肖琪

(常熟理工學(xué)院 紡織服裝與設(shè)計(jì)學(xué)院， 江蘇 常熟 215500)

0 引言

高等教育是連接教育和未來(lái)就業(yè)的重要節(jié)點(diǎn)，也是貧困家庭子代提高未來(lái)收入的重要途經(jīng)。隨著我國(guó)市場(chǎng)經(jīng)濟(jì)的發(fā)展，高校擴(kuò)招以及高校收費(fèi)制度等一系列因素增加了家庭經(jīng)濟(jì)困難學(xué)生的經(jīng)濟(jì)壓力，這部分特殊群體即為高校貧困生[1]。他們是貧困家庭子代職業(yè)和收入流動(dòng)的主要部分，因此高校貧困生是國(guó)家教育扶貧的重點(diǎn)對(duì)象[2]。黨的十九大以來(lái)，在精準(zhǔn)扶貧思想的指導(dǎo)下，中國(guó)教育領(lǐng)域的扶貧也逐漸轉(zhuǎn)為教育精準(zhǔn)扶貧[3]。教育精準(zhǔn)扶貧戰(zhàn)役中，精準(zhǔn)“扶智”成為攻堅(jiān)戰(zhàn)。高校貧困生的學(xué)業(yè)成績(jī)是精準(zhǔn)“扶智”過(guò)程中的重要組成部分，而且對(duì)學(xué)生未來(lái)的就業(yè)和收入有很大的影響[4]，因此精準(zhǔn)“扶智”的前提和基礎(chǔ)是對(duì)高校貧困生的學(xué)業(yè)成績(jī)做到精準(zhǔn)幫扶。對(duì)高校貧困生的學(xué)業(yè)成績(jī)進(jìn)行精準(zhǔn)扶貧的關(guān)鍵是精準(zhǔn)預(yù)測(cè)高校貧困生的學(xué)習(xí)成績(jī)，甄別學(xué)習(xí)高風(fēng)險(xiǎn)學(xué)生，降低貧困生學(xué)習(xí)的失敗率，從而提高高校貧困生整體的學(xué)業(yè)成績(jī)。因此，解決高校貧困生學(xué)業(yè)成績(jī)的精準(zhǔn)預(yù)測(cè)問(wèn)題是高校貧困生精準(zhǔn)扶貧的前提與基礎(chǔ)，也是實(shí)現(xiàn)高等教育領(lǐng)域精準(zhǔn)扶貧中“扶智”的一個(gè)有效途徑，具有現(xiàn)實(shí)意義。

以往關(guān)于高校貧困生學(xué)業(yè)成績(jī)的研究主要側(cè)重于高校貧困生學(xué)業(yè)成績(jī)的影響因素。而量化各個(gè)影響因素對(duì)貧困生學(xué)業(yè)成績(jī)的影響，尋找其中遵循的科學(xué)規(guī)律，并預(yù)測(cè)貧困生將來(lái)可能達(dá)到的學(xué)業(yè)成績(jī)的文獻(xiàn)很少見(jiàn)。隨著計(jì)算機(jī)技術(shù)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)因其具有高度非線性、自學(xué)習(xí)性和映射性等優(yōu)點(diǎn)[5]，不需要尋找樣本數(shù)據(jù)間的顯示關(guān)系式和數(shù)學(xué)模型，便可以準(zhǔn)確地逼近刻畫(huà)樣本數(shù)據(jù)規(guī)律的最佳函數(shù)，因而廣泛應(yīng)用于各個(gè)學(xué)科領(lǐng)域。崔強(qiáng)等[6]利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了學(xué)業(yè)預(yù)警模型，有效推動(dòng)了高校思想政治教育。孔令晶等[7]基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了學(xué)業(yè)預(yù)警模型，并根據(jù)不同的預(yù)警結(jié)果執(zhí)行相應(yīng)的干預(yù)策略，幫助高風(fēng)險(xiǎn)學(xué)生順利完成學(xué)業(yè)，最終提高了人才培養(yǎng)質(zhì)量。BP神經(jīng)網(wǎng)絡(luò)是一種非常重要而經(jīng)典的人工神經(jīng)網(wǎng)絡(luò)，它也被稱為誤差反向傳播神經(jīng)網(wǎng)絡(luò)，是一種按照逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)[8]。因而本研究采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建高校貧困生學(xué)業(yè)成績(jī)預(yù)測(cè)模型，通過(guò)對(duì)比回歸模型的預(yù)測(cè)精度，驗(yàn)證了BP神經(jīng)網(wǎng)絡(luò)模型在不需要構(gòu)建顯性數(shù)學(xué)關(guān)系式的前提下預(yù)測(cè)精度的優(yōu)越性。

