǎng)絡(luò)模型的支持度小于等于0.2,因此沒有相關(guān)規(guī)則,實(shí)際上,這部分內(nèi)容在網(wǎng)絡(luò)模型的不同層次教學(xué)內(nèi)容中都會(huì)反復(fù)提到,學(xué)生掌握的相對(duì)較好也是比較符合實(shí)際的,暫時(shí)不需要變化。

(二)非重點(diǎn)內(nèi)容改進(jìn)策略

1.網(wǎng)絡(luò)接入教學(xué)改進(jìn)策略。網(wǎng)絡(luò)接入課程內(nèi)容項(xiàng)的支持度最高,為0.45,也就是說,網(wǎng)絡(luò)接入內(nèi)容學(xué)習(xí)的低分人數(shù)占總?cè)藬?shù)的45%,因此可以將網(wǎng)絡(luò)接入看作是課程教學(xué)中的最難內(nèi)容。

首先分析網(wǎng)絡(luò)接入作為前提條件的規(guī)則。僅有規(guī)則16表示網(wǎng)絡(luò)接入影響了IP編址的學(xué)習(xí),但置信度為46.67%,小于65%。實(shí)際上該內(nèi)容和IP編址的關(guān)聯(lián)關(guān)系也不大。

再分析網(wǎng)絡(luò)接入作為推理出的關(guān)聯(lián)內(nèi)容的規(guī)則17和18。置信度也小于65%。

因此可以認(rèn)為網(wǎng)絡(luò)接入是一個(gè)較為獨(dú)立的難點(diǎn)內(nèi)容。該內(nèi)容處于網(wǎng)絡(luò)模型的最底層(包括物理層),學(xué)生在日常生活中接觸較少,概念不容易理解,因此確實(shí)掌握的相對(duì)較差。

從教學(xué)策略改進(jìn)的角度考慮,由于該內(nèi)容不是課程內(nèi)容重點(diǎn),教師可通過增加相關(guān)實(shí)驗(yàn)環(huán)節(jié)指導(dǎo)和習(xí)題練習(xí),提高學(xué)生的學(xué)習(xí)效果。

2.應(yīng)用層教學(xué)改進(jìn)策略。應(yīng)用層支持度為38%。說明應(yīng)用層內(nèi)容學(xué)生掌握的相對(duì)較不好。

首先分析應(yīng)用層作為前提條件的規(guī)則9、11、14、18,置信度均沒有超過65%。

再分析應(yīng)用層作為推理出的關(guān)聯(lián)內(nèi)容的規(guī)則10,12和15,置信度也沒有超過65%。

因此,也可以認(rèn)為應(yīng)用層是一個(gè)較為獨(dú)立的難點(diǎn)內(nèi)容。該內(nèi)容處于網(wǎng)絡(luò)模型的最高層,與生活中的網(wǎng)絡(luò)活動(dòng)有密切聯(lián)系,但協(xié)議內(nèi)容和分類都較多,因此學(xué)生掌握的相對(duì)較差。

從教學(xué)策略改進(jìn)的角度考慮,教師可以通過增加應(yīng)用層相關(guān)的習(xí)題和實(shí)驗(yàn)的方式提高學(xué)生的學(xué)習(xí)效果。

3.網(wǎng)絡(luò)操作系統(tǒng)、以太網(wǎng)、安全教學(xué)改進(jìn)策略。網(wǎng)絡(luò)操作系統(tǒng),以太網(wǎng)和安全的支持度都小于等于0.2,說明這部分學(xué)生掌握的相對(duì)較好,且根據(jù)教學(xué)大綱,這三部分內(nèi)容都屬于非重點(diǎn)內(nèi)容。從教學(xué)策略改進(jìn)的角度考慮,教師可以適當(dāng)通過增加在線和課后練習(xí)的方式,讓學(xué)生更多通過自學(xué)掌握這些部分內(nèi)容。

