基于物聯網專業課學習興趣度的關聯分析研究

吳珺+葉志偉+鐘曉芳

摘要：物聯網作為近年來的新興本科教育專業備受關注。本文研究團隊作為教育一線的老師，通過總結近幾年來物聯網專業學生的各類基礎課、專業課的學習狀況和成績，并結合學?，F有的物聯網專業教學資源平臺，進行了深入的研究。通過關聯分析物聯網專業各個年級的學生成績和實踐能力等指標，可以更好地指導學生專業學習并選擇適合自己的專業方向和就業能力的培養。

關鍵詞：物聯網專業；學習興趣度；關聯分析

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2017）19-0267-02

一、物聯網專業課程體系

物聯網是計算機和互聯網技術的延伸和發展，促進了互聯網的進一步完善。物聯網具有信息感知等基本功能，并在感知技術的基礎上發展了交互技術，促進了物聯網技術的不斷成熟。[1]“物聯網技術”是湖北工業大學計算機學院在“十三五”規劃時期新開設的專業，在2016年學院進一步完善了的“物聯網技術專業本科培養方案”，并對物聯網專業學生進行導師指導制，在大三以后的學習中按照自己的專業興趣度選擇物聯網專業小方向。此次的創新改革體現了將創新性課程且符合信息產業新需求、培養創新性人才等目標。課程創新規劃旨在以工程技術為主線，著力提高學生的工程意識、工程素質與工程實踐能力，培養能夠滿足物聯網產業未來發展需要、適應和引領未來的物聯網發展方向的工程師。[2]

二、關聯分析物聯網專業的學生數據

關聯分析是數據挖掘中十分重要的一種方法，其中Apriori算法作為關聯分析的主要應用方法已經十分穩定成熟。Apriori算法的基本思想是：第一步先找出所有的頻集，這些項集出現的頻繁性至少和預定義的最小支持度一樣。然后由頻集產生強關聯規則，這些規則必須滿足最小支持度和最小可信度。接下來使用第一步找到的頻集所產生期望的規則，產生只包含集合的項的所有規則，其中每一條規則的右部只有一項，這里采用的是中規則的定義。一旦這些規則被生成，那么只有那些大于用戶給定的最小可信度的規則才被留下來。為了生成所有頻集，使用了遞推的方法。總的來說：首先找出支持度大于最小支持度的項集；然后使用該項集產生的期望規則；接著對項集進行連接、剪枝；最后得出頻繁項集。[3-5]當前普遍存在一個現象：大學所培養出來的大學生與企業的期望往往不相符，學生質量在不斷下降，很重要的一個原因就是就是學生沒有選擇好自己的就業方向，不能很好地了解自己。

物聯網專業可以大致分為硬件和軟件兩個方向。為了讓學生了解自己適合哪個就業方向，我們可以對學生的各科成績及科目偏科的方向來進行分析，從數據中找出一些規律，從而指導學生進行對未來就業方向的選擇。以下關聯分析數據為本校2012級物聯網專業的100位同學在大學前兩個學年的專業課（C語言，數據結構，數字電路以及模擬電子技術）的原始成績為研究樣本。我們將通過Apriori算法對物聯網專業的學生從大一開始的專業課成績進行分析，幫助他們確定大學后兩年的專業側重方向，在專業課學習中發揮自己最大的興趣度和能力。經過關聯規則的初步分析如表1所示。

支持度計算（設支持度閾值為0.5），support：C語言：11/20=0.55；support：數據結構：15/20=0.75；support：數電：15/20=0.75；support：模電：17/20=0.85；

置信度計算

confidence（模電，C語言）=0.529 confidence（數據結構，C語言）=0.714

confidence（模電，數據結構）=0.706 confidence（數電，C語言）=0.315

confidence（數電，模電）=0.8 confidence（數據結構，數電）=0.311

confidence（模電，數電）=1 confidence（數據結構，模電）=0.414

confidence（C語言，數據結構）=0.72 confidence（C語言，模電）=0.215

confidence（數電，C語言）=0.467

經整理得到表2的結果。

由此我們可以得出：模電和數電關聯度比較高，是偏硬件方向的，C語言和數據結構關聯度比較高，是偏軟件方向的，所以模電和數電成績相對好的可以選擇硬件方向，C語言和數據結構成績相對較好的同學可以選擇軟件方向的。

三、結語

當前普遍存在一個現象：大學所培養出來的大學生與企業的期望往往不相符，學生專業知識不符合工作需要，其根本原因在于大多數學生沒有選擇好自己的方向，學生在大學專業課學習的重要環節不能很好地將自己興趣度與專業相結合。因此本文使用Apriori算法對物聯網專業的學生從大一開始的專業課成績進行分析，幫助他們確定專業側重方向，更好地開展專業課學習和創新實踐活動，在專業學習中發揮自己最大的興趣度和能力，成為更加具有競爭力的物聯網畢業生。

參考文獻：

[1]李宇.探析物聯網信息感知與交互技術[J].信息通信，2015，（8）：133-133.

[2]吳珺，王春枝，葉志偉.面向信息時代發展的物聯網技術課程創新規劃研究[J].教育教學論壇，2016，（17）：233-234.

[3]毛國君，劉椿年.基于項目序列集操作的關聯規則挖掘算法[J].計算機學報，2002，25（4）：417-422.

[4]毛國君，王實.數據挖掘原理與算法第1版[M].清華大學出版社，2006.

[5]黃德才.數據倉庫與數據挖掘教程[M].清華大學出版社，2016.

Research on Relevance Analysis of Interest Degree of Learning Based on Internet of Things

WU Jun，YE Zhi-wei，ZHONG Xiao-fang

（School of Computer Science，Hubei University of Technology，Wuhan，Hubei 430068，China）

Abstract：nternet of things as emerging undergraduate education in recent years，professional concern. The research team as education teachers，through the summary of things in recent years of professional students of various basic courses，professional courses and learning