◇廊坊衛(wèi)生職業(yè)學(xué)院 侯婧

中國人民警察大學(xué) 賈南

對(duì)于學(xué)生學(xué)習(xí)成績(jī)進(jìn)行預(yù)警進(jìn)行提前預(yù)警有助于及時(shí)調(diào)整教學(xué)策略，對(duì)提升教學(xué)效果具有重要意義。傳統(tǒng)的學(xué)生成績(jī)預(yù)警方法在很大程度上依賴于設(shè)計(jì)者對(duì)測(cè)評(píng)指標(biāo)權(quán)重的設(shè)計(jì)，存在主觀性強(qiáng)和誤差略高的問題。隨著教育大數(shù)據(jù)的不斷完善和人工智能技術(shù)的快速發(fā)展，基于機(jī)器學(xué)習(xí)算法的學(xué)生成績(jī)預(yù)警已成為可能。本文基于真實(shí)的學(xué)生學(xué)習(xí)情況數(shù)據(jù)，通過特征選擇建立特征工程，采用K-近鄰法建立學(xué)生學(xué)習(xí)成績(jī)預(yù)警模型，利用訓(xùn)練集數(shù)據(jù)訓(xùn)練模型，并使用測(cè)試集數(shù)據(jù)來測(cè)試模型。結(jié)果表明，本文設(shè)計(jì)的基于K-近鄰算法的學(xué)生成績(jī)預(yù)警模型準(zhǔn)確率為90.5%，并得到了影響學(xué)生掛科的若干重要因素，可為教師及時(shí)調(diào)整教學(xué)策略、提升教學(xué)效果提供參考。

1 引言

近年來，大數(shù)據(jù)研究的快速發(fā)展，不斷影響著社會(huì)生活的各個(gè)領(lǐng)域。2015年8月31日，國務(wù)院印發(fā)了《關(guān)于促進(jìn)大數(shù)據(jù)行動(dòng)綱要的通知》，其中明確要求加大數(shù)據(jù)技術(shù)在教育領(lǐng)域的應(yīng)用。在人工智能時(shí)代，將大數(shù)據(jù)分析技術(shù)與時(shí)俱進(jìn)地應(yīng)用于教育教學(xué)研究中，不僅可為教學(xué)改革提供新的思路，也符合我國教育事業(yè)發(fā)展要求[1]。

在學(xué)生學(xué)習(xí)效果的評(píng)價(jià)體系中，掛科是較為重要的指標(biāo)。因此，對(duì)學(xué)生成績(jī)特別是掛科情況進(jìn)行預(yù)警具有重要意義。傳統(tǒng)的預(yù)警方法主要采用人為選取學(xué)生學(xué)習(xí)指標(biāo)、設(shè)置指標(biāo)權(quán)重的方法，具有較強(qiáng)的主觀性[2-3]。本文擬基于教育大數(shù)據(jù)，運(yùn)用機(jī)器學(xué)習(xí)算法中的K近鄰算法建立模型[4-5]，較客觀的對(duì)學(xué)生成績(jī)進(jìn)行預(yù)警，并對(duì)影響學(xué)生掛科與否的指標(biāo)重要性進(jìn)行排序分析，有助于提升教學(xué)效果。

2 算法介紹

K近鄰算法是機(jī)器學(xué)習(xí)中的典型算法。該算法1967年由Cover T和Hart P提出，是一種較易理解的分類算法。其原理為：假定存在一個(gè)帶有標(biāo)簽的數(shù)據(jù)樣本集合，即每個(gè)樣本的類型是已知的，用該集合作為訓(xùn)練集；現(xiàn)在要預(yù)測(cè)某個(gè)未知標(biāo)簽的新數(shù)據(jù)的類型，我們將已知標(biāo)簽的數(shù)據(jù)樣本按照其特征維度建立N維度坐標(biāo)系，將已知標(biāo)簽的數(shù)據(jù)樣本投放到N維空間中，對(duì)于要預(yù)測(cè)的未知標(biāo)簽樣本也按N維坐標(biāo)投放到坐標(biāo)系中，圈定距離其最近鄰的K個(gè)樣本，K個(gè)樣本中哪種標(biāo)簽類型最多，則認(rèn)為該未知樣本屬于這一類型。

K值的選取是K近鄰算法預(yù)測(cè)準(zhǔn)確率的重要指標(biāo)，對(duì)于有已知經(jīng)驗(yàn)的情況，通常按照經(jīng)驗(yàn)對(duì)K值進(jìn)行設(shè)置；對(duì)于無已知經(jīng)驗(yàn)的情況，可遍歷K的取值（K一般為整數(shù)，通常不大于20），取準(zhǔn)確率最大時(shí)的K值。