1 預(yù)測(cè)指標(biāo)和樣本

1.1 預(yù)測(cè)指標(biāo)的篩選

建立科學(xué)、系統(tǒng)的預(yù)測(cè)指標(biāo)是構(gòu)建高校貧困生學(xué)業(yè)成績(jī)預(yù)測(cè)模型的關(guān)鍵。影響高校貧困生學(xué)業(yè)成績(jī)的因素有很多，包括課程作業(yè)、自主學(xué)習(xí)、活動(dòng)參與、課外閱讀、朋輩交流、學(xué)習(xí)氛圍、個(gè)人閑暇活動(dòng)分配等。如果將每個(gè)影響因素都作為模型的預(yù)測(cè)指標(biāo)，會(huì)導(dǎo)致模型變得復(fù)雜，同時(shí)變量的增多也會(huì)導(dǎo)致樣本數(shù)據(jù)收集工作的難度增加，所以準(zhǔn)確地篩選與學(xué)業(yè)成績(jī)相關(guān)聯(lián)的因素并將其作為預(yù)測(cè)模型指標(biāo)，將直接影響預(yù)測(cè)模型的精確度。

郭穎等[9]通過(guò)統(tǒng)計(jì)學(xué)分析發(fā)現(xiàn)期末考試成績(jī)與上課出勤率、隨堂測(cè)試成績(jī)有很大關(guān)系。王德東等[10]采用大數(shù)據(jù)技術(shù)分析了學(xué)生日常成績(jī)、圖書(shū)借閱數(shù)量等與學(xué)生未來(lái)學(xué)習(xí)成績(jī)之間的潛在關(guān)系，用來(lái)對(duì)學(xué)生進(jìn)行學(xué)業(yè)預(yù)警。付洪等[11]通過(guò)相關(guān)調(diào)查與數(shù)據(jù)分析發(fā)現(xiàn)大學(xué)生網(wǎng)絡(luò)行為與學(xué)習(xí)成績(jī)之間呈現(xiàn)出越來(lái)越強(qiáng)的關(guān)聯(lián)性。因此，本研究將學(xué)生的上課出勤率、期中考試成績(jī)、圖書(shū)借閱數(shù)量以及上網(wǎng)時(shí)間等四個(gè)因素作為影響貧困大學(xué)生學(xué)業(yè)成績(jī)的預(yù)測(cè)指標(biāo)輸入變量。學(xué)生上課出勤率高表明其學(xué)習(xí)參與度高。而經(jīng)常出現(xiàn)曠課或者遲到早退情況的學(xué)生，表明其學(xué)習(xí)參與度不高。圖書(shū)借閱數(shù)量反映了學(xué)生的學(xué)習(xí)態(tài)度。上網(wǎng)時(shí)間的長(zhǎng)短也可以間接反映學(xué)生的學(xué)習(xí)參與度，上網(wǎng)時(shí)間長(zhǎng)，表明學(xué)生課余時(shí)間沒(méi)有好好預(yù)習(xí)或者鞏固知識(shí)，從而表明學(xué)生的學(xué)習(xí)參與度不高。有的同學(xué)上課出勤率高、上網(wǎng)時(shí)間也很短，但是期中考試成績(jī)卻不理想，反映了其學(xué)習(xí)策略不恰當(dāng)。綜合考慮，選擇以上四個(gè)因素作為自變量用來(lái)預(yù)測(cè)貧困生的學(xué)業(yè)成績(jī)。學(xué)生的期末考試成績(jī)則是因變量。

