數(shù)據(jù)挖掘技術(shù)在程序設(shè)計(jì)課程教學(xué)中的應(yīng)用

摘要:本文介紹了在程序設(shè)計(jì)課程教學(xué)中教師如何對(duì)學(xué)生程序作業(yè)進(jìn)行數(shù)據(jù)挖掘的一種方法。這種方法即將學(xué)生源程序文件分解為語法元素?cái)?shù)據(jù)，對(duì)語法元素?cái)?shù)據(jù)和成績進(jìn)行分析和統(tǒng)計(jì)，幫助教師發(fā)現(xiàn)導(dǎo)致學(xué)生程序錯(cuò)誤的主要因素，從而調(diào)整教學(xué)內(nèi)容和方式。

關(guān)鍵詞:數(shù)據(jù)挖掘；程序設(shè)計(jì)；教學(xué)

中圖分類號(hào)：G64 文獻(xiàn)標(biāo)識(shí)碼：B文章編號(hào)：1672-5913（2007）02-0057-03

1程序設(shè)計(jì)課程與數(shù)據(jù)挖掘技術(shù)概述

程序設(shè)計(jì)課程是培養(yǎng)學(xué)生軟件開發(fā)能力的一門課程。目前國內(nèi)的理工類學(xué)?；蛳嚓P(guān)專業(yè)普遍都為學(xué)生開設(shè)了程序設(shè)計(jì)課程。一直以來，如何了解多數(shù)學(xué)生在學(xué)習(xí)程序設(shè)計(jì)中所遇到的困難，如何幫助學(xué)生克服學(xué)習(xí)中的障礙，都要靠教師多年的教學(xué)經(jīng)驗(yàn)來解決。這種傳統(tǒng)的教學(xué)方法顯然不能滿足知識(shí)更新迅速的計(jì)算機(jī)教學(xué)過程。因此需要研究如何從學(xué)生提交的程序作業(yè)中利用數(shù)據(jù)庫技術(shù)及時(shí)發(fā)現(xiàn)問題和解決問題。數(shù)據(jù)挖掘（Data Mining）技術(shù)是近年來新興的數(shù)據(jù)管理與分析技術(shù)，主要用于發(fā)現(xiàn)數(shù)據(jù)中隱藏的線索，輔助人們進(jìn)行科學(xué)分析和決策。數(shù)據(jù)挖掘普遍需要三個(gè)階段：數(shù)據(jù)準(zhǔn)備、挖掘操作和結(jié)果表達(dá)。下面以C語言為例介紹在程序設(shè)計(jì)課程教學(xué)中，對(duì)學(xué)生程序作業(yè)進(jìn)行數(shù)據(jù)挖掘的一種應(yīng)用方案。

2程序設(shè)計(jì)課程的數(shù)據(jù)挖掘過程

2.1 數(shù)據(jù)準(zhǔn)備

根據(jù)程序設(shè)計(jì)課程的教學(xué)特點(diǎn)，我們按錯(cuò)誤的嚴(yán)重程度將所有學(xué)生提交的程序作業(yè)的評(píng)閱結(jié)果歸納為以下5類，即題目錯(cuò)誤、編譯時(shí)語法錯(cuò)誤、編譯時(shí)語法警告、編譯后運(yùn)行結(jié)果不完全正確、編譯后運(yùn)行結(jié)果完全正確。為了對(duì)學(xué)生程序作業(yè)中的問題進(jìn)一步分析原因，我們對(duì)以下8類數(shù)據(jù)進(jìn)行分析，即功能模塊函數(shù)序列、邏輯結(jié)構(gòu)序列、語句類型序列、表達(dá)式序列、運(yùn)算符序列、標(biāo)識(shí)符序列、數(shù)值常量序列以及簡化的字符常量序列。

要將文件形式的源程序分解為以上8項(xiàng)數(shù)據(jù)，就需要按語法規(guī)則完成以下步驟：

（1） 過濾程序中的注釋信息和空白字符，產(chǎn)生預(yù)處理元素序列；

（2） 根據(jù)#include和#define等標(biāo)記替換用戶指定的包含文件和宏定義等預(yù)處理元素；

（3） 對(duì)照語法元素表，進(jìn)一步將程序分解為關(guān)鍵字、標(biāo)識(shí)符、常量、運(yùn)算符、定界符等語法元素序列；

（4） 將數(shù)值常量以空格為連接符連接為一個(gè)數(shù)值常量序列；

（5） 將字符及字符串常量保留%d等格式字符和\等轉(zhuǎn)義字符后刪去多余字符，以空格為連接符連接為一個(gè)簡化的字符常量序列；

（6） 將所有運(yùn)算符以空格為連接符連接為一個(gè)運(yùn)算符序列；

（7） 將用戶變量名和函數(shù)名統(tǒng)一編碼后與程序中的關(guān)鍵字構(gòu)成標(biāo)識(shí)符序列；

（8） 將運(yùn)算符與標(biāo)識(shí)符及常量以空格為連接符連接為一個(gè)表達(dá)式序列；

（9） 將程序中的語句分類為表達(dá)式語句、函數(shù)調(diào)用語句、空語句、復(fù)合語句、if語句、else語句、switch語句、case語句、while語句、do語句、for語句、break語句、continue語句、return語句和goto語句，并組織成語句類型序列；

（10） 對(duì)語句按分號(hào)和大括號(hào)等定界符劃分為模塊函數(shù)序列；

（11） 將模塊內(nèi)語句按順序、選擇、循環(huán)的分類構(gòu)成邏輯結(jié)構(gòu)序列。

2.2 挖掘操作的過程

由于篇幅所限，下面僅以程序設(shè)計(jì)教學(xué)中的典型題目“溫度轉(zhuǎn)換”的數(shù)值常量序列和運(yùn)算符序列為考察數(shù)據(jù)具體描述挖掘過程。

