基于成績關聯分析的應用型本科課程設置探索*

李廣水，王智鋼

（金陵科技學院 軟件工程學院，江蘇 南京 211169）

基于成績關聯分析的應用型本科課程設置探索*

李廣水，王智鋼

（金陵科技學院 軟件工程學院，江蘇 南京 211169）

本文在綜述應用型院校在課程設置方面的特點及面臨困難的基礎上，提出依據學生成績數據進行關聯性分析來發現課程設置所存在的問題，并利用真實數據進行了驗證分析，結果表明所提出的方法是有效的。本研究可為課程體系的重構提供科學的依據。

應用型本科；課程設置；關聯規則

一、引言

當前我國應用型本科院校無論是高校數量還是在校生人數都占有很大比例，但從人才培養積累的經驗來看，與學術型高校或技能型院校相比，應用型本科院校在這一方面需要進行更多的探索，這不僅是因為應用型本科院校在辦學歷史方面的短板，還因為有相當一部分應用型本科將其人才培養定位與地方經濟緊密關聯，以期在“應用”方面體現出自身特色。由于我國當前經濟正處于快速發展及轉型期，區域發展各具特色，因此如何培養應用型人才，不同院校有著不同的定位、理解與認識，這也給應用型人才培養模式的清晰界定帶來了挑戰。

課程體系是人才培養的主要載體,是構建人才培養模式和培養方案的核心內容。潘懋元等[1]認為，應用型院校應該重構課程理念，強調學習共同體和實踐共同體對于意義建構的重要作用，著力探索新的專業人才培養課程體系。

二、應用型本科課程體系的特點

目前對應用型本科院校課程體系的構建研究主要從宏觀的角度進行探討，其主要共識包括強調實踐創新，行業的積極參與，采用模塊化的課程設計方案等。分析當前應用性本科院校在課程體系構建中面臨的主要困難，我們認為主要有以下幾個方面：

首先，由于應用型人才注重實踐創新能力的培養，強調與行業的緊密結合，而社會技術的發展及區域經濟的差異、學校人才培養的自身定位，都會要求不同高校人才培養的課程內容具有自己的特色，這給彼此借鑒帶來一定的困難；

其次，課程體系的重構或修訂一般以一個學年或更長時間為一個周期，主要有學科、專業負責人及骨干教師參與，而具體任課教師意識到的問題并不能及時地、暢通無阻地在新課程體系中得到解決，且經常出現校內校外教師共同承擔教學任務現象，特別是校外教師的計劃制定參與者和任課教師常常不是同一個人，這也給課程設置中的信息溝通帶來了一定的障礙；

最后，應用型本科院校的課程設置相比于傳統高校具有明顯的高更換率，由于需要追求與行業的同步發展，應用型院校從學生培養方向、課程體系重構以及教材的選擇上多表現得更為頻繁，這給教材的質量、授課的效果、評價等都帶來不利的影響。

上述特點帶來的問題是課程體系的系統性不夠，僅重視基礎模塊、專業基礎模塊和專業模塊各自的整合和改革，而對模塊之間的邏輯關系和內在聯系考慮不足，[2]其具體體現在以下幾點：

一是多門課程之間有重復內容。應用型本科為了跟蹤當前業界的最新發展趨勢，對一些新的理論特別是應用技術過于倚重，但可能這些技術本身的分類尚不明朗，教師對其的把握尚未深入，從而可能導致在專業方向、專業選修、專業實踐課程中相同理論或知識以不同的課程名稱同時出現在同一個專業的教學計劃中。

二是前導課程的設置不能滿足專業知識要求，影響學生后續課程的學習。由于應用型本科強調實踐創新能力的培養，因此，加強實踐課程成為當前共識，但是在不增加整個學時的情況下，必定需要削弱其他課程所占比例。

而最為重要的一個現象可能是教材本身在內容的組織、知識的選取、陳述的條理性等方面存在問題，正如相關專家[2]指出，適用于培養學術型人才的理論體系教材一用就是多年，適用于高職高專院校培養職業型人才的教材在精品課程建設等教育部項目的推動下已經取得一定的成果。而對于適用于應用型高校培養應用型人才的知行教材體系，由于特征和要求不明顯則成了被遺忘的重要任務。

基于上述問題，本研究嘗試依據相同或相似專業的學生考試成績，通過分析其多年數據分布狀況，找出課程體系在設置、課程的內容等方面存在的問題，力爭從定量的角度探討應用型本科院校課程設置的科學性。