本研究從某高校貧困生中隨機(jī)選取718名作為樣本，以學(xué)生一個(gè)學(xué)期的出勤率、期中考試成績(jī)、圖書(shū)借閱數(shù)量以及上網(wǎng)時(shí)間構(gòu)成預(yù)測(cè)指標(biāo)體系。無(wú)論公假、事假或病假，都視為缺勤，總上課次數(shù)減去缺勤次數(shù)再除以總上課次數(shù)，即為出勤率。如在一個(gè)學(xué)期中，學(xué)生每次上課出勤，即滿勤，出勤率為1。為了不挫傷學(xué)生學(xué)習(xí)的積極性，減輕學(xué)生的心理負(fù)擔(dān)和壓力，對(duì)學(xué)生期中考試一般安排2門(mén)。因此，期中考試成績(jī)指標(biāo)是2門(mén)學(xué)科期中考試成績(jī)的平均值。圖書(shū)借閱數(shù)量以平均每個(gè)月的借閱圖書(shū)為依據(jù)。上網(wǎng)時(shí)間根據(jù)信息系統(tǒng)監(jiān)測(cè)到學(xué)生一學(xué)期平均每月上網(wǎng)時(shí)長(zhǎng)來(lái)決定，以小時(shí)/月為單位。

1.2 樣本的確定

貧困生學(xué)業(yè)成績(jī)預(yù)測(cè)模型所涉及到的各項(xiàng)指標(biāo)及其相關(guān)數(shù)據(jù),如表1所示。

表1 學(xué)業(yè)成績(jī)的各項(xiàng)指標(biāo)

在進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)之前，為避免原始數(shù)據(jù)過(guò)大造成網(wǎng)絡(luò)麻痹，要對(duì)原始數(shù)據(jù)進(jìn)行歸一化處理。因此將表1中的原始數(shù)據(jù)規(guī)范在[-1,1]之間，這樣可以盡可能地平滑數(shù)據(jù)。歸一化的數(shù)據(jù)作為模型的樣本，如表2所示。

表2 樣本數(shù)據(jù)

2 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建

BP神經(jīng)網(wǎng)絡(luò)屬于多層前向神經(jīng)網(wǎng)絡(luò)，增加網(wǎng)絡(luò)層數(shù)能夠使結(jié)果更精確，降低誤差，但是會(huì)使計(jì)算量過(guò)大，訓(xùn)練過(guò)程難以擬合。因此，采用經(jīng)典的“輸入層——隱含層——輸出層”三層結(jié)構(gòu)建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。

2.1 隱含層節(jié)點(diǎn)數(shù)的確定

采用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行貧困生學(xué)業(yè)成績(jī)預(yù)測(cè)，分為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和檢驗(yàn)兩個(gè)部分。訓(xùn)練樣本的輸入數(shù)據(jù)來(lái)自718名貧困生中隨機(jī)選取的640個(gè)貧困生學(xué)業(yè)成績(jī)指標(biāo)數(shù)據(jù)，輸出數(shù)據(jù)來(lái)自640名貧困生的期末考試學(xué)業(yè)成績(jī)。檢驗(yàn)樣本輸入數(shù)據(jù)來(lái)自總樣本中剩余的78名貧困生學(xué)業(yè)成績(jī)指標(biāo)數(shù)據(jù)。因此，訓(xùn)練樣本的輸入節(jié)點(diǎn)數(shù)為4，輸出層節(jié)點(diǎn)數(shù)均為1，隱含層節(jié)點(diǎn)數(shù)如式(1)。

(1)

式中，N為隱含層節(jié)點(diǎn)數(shù);m為輸入節(jié)點(diǎn)數(shù);n為輸出節(jié)點(diǎn)數(shù);a為[1,10]之間的常數(shù)。