五、結(jié)論

本文使用Apriori算法,針對(duì)計(jì)算機(jī)網(wǎng)絡(luò)基礎(chǔ)課程進(jìn)行了課程教學(xué)內(nèi)容的關(guān)聯(lián)規(guī)則生成,通過分析難點(diǎn)內(nèi)容之間的關(guān)聯(lián)規(guī)則,結(jié)合課程教學(xué)大綱的重點(diǎn),給教師提出了教學(xué)策略改進(jìn)建議,包括:對(duì)重難點(diǎn)內(nèi)容傳輸層部分進(jìn)行理論教學(xué)方法改進(jìn),對(duì)重難點(diǎn)內(nèi)容子網(wǎng)劃分、IP編址和網(wǎng)絡(luò)層增加實(shí)驗(yàn)環(huán)節(jié)指導(dǎo);對(duì)非重點(diǎn)但確是難點(diǎn)的網(wǎng)絡(luò)接入和應(yīng)用層內(nèi)容增加習(xí)題和實(shí)驗(yàn)指導(dǎo);而對(duì)于非重點(diǎn)又非難點(diǎn)的其他部分,適當(dāng)通過學(xué)生自學(xué)自測(cè)的形式進(jìn)行引導(dǎo)。通過上述教學(xué)策略改進(jìn),期望能夠提高后續(xù)教學(xué)質(zhì)量。

參考文獻(xiàn):

[1]潘燕.決策樹算法在高職院校課程關(guān)聯(lián)分析中的應(yīng)用研究[J].現(xiàn)代信息科技,2019,3(02):151-153.

[2]司馬碧榮.基于貝葉斯分類的高職軟件課程教學(xué)應(yīng)用研究[D].云南大學(xué),2010.

[3]賀超波,陳啟買.高校課程相關(guān)性粗糙集分析模型及應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(27):233-235+245.

[4]陳青山.決策樹算法在高校教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)中的應(yīng)用研究[D].西南交通大學(xué),2010.

[5]孫潔,沈桂蘭.基于關(guān)聯(lián)規(guī)則及知識(shí)網(wǎng)絡(luò)的專業(yè)課程關(guān)聯(lián)分析[J].中國電力教育,2014,(21):55-57.

[6]汪靜嫻,楊厚俊,范延濱.AprioriTid改進(jìn)算法在課程關(guān)聯(lián)分析中的應(yīng)用[J].工業(yè)控制計(jì)算機(jī),2018,31(09):37-38.

[7]曾子賢,鞏青歌,張俊.改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法——MIFP-Apriori算法[J].科學(xué)技術(shù)與工程,2019,19(16):216-220.

猜你喜歡
Apriori算法
基于模型的日志合理性分析評(píng)價(jià)指標(biāo)
基于Hadoop平臺(tái)的并行DHP數(shù)據(jù)分析方法
基于Apriori算法的高校學(xué)生成績數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘分析
基于云平臺(tái)MapReduce的Apriori算法研究
關(guān)聯(lián)規(guī)則挖掘Apriori算法的一種改進(jìn)
基于RFID的汽車零件銷售策略支持模型
關(guān)聯(lián)規(guī)則在高校評(píng)教系統(tǒng)中的應(yīng)用
一種改進(jìn)的挖掘關(guān)聯(lián)規(guī)則Apriori算法
一種改進(jìn)的頻繁路徑挖掘算法
網(wǎng)絡(luò)審計(jì)系統(tǒng)中Apriori算法的應(yīng)用與研究
科技視界(2015年29期)2015-10-19 11:10:58
靖州| 荔浦县| 锡林郭勒盟| 淳化县| 旬邑县| 平罗县| 花莲市| 中方县| 安塞县| 阜南县| 隆子县| 五莲县| 延川县| 裕民县| 方山县| 江油市| 察雅县| 广南县| 横山县| 同德县| 陇西县| 家居| 房产| 乐业县| 荣成市| 尉犁县| 邮箱| 瑞金市| 蛟河市| 尼玛县| 南昌市| 山西省| 溆浦县| 都匀市| 金坛市| 东莞市| 崇信县| 鞍山市| 台湾省| 阳原县| 固原市|