三、基于成績的課程內在關聯特征挖掘

利用關聯規則中頻繁項集的挖掘，可以發現某些項或項集在數據集中出現的比例高于指定閾值，我們稱這些項或項集為頻繁項集。

關聯規則一個典型的應用場景是對顧客超市購物籃的分析，顧客經過POS機結賬之后，在超市管理信息系統中可以存留以下的數據集（表1）：

表1 可挖掘關聯規則的超市購物數據集

以上數據集中,某顧客一次購物序列是指不同顧客的一次購物過程，而I1,I2,I3等代表商品列表。顯然，對一個大型超市而言，一段時間的積累以后上述數據集可能會變得非常龐大，關聯規則挖掘的核心問題是針對該數據集，對購物清單列分析希望找出某一組商品，譬如（I3,I5,I20）為頻繁項集。

自1993年阿格拉沃爾等提出關聯規則這一概念之后，相關研究一直受到人們的重視。由于關聯規則必須抽取于大數據集，所以，研究應對的一個主題是如何提高搜索效率，其中由阿格拉沃爾提出的Apriori算法[3]是關聯規則挖掘的原創性經典算法。

目前絕大部分高校已經采用教務管理信息系統進行日常教學管理，其保存的歷年學生學習成績為我們獲取基礎數據提供了極大的便利。從教務系統中經過簡單的轉換我們可以得到如表2所示的數據集：

表2 學生成績數據

將連續的成績數據進行離散化處理，假設規定將成績分為3個等級，用L表示0—45分，M表示46—75分，H表示76—100分，對于相同專業或課程大部分重復的相似專業，選取他們完全相同的課程集，表2可以進一步轉化成如下易于頻繁項集挖掘的數據集（表3），其中1,2……n數字代表對應的課程：

表3 構建易于頻繁項集挖掘的數據集

對表3進行頻繁項集挖掘，假設得到形如以下三式不同頻繁項集的集合：[（M2，65%）,(L6，63%)，（H11，62%），（H28，56%），（L38，55%），（L39，50%）]（1）[(M2,L38 48%)，（H11，H28 44%），（L6,L38 40%）]（2）

在數據挖掘領域，上述式（1）、（2）分別稱為頻繁1-項集、2-項集。其中，百分比代表該頻繁項集占所有數據記錄的比例，稱為支持度。由于頻繁項集固有特性，頻繁2-項集所有項必定來自于頻繁1-項集，同樣頻繁3-項集所有項必定來自于頻繁2-項集。因此，在相同閾值的情況下，包含越多項的項集會越來越少。

以上三式的具體含義分別解釋如下：

式（1）說明了所有選修學生中，有65%的學生課程2考試成績一般，63%的同學課程6考得不好；

式（2）說明了有48%的學生課程2成績一般且課程38的成績較差，44%的學生課程11和課程28都考得較好，40%的學生課程6和課程38都考得較差。

上述分析在對一定量的學生人數的數據分析之后，統計得到的結果顯然是發現了某課程在教學過程中的一些特殊情況，特別是普遍好（即頻繁項集中僅有H符號）和普遍差（頻繁項集中僅有L符號）這兩個情況，我們依據頻繁項集的特點可以推導出如下幾個結論。

如果發現一些課程學生普遍學得好，可能：

（1）課程內容有所重復，本課程的一些知識在其它已學過的課程中或已涉及；

（2）學生意識到這些課程的重要性，主動學習的積極性較高。

如果一些課程學生普遍學得不好，可能：

（1）課程的前導知識學習得不好；

（2）教材選擇得不好；

（3）課程設置的合理性存在問題。可能內容比較落后、難度不適、理論性太強，與實際應用有較大距離等等。

四、實際數據驗證

金陵科技學院是一所以培養高級應用型人才為主的全日制普通本科院校。學校2006年開始實施教學管理信息化工程，2007年以來的所有學生考試成績都保存在教務管理系統之中，我們提取出該校計算機科學與技術專業2007年至2013年7年間的所有學生成績進行關聯性分析。