根據(jù)式(1)，本研究隱含層節(jié)點(diǎn)取值范圍為[3,12]。隱含層節(jié)點(diǎn)的確定，要使得模型預(yù)測(cè)精度高。預(yù)測(cè)模型精度的評(píng)估采用誤差百分比和均方根誤差作為評(píng)估指標(biāo),如式(2)、式(3)。

(2)

式中，MAPE為相對(duì)誤差百分比;abs為絕對(duì)值運(yùn)算;A(i)為模型輸出值;B(i)為實(shí)際值;k為樣本數(shù)量。

(3)

式中，RMSE為均方根誤差;k為樣本數(shù)量;A(i)為模型輸出值;B(i)為實(shí)際值。

根據(jù)隱含層節(jié)點(diǎn)的取值范圍，改變隱含層節(jié)點(diǎn)數(shù)值，對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練，得到了不同節(jié)點(diǎn)數(shù)時(shí)所對(duì)應(yīng)的誤差，如表3所示。

表3 不同隱含層節(jié)點(diǎn)數(shù)的預(yù)測(cè)誤差

從表3可以看出，最終確定誤差最小時(shí)對(duì)應(yīng)的隱含層節(jié)點(diǎn)數(shù)為9。這是因?yàn)槿绻[含層節(jié)點(diǎn)數(shù)過(guò)少，不能充分反映樣本規(guī)律，誤差存在波動(dòng)；但節(jié)點(diǎn)數(shù)過(guò)多，會(huì)增加網(wǎng)絡(luò)學(xué)習(xí)時(shí)間，可能出現(xiàn)“過(guò)擬合現(xiàn)象”，會(huì)導(dǎo)致誤差較大。

2.2 輸入層和輸出層的傳遞函數(shù)確定

輸入層和輸出層的傳遞函數(shù)選取宗旨是使預(yù)測(cè)精確度高。

在網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值、閾值相同的情況下，BP神經(jīng)網(wǎng)絡(luò)誤差與隱含層、輸出層的傳遞函數(shù)之間的關(guān)系,如表4所示。

表4 不同傳遞函數(shù)對(duì)應(yīng)的誤差

表4中的三個(gè)函數(shù)：logsig、tansig和purelin均為神經(jīng)網(wǎng)絡(luò)中常使用的傳遞函數(shù)，其中，logsig是S型的對(duì)數(shù)函數(shù);tansig是S型的正切函數(shù);purelin是線性函數(shù)。

從表4可以看出，隱含層和輸出層的傳遞函數(shù)選擇對(duì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度有影響。其中誤差百分比和均方根誤差最小的隱含層和輸出層的傳遞函數(shù)分別為purelin、purelin。

3 預(yù)測(cè)結(jié)果的對(duì)比與分析

本研究利用MATLAB_R2017a自帶的人工神經(jīng)網(wǎng)絡(luò)工具箱來(lái)完成模型的建立。選用3層結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)：輸入層、一個(gè)隱含層和輸出層。輸入層的節(jié)點(diǎn)數(shù)為4，隱含層節(jié)點(diǎn)數(shù)為9，輸出層節(jié)點(diǎn)數(shù)為1。BP神經(jīng)網(wǎng)絡(luò)根據(jù)設(shè)置好的參數(shù)進(jìn)行訓(xùn)練，訓(xùn)練參數(shù)如表5所示。

表5 訓(xùn)練參數(shù)的設(shè)置

利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)對(duì)貧困生學(xué)業(yè)成績(jī)進(jìn)行預(yù)測(cè)。

為了驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)對(duì)貧困生學(xué)業(yè)成績(jī)進(jìn)行預(yù)測(cè)的優(yōu)越性，本研究對(duì)比了回歸分析法和BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果。采用SPSS軟件進(jìn)行多元線性回歸分析，利用表1的貧困生信息，以學(xué)業(yè)成績(jī)分?jǐn)?shù)作為因變量，上課出勤率、期中考試成績(jī)、圖書(shū)借閱數(shù)量以及上網(wǎng)時(shí)間作為自變量，建立貧困生學(xué)業(yè)成績(jī)的回歸分析模型。得到的回歸方程式如式(4)。