（1）數(shù)據(jù)清理

首先將數(shù)據(jù)準(zhǔn)備階段的各類數(shù)據(jù)與評(píng)閱結(jié)果組成一個(gè)數(shù)據(jù)記錄集（如表1所示）。由于分析的目的是找出教學(xué)中造成學(xué)生程序錯(cuò)誤的主要因素，而題目錯(cuò)誤僅僅是因?yàn)閷W(xué)生操作馬虎，與掌握程序設(shè)計(jì)的能力并不相關(guān)，因此把評(píng)閱結(jié)果全部正確的和題目錯(cuò)誤的記錄過濾掉，只保留評(píng)閱結(jié)果為語法錯(cuò)誤、語法警告和運(yùn)行錯(cuò)誤的記錄（如表2所示）。

（2）構(gòu)造1項(xiàng)侯選集，發(fā)現(xiàn)頻繁1項(xiàng)集

將所有數(shù)據(jù)作為1項(xiàng)集中的元素，構(gòu)造1項(xiàng)侯選集，并計(jì)算不同元素的數(shù)量，如表3所示。保留其中數(shù)量較多的元素，濾掉其它元素，得到頻繁1項(xiàng)集，如表4所示。

（3）構(gòu)造2項(xiàng)侯選集，發(fā)現(xiàn)頻繁2項(xiàng)集

將所有頻繁1項(xiàng)集元素兩兩組合，構(gòu)成侯選2項(xiàng)集，并計(jì)算組合后的數(shù)量，如表5所示。保留其中數(shù)量比較多的元素，濾掉其它元素，得到頻繁2項(xiàng)集{=/*(-)，編譯警告}。

2.3 結(jié)果表達(dá)和解釋

保留下來的2項(xiàng)集的兩個(gè)元素分別代表了錯(cuò)誤類型和造成該類型錯(cuò)誤的主要語法元素序列，即現(xiàn)有數(shù)據(jù)表明（輸入函數(shù)中）未使用取地址運(yùn)算符是造成編譯警告的主要原因。

3數(shù)據(jù)挖掘應(yīng)用效果

在現(xiàn)實(shí)的教學(xué)過程中，我們對(duì)2005級(jí)8個(gè)班275名學(xué)生的5385個(gè)程序進(jìn)行了統(tǒng)計(jì)和分析，發(fā)現(xiàn)題目錯(cuò)誤的比例約占1.49%，編譯錯(cuò)誤的比例約占3.38%，編譯時(shí)警告的比例約占1.21%，運(yùn)行錯(cuò)誤的比例約占8.10%，運(yùn)行正確的比例約占85.82%。其中造成編譯錯(cuò)誤的主要原因是注釋信息或各級(jí)括號(hào)定界符未配對(duì)；造成編譯警告的主要原因是格式輸入函數(shù)調(diào)用時(shí)缺少地址運(yùn)算符或用戶變量定義后未使用；造成運(yùn)行錯(cuò)誤的主要原因是除法運(yùn)算符兩側(cè)運(yùn)算量為整型常量。下面的圖表反映了在程序設(shè)計(jì)課程的教學(xué)中沒有使用數(shù)據(jù)挖掘技術(shù)和使用了數(shù)據(jù)挖掘技術(shù)的教學(xué)效果對(duì)比。

圖1為未采用本方法指導(dǎo)教學(xué)的10次學(xué)生程序作業(yè)評(píng)閱結(jié)果統(tǒng)計(jì)圖，其中靠上的折線表示每次學(xué)生作業(yè)的平均分?jǐn)?shù)，靠下的折線表示每次學(xué)生作業(yè)的嚴(yán)重語法錯(cuò)誤發(fā)生率?？梢园l(fā)現(xiàn)，學(xué)生每次作業(yè)的平均成績基本呈水平小波動(dòng)隨機(jī)形狀，表明學(xué)生成績?cè)趯W(xué)習(xí)過程中沒有明顯變化，同樣嚴(yán)重語法錯(cuò)誤發(fā)生率也沒有明顯變化。圖2為一直采用本方法指導(dǎo)教學(xué)的10次學(xué)生程序作業(yè)評(píng)閱結(jié)果統(tǒng)計(jì)圖，可以發(fā)現(xiàn)學(xué)生的成績隨著系統(tǒng)的使用時(shí)間增加而穩(wěn)定的上升。在第三次作業(yè)以后基本保持在90分以上的水平，同時(shí)嚴(yán)重語法錯(cuò)誤的比例也快速的下降，在第二次作業(yè)以后就控制在5%以下。以上對(duì)比說明本方法比較準(zhǔn)確地發(fā)現(xiàn)了學(xué)生程序中的語法錯(cuò)誤和算法錯(cuò)誤的主要因素，使學(xué)生得到及時(shí)地反饋并在以后的程序設(shè)計(jì)中避免相似的錯(cuò)誤，從而明顯的改善了教學(xué)效果。

參考文獻(xiàn)：

[1] 李建中，王珊 . 數(shù)據(jù)庫系統(tǒng)原理[M] . 北京：電子工業(yè)出版社，2004.

[2] Richard J. Roiger，Michael W.Geatz . 數(shù)據(jù)挖掘教程[M] .北京：清華大學(xué)出版社，2003.

[3] GB/T 15272-94.程序設(shè)計(jì)語言C[S].

投稿日期：2006-08-08

作者簡介：梅險(xiǎn)（1975-），男（漢族），黑龍江省哈爾濱市人，工程師，研究方向：數(shù)據(jù)庫與軟件工程。