基于決策樹的電子游戲對高中生學習成績影響分析

☆ 楊銘釗金世東

（1.長春市實驗中學高中部，吉林長春 130117；2.長春市實驗中學電教中心，吉林長春 130117）

基于決策樹的電子游戲對高中生學習成績影響分析

☆ 楊銘釗1金世東2

（1.長春市實驗中學高中部，吉林長春 130117；2.長春市實驗中學電教中心，吉林長春 130117）

目前，電子游戲已經成為青少年的一種重要娛樂休閑方式。其在給青少年帶來快樂的同時，也在一定程度上減少了青少年的課外學習時間，困擾了學生、教師和家長。高中生心智發展迅速，但對電子游戲普遍存在較強的依賴性，而且由于其學業緊張，很容易受到電子游戲的影響。針對這個問題，本文分析了基于決策樹的電子游戲對高中生學習成績的影響，并利用機器學習的方法分析了電子游戲與高中生成績之間的隱含關系，幫助教師和家長有針對性地對高中生進行積極健康的引導。通過實驗證明，該方法能發現游戲和成績之間的隱含關系，并給出一定的建議。

電子游戲；高中生成績；決策樹；機器學習

一、引言

大多數青少年時期的學生，思維活躍、精力充沛、興趣廣泛，容易接受新鮮事物，容易參與一種或多種適合自己興趣的課余活動。電子游戲賦予玩家的參與感往往要超出枯燥的書本和沉悶的課堂，而且電子游戲中網路游戲更能提供多元化的功能平臺和挑戰性的項目，讓玩家在解決難題和升級過關的過程中體會到虛擬的進步感和成就感[1]，所以相對于傳統的學習過程，電子游戲更容易受到青少年學生的關注和喜愛[2]。電子游戲中的某些設定對青少年的智力發育有一定的促進作用，但過分地沉迷電子游戲，則會減少學習時間、降低學習熱情、分散學習注意力。特別是在學習任務繁重的高中階段，面臨高考的競爭壓力，學生在學習過程中沒有體會到進步感和成就感，很容易將競爭壓力和進步訴求轉移到電子游戲中，而電子游戲恰好迎合了高中生的這種心理，使得高中生沉迷電子游戲不能自拔。

目前，對游戲影響學習的研究主要集中在網絡現狀調查、網絡游戲成癮原因分析和網絡游戲信息動機研究等多個方面，代表性的工作有：林云等人[4]利用回歸估計對浙江某大學802名大學生進行學習行為及其影響因素的調查分析。高英彤等人[5]分析網絡游戲對中小學教育的負面影響，并提出了應對方案。陳黎明[6]認為人們對網絡游戲存在偏見，應該探究網絡游戲的特點，設計一款教育網絡游戲以提高學生學習效率。季志[8]對浙江某學院821名大學生進行了隨機調查發現大學生參與網絡游戲的程度和所受影響存在性別差異。

發達國家如美、韓等國為了限制游戲對未成年人的影響，制定了自己的管理規則。主要是對游戲進行了分級[3]，對游戲的類型、內容、場景、角色等基本信息進行了分類和定級，未成年玩家被限制接觸暴力、血腥、飲酒、賭博等類型的游戲。我國目前對電子游戲的管理和限定還處于探索階段，對高中生人群的游戲分類標定更是處于完全空白狀態，對游戲種類、游戲時間、玩家類型等多個因素對成績影響的量化研究還很缺乏。

本文針對以上問題，提出了基于決策樹的電子游戲對高中生學習成績影響分析模型，該模型通過收集高中生日常游戲行為數據，利用決策樹構建成績影響分析模型，發現影響高中生學習成績的關鍵因素。

二、相關理論基礎

從信息論知識中我們知道，期望信息越小，信息增益越大，從而純度越高。所以決策樹算法的核心思想就是以信息增益度量屬性選擇，選擇分裂后信息增益率最大的屬性進行分裂。下面是幾個重要的概念。

設D為用類別對訓練元組進行的劃分，則D的熵（entropy）表示為：

其中pi表示第i個類別在整個訓練元組中出現的概率，可以用屬于此類別元素的數量除以訓練元組元素總數量作為估計。熵的實際意義表示是D中元組的類標號所需要的平均信息量。

現在我們假設將訓練元組D按屬性A進行劃分，則A對D劃分的期望信息為：

分裂信息定義為：

信息增益率定義為：

決策樹就是利用信息熵的基本屬性，構造一棵熵值平均下降最快的樹，將一個最大的不確定狀態轉化為不確定性為零的多個子狀態。

三、游戲——成績影響模型構建

構建游戲——成績影響模型實際上是利用已有游戲行為數據構建一個成績分類決策樹的過程。主要包含三個子過程：收集游戲行為數據、訓練測試模型和判定規則生成。其中，收集游戲行為數據采用調查問卷的形式，以無記名的方式在學生中進行調查，對采集到的樣本通過簡單的數據預處理成模型可用格式。利用已有的決策樹算法對采集到的行為特征數據進行訓練和測試，最終形成一個完整的決策樹，則游戲——成績影響模型構建完成。將該模型中的分類限制條件轉換為IF-THEN結構的因果規則，這樣更容易被理解和利用，利用這些規則指導學生在學習和游戲之間找到一個最佳的平衡。