F=-131.81+147.85C+0.81Z+0.02T-0.02W

(4)

式中，F(xiàn)為學(xué)業(yè)成績(jī)分?jǐn)?shù);C為上課出勤率;Z為期中考試成績(jī);T為圖書(shū)借閱數(shù)量;W為上網(wǎng)時(shí)間。

根據(jù)表5進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)和根據(jù)回歸分析法得到的式(4)進(jìn)行預(yù)測(cè)，對(duì)比結(jié)果如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)和回歸分析法的學(xué)業(yè)成績(jī)預(yù)測(cè)結(jié)果

從圖1可以看出，BP神經(jīng)網(wǎng)絡(luò)對(duì)高校貧困生學(xué)業(yè)成績(jī)的預(yù)測(cè)結(jié)果和真實(shí)分?jǐn)?shù)比較接近。而回歸分析法的預(yù)測(cè)結(jié)果和實(shí)際值存在偏差。

在進(jìn)行預(yù)測(cè)時(shí)，實(shí)際值和預(yù)測(cè)值之間的接近程度一般采用擬合度來(lái)表征。對(duì)BP神經(jīng)網(wǎng)絡(luò)和回歸分析法的預(yù)測(cè)結(jié)果進(jìn)行相關(guān)性分析，結(jié)果如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)和回歸分析法預(yù)測(cè)結(jié)果的相關(guān)性分析

從圖2可以看出，BP神經(jīng)網(wǎng)絡(luò)的擬合度為0.96，預(yù)測(cè)結(jié)果與實(shí)際值較為一致，具有較高的精確度，回歸分析法預(yù)測(cè)高校貧困生學(xué)業(yè)成績(jī)的擬合度為0.70。因此，BP神經(jīng)網(wǎng)絡(luò)對(duì)高校貧困生學(xué)業(yè)成績(jī)的預(yù)測(cè)精度更高，更有效。

4 總結(jié)

高校貧困生學(xué)業(yè)成績(jī)的有效預(yù)測(cè)是精準(zhǔn)扶貧背景下實(shí)現(xiàn)精準(zhǔn)“扶智“的前提和基礎(chǔ)。本研究在學(xué)習(xí)狀態(tài)監(jiān)測(cè)數(shù)據(jù)的基礎(chǔ)上建立BP神經(jīng)網(wǎng)絡(luò)模型對(duì)高校貧困生學(xué)業(yè)成績(jī)進(jìn)行預(yù)測(cè)，可以有效篩選學(xué)習(xí)存在高風(fēng)險(xiǎn)學(xué)生，主動(dòng)干預(yù)，為高校貧困生學(xué)業(yè)成績(jī)的提高，確保學(xué)業(yè)順利完成提供有力參考。

采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建高校貧困生學(xué)業(yè)成績(jī)預(yù)測(cè)模型，無(wú)需尋找樣本數(shù)據(jù)間的顯性關(guān)系式和數(shù)學(xué)模型即可直接預(yù)測(cè)學(xué)業(yè)成績(jī)。篩選貧困生上課出勤率、期中考試成績(jī)、圖書(shū)借閱數(shù)量以及上網(wǎng)時(shí)間等四個(gè)因素作為學(xué)業(yè)成績(jī)的預(yù)測(cè)指標(biāo)。對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，當(dāng)隱含層節(jié)點(diǎn)為9，輸入層函數(shù)為purelin，輸出層函數(shù)為purelin時(shí)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度達(dá)到最優(yōu)狀態(tài)。該模型與回歸分析模型的檢驗(yàn)結(jié)果進(jìn)行對(duì)比研究，兩個(gè)模型對(duì)高校貧困生學(xué)業(yè)成績(jī)預(yù)測(cè)的擬合度分別為0.96、0.70，充分驗(yàn)證了BP神經(jīng)網(wǎng)絡(luò)模型對(duì)貧困生學(xué)業(yè)成績(jī)預(yù)測(cè)的精確度更高。