3 模型建立和實(shí)例驗(yàn)證

3.1 特征工程建立

為準(zhǔn)確預(yù)測(cè)學(xué)生掛科情況，本文選取章節(jié)測(cè)驗(yàn)、章節(jié)學(xué)習(xí)次數(shù)、作業(yè)、隨堂練習(xí)、綜合評(píng)分、教學(xué)視頻觀看時(shí)長(zhǎng)、參與討論次數(shù)、模擬考試和期末成績(jī)九個(gè)特征建立特征工程。其中前八個(gè)特征為自變量，期末成績(jī)?yōu)橐蜃兞?，即使用前八個(gè)變量預(yù)測(cè)學(xué)生的期末成績(jī)。其中期末成績(jī)按照是否大于60分劃分為“及格”和“不及格”，分別用1和0表示。

3.2 數(shù)據(jù)探索性分析

特征工程各特征之間若存在較強(qiáng)相關(guān)性則會(huì)影響預(yù)測(cè)準(zhǔn)確率，因此對(duì)各特征間的相關(guān)性進(jìn)行分析很有必要。表1為9個(gè)變量之間的相關(guān)系數(shù)矩陣，從其中可以看出，大部分變量之間不存在明顯的相關(guān)性。各變量與期末成績(jī)之間的相關(guān)系數(shù)處于0.005-0.34之間。

表1 各變量間相關(guān)系數(shù)矩陣

3.3 模型建立和訓(xùn)練

建立基于K近鄰算法的學(xué)生成績(jī)預(yù)警模型，首先從sklearn模塊中加KNeighborsClassifier，然后設(shè)置n_neighbors的值，從而實(shí)例化KNeighborsClassifier，實(shí)現(xiàn)模型建立[6]。數(shù)據(jù)集中70%的數(shù)據(jù)用于訓(xùn)練模型，剩余的30%用于測(cè)試模型。

4 結(jié)果分析

4.1 模型準(zhǔn)確率分析

K值是影響K近鄰算法的重要參數(shù)，為取得最佳K值，本文分別測(cè)試了K取1-19之間全部數(shù)值時(shí)的模型的準(zhǔn)確率，如圖1所示。從圖中可以看出，隨著K值的逐漸變大，模型的準(zhǔn)確率逐漸提升，當(dāng)K取12時(shí)，模型準(zhǔn)確率達(dá)到最大值90.5%。說明K近鄰算法建立的學(xué)生成績(jī)預(yù)警模型預(yù)測(cè)效果較好。

圖1 模型準(zhǔn)確率隨K值變化圖

4.2 特征重要性分析

除了得到較高準(zhǔn)確率，分析影響學(xué)生期末成績(jī)的影響因素也同樣重要。本文運(yùn)用隨機(jī)森林算法的feature_importances_屬性得到預(yù)測(cè)期末成績(jī)的八個(gè)特征的重要性排序[7]，如圖2所示。從圖中可以看出影響預(yù)測(cè)精度的最重要的三個(gè)特征為“作業(yè)”、“教學(xué)視頻觀看時(shí)長(zhǎng)”、“模擬考試”，教師在教學(xué)過程中應(yīng)重點(diǎn)關(guān)注在這三個(gè)方面表現(xiàn)不佳的同學(xué)。

圖2 學(xué)生成績(jī)預(yù)警特征重要性排序圖

5 結(jié)束語

本文為解決學(xué)生成績(jī)預(yù)警問題，運(yùn)用機(jī)器學(xué)習(xí)中的K近鄰算法建立了學(xué)生成績(jī)預(yù)警模型，通過調(diào)整K值大小，模型最高準(zhǔn)確率為90.5%，具有較高的預(yù)測(cè)效果，對(duì)預(yù)測(cè)學(xué)生是否掛科具有一定指導(dǎo)意義。另外，影響學(xué)生掛科與否的最重要的三個(gè)特征分別為“作業(yè)”、“教學(xué)視頻觀看時(shí)長(zhǎng)”、“模擬考試”，教師在教學(xué)過程中應(yīng)重點(diǎn)關(guān)注在這三個(gè)維度表現(xiàn)欠佳的學(xué)生，及時(shí)予以針對(duì)性、個(gè)體化的教學(xué)指導(dǎo)，以提升教學(xué)效果，降低掛科率。