首先我們分析了7年之間該專業課程設置特點，發現公共基礎課程和專業基礎課程沒有太大的變化，剔除之前開設但沒有延續至今的課程，共得到21門課程633名學生的數據。

如前所述，將成績概化成三個等級，并設定支持度為40%，利用我們自主開發的基于Apriori算法的頻繁項集挖掘工具，我們采用兩種方法進行頻繁項集挖掘。首先將7個數據集合并為一個數據集進行挖掘，在普遍好的情況下，得到6個1-頻繁項集和2個2-頻繁項集。而普遍較差的情況下，得到9個1-頻繁項集，3個2-頻繁項集和1個3-頻繁項集。其中，6個普遍好的1-頻繁項集包括有：形勢與政策、大學生職業生涯規劃，2-頻繁項集包括有：形勢與政策、大學生職業生涯規劃、大學生創業導論。

普遍差的1-頻繁項集中包含了公共基礎課程中的高等數學AI，高等數學AII以及專業基礎課中的大部分課程。而2-頻繁項集包括有：高等數學AII，大學英語4；高等數學AII，離散結構；高等數學AII，操作系統。3-頻繁項集有：高等數學AII、離散結構、操作系統。

針對上述情況，通過對相關教師以及當前在校學生的溝通調查，我們綜合得到以下結論：

學得普遍較好：主要原因是一些課程的設置難度不高，考試形式比較靈活，如“形勢與政策”。而一些課程如“英語1”得到了學生的普遍重視，在難度不高的情況下，學生比較容易取得好的成績。

學得普遍較差：一個原因是學生認為課程內容與實際應用存在一定距離，用處不大。但更為主要的原因是難度較大。雖然該校是二本院校，但一些公共基礎課選擇的教材卻等同于普通高校，因此教與學都面臨一定的困難，而很多教師的理念是，一些直接影響后續課程學習的基礎課程必須高標準、嚴要求。

同時，對于學得普遍不好的2-頻繁項集和3-頻繁項集，我們可以看到除了（高等數學AII，大學英語4）沒有直接的關聯外，（高等數學AII，離散結構），（高等數學AII，操作系統）以及（高等數學AII，離散結構，操作系統）彼此都有一定的關聯性，其中“高等數學AII”可能是最值得關注的課程。

我們又針對不同年級的7個數據集單獨進行頻繁項集挖掘實驗，除了少部分結果可能是教師、考卷的因素不能正常解釋外，其主要頻繁項集反映的情況與實際調查都比較吻合。此外，我們發現一個有趣的現象是課程“算法與數據結構”的普遍好支持度逐年提高，特別自2010年之后，其普遍好的支持度一直在40%以上，但是其直接的前導課程“C語言程序設計”并沒有同步提高。通過調查得出其主要的原因是：由于學校近幾年強調計算機二級的通過率，并要求該專業的學生必須參加計算機等級二級C語言考試，為提高學生的通過率，相關教師又在該課程考試結束后針對C語言二級考試進行了額外的輔導。另一方面，近幾年該專業參加考研的人數逐年增加，作為計算機及其相關專業考研主考課程“算法與數據結構”一直受到學生的重視。

五、結語

本文提出基于學生課程考試成績發現其與教學、內容、教材選擇等之間的關聯，不僅從具體的角度查找出課程設置的問題，而且能發現多門課程之間存在的關聯性不足，利用實際的學生成績數據也驗證了其具有一定的合理性。

從管理的角度出發，當前教學計劃的修訂一般由教務處、學院教學管理部門組織，專業負責人負責進行這項工作，是一個自上而下的過程。這雖然有利于工作的展開，但并不能完整地收集到各方意見。如果相關人員利用該方法在計劃修訂前分析課程存在的問題，從而可以有針對性地展開調研論證，消弭了課程設置過程中教師、學生與設計小組信息溝通不暢帶來的影響，為課程設置的科學性提供了有益的幫助。

[1]潘懋元,周群英.從高校分類的視角看應用型本科課程建設[J].中國大學教學,2009(3):4-7.

[2]林健.高校“卓越工程師教育培養計劃”實施進展評析(2010-2012)(上)[J].高等工程教育研究,2013(4):1-12.

[3]AgrawalR,SrikantR(1994)Fastalgorithms form ining association rules.In:Proceedings of the 1994 internationalconferenceon very large databases(VLDB’94),Santiago,Chile,487-499.

(編輯：李曉萍)

G642.3

A

1673-8454（2015）02-0080-03

教育部2013年度人文社會科學研究專項任務項目（工程科技人才培養研究）“面向地方應用型本科院校工科人才培養機制-評價體系構建研究”（13JDGC018）的階段性成果。