用Ｋ均值法對(duì)自考考生流失的研究

摘要：高等教育自學(xué)考試(自考)是我國高等教育的一種重要形式，考生流失是自考的一種普遍現(xiàn)象。流失原因分析對(duì)自考管理方法的改革有著重要的意義。文章嘗試采用聚類分析中K-Means方法對(duì)北京市自考考生流失的多重因素進(jìn)行分析，揭示出自考考生流失的一些規(guī)律。

關(guān)鍵詞：數(shù)據(jù)挖掘；K-均值；高等教育自學(xué)考試；考生流失；聚類

引言

數(shù)據(jù)挖掘(Data Mining)指的是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程。數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)技術(shù)是計(jì)算機(jī)領(lǐng)域一個(gè)非常有活力的研究課題，其研究成果已廣泛應(yīng)用于金融、醫(yī)療保健、零售、制造業(yè)、工程與科學(xué)等行業(yè)。考生流失是自考的一種普遍現(xiàn)象，分析流失原因?qū)ψ钥脊芾矸椒ǖ母母镉兄匾饬x。一些研究人員采用分類統(tǒng)計(jì)等研究方法，從公共課成績?nèi)胧址治隽魇У囊?guī)律，對(duì)該問題進(jìn)行了基礎(chǔ)性的研究。本文采用數(shù)據(jù)挖掘中的聚類分析方法尋找高等教育自學(xué)考試考生各種屬性和考生流失之間的聯(lián)系，希望能為相關(guān)機(jī)構(gòu)提供濃縮的數(shù)據(jù)歸納結(jié)果和有效的建議，更好地服務(wù)于教育機(jī)構(gòu)，服務(wù)于考生。

1、流失定義與流失考生數(shù)據(jù)提取

自學(xué)考試的考試時(shí)間完全可以由考生自己選擇，學(xué)制沒有明確的期限，考生流失既不需要到相關(guān)部門認(rèn)定，也不保證以后不會(huì)再來參加考試。也就是說不再參加考試的考生在學(xué)籍中不會(huì)有記載，而且過了很長時(shí)間(2、3年)后也許會(huì)重新參加考試。因此研究自學(xué)考試考生流失就必須對(duì)流失考生加以明確定義。

首先定義兩個(gè)概念：“跨度”和“暫停期”?！翱缍取倍x為考生參加第一門課程考試與參加最后一門課程考試的時(shí)間間隔(單位為月)；“暫停期”定義為考生兩門課程考試間隔的最大時(shí)間(單位為月)。

圖1、圖2分別是北京市12658名自考已畢業(yè)的考生“跨度”和“暫停期”的統(tǒng)計(jì)數(shù)據(jù)，其中專科8859人，他們中99.5％以上的畢業(yè)生跨度為66個(gè)月，94.1％以上的畢業(yè)生的暫停期為24個(gè)月；本科3799人，他們中99.3％以上的畢業(yè)生跨度為66個(gè)月，95.0％以上的畢業(yè)生的暫停期為24個(gè)月。因此在研究中定義66個(gè)月和24個(gè)月作為“跨度”和“暫停期”的流失閾值A(chǔ)和B。

自考考生流失的定義：跨度大于等于A(66個(gè)月)且最后一門課程考試距當(dāng)前最近一次考試時(shí)間大于等于B(24個(gè)月)的考生即為流失考生。

根據(jù)上述定義，從還未畢業(yè)的18050名考生中篩選出12545名流失考生。總流失率為69.5％。其中?？屏魇蕿?2％，本科流失率為54.3％。(注：其中專本同時(shí)報(bào)考的考生人數(shù)為1275人。)

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文