圖1 基于決策樹的游戲-成績影響模型

如圖1所示，基于決策樹的游戲——成績影響模型主要有三個部分組成：訓練數據、模型和分類規則。其中訓練數據由調查問卷生成，整理成統一格式，具體內容將在實驗結果部分介紹。游戲——成績影響模型是利用訓練數據構建的一棵決策樹，以樹的結構存儲，這個模型可以用來訓練和測試，經過測試優化后，模型最終建立。分類規則由模型生成，可以將決策樹模型的限制條件轉換為IF-THEN結構的條件規則，利用這些規則可以根據學生的游戲行為預測學生的成績行為，教師和家長可以根據實際情況調整策略，如減少游戲時間，加強游戲監管等。

圖2 模型評估和新數據分類

如圖2所示，分類規則的基本形式為IFA1^A2^…^An,THEN Class A or B or C or D.其中Ai為決策樹的分類條件，Class j代表成績分類情況。我們將如圖3所示的部分決策樹限制條件轉化為IF-THEN結構的因果條件，則IF-THEN因果條件為：

IF主觀影響=1，上課是否玩=0，游戲時間＜=8，THEN Class A

圖3 部分決策樹

四、實驗結果

1.數據樣本

樣本數據通過調查問卷的形式采集，最終回收的有效調查問卷為46份，調查問卷產生的游戲——學習行為特征有15個，具體特征及其含義如表1所示。

表1 游戲——學習行為特征

根據提交者的成績信息，從高到低分為四類：A，B，C和D。具體的成績和分類信息如圖4所示。

圖4 成績和分類樣本數據分析

2.結果分析

本文采用WEKA[9]數據挖掘平臺中決策樹算法J48對成績和分類樣本數據進行訓練和測試，采取十折交叉驗證的方式保證實驗結果的公平性和有效性，經過優化后的主要參數為C=0.001、M=3，訓練后生成決策樹如圖5所示，可以看出主觀影響為第一個被選擇的屬性，ABD三類學生都受主觀因素的影響，而C類學生主觀上并不在意游戲對學習的影響。上課是否游戲是區分D和AB兩類學生的特征屬性，上課玩游戲的學生被分在D類里，而不玩游戲的學生被分在AB兩類里，可以看出上課是否玩游戲對學習成績影響很大，而游戲總時間是區分A和B兩類的重要特征，游戲時間大于8的學生被分在B類里，而小于等于8的被分在A類里。

圖5 基于決策樹的游戲-學習訓練模型

經過參數優化，模型的正確分類樣本數為29個，錯誤分類樣本數為17個，正確分類率為63.0435%，可以看出分類精度并不高，出現這種現象的原因可能是樣本特征不顯著或者樣本數量過少導致欠擬合。

五、總結與展望

基于決策樹的游戲——學習影響模型通過收集高中生日常游戲行為數據，利用決策樹構建成績影響分析模型，能夠有效地發現影響高中生學習成績的關鍵因素。通過實驗證明，該方法能發現游戲和成績之間的隱含關系，并給出一些IF-THEN結構的關系規則。雖然實驗的分類精度不高，但仍有一定的指導意義。下一步工作將主要集中在兩個方面：一方面是要擴大調查范圍，增加調查樣本，解決樣本數量過少導致的欠擬合問題；另外一方面是對已有樣本的特征進行特征選擇，獲得最優的樣本特征組合，解決樣本特征不顯著的問題。

[1]李儀凡.中國網絡游戲玩家關鍵驅動因素及市場細分研究——以MMORPG為例[D].上海:復旦大學,2005.

[2]黃少華.網絡空間的社會行為——青少年網絡行為研究[M].北京:人民出版社,2008.

[3]高英彤,劉艷姝.論軟力量與網絡游戲[J].外國教育研究,2007,(06):72-76.

[4]林云,梁雄軍.大學生學習行為及其影響因素的實證研究[J].天津大學學報,2010,(03):283-288.

[5]高英彤,楊冰,叢迪.網絡游戲對中小學教師的挑戰及應對[J].中小學教師培訓,2009,(02):59-60.

[6]陳黎明.讓網絡游戲為教育服務[J].現代教育科學,2007,(01):33-35.

[7]段景勇，喬毅.論高校輔導員在大學生網絡游戲成癮中的任務[J].繼續教育研究,2008,(08):73-74.

[8]季志.大學生參與網絡游戲狀況的調查與分析[J].現代教育科學高教研究,2007,(01):130-133.

[8]The University of Waikato.Weka 3:Data Mining Software in Java[EB/OL].[2016.11].http://www.cs.waikato.ac.nz/ml/weka/.

G434

A

1671-7503（2016）23-0024-04

莊豐源]