Apriori算法在新工科學生專業承諾研究中的應用

摘要：目的：應用Apriori算法研究新設工學專業學生的專業承諾與相關影響因素之間的關聯性.方法：采用問卷調查法，用Apriori算法進行關聯性研究.結果：數據挖掘發現，在諸多影響專業承諾的因素中，“專業認知”“環境影響”“就業前景”這三個因素與制藥工程專業學生的專業承諾水平關聯性最強，對其有顯著影響.結論：Apriori算法相比傳統spss方法，更注重分析數據之間的聯系，且找出了對學生專業承諾水平影響最大的三個因素，對于提升新專業的質量具有指導意義.

關鍵詞：專業承諾;調查問卷;數據挖掘

中圖分類號：G647? 文獻標識碼：A? 文章編號：1673-260X（2019）06-0155-03

1 引言

我國高等院校的辦學理念已經由擴張型發展模式轉變為內涵型發展模式，要求高校的發展要不斷創新，辦出特色，力爭培養一流人才.在這種體制下，很多醫學類院校為了提高辦學層次，由單一型院校向多學科綜合型大學轉變，開辦了一些近醫非醫的新專業.

蚌埠醫學院近年來新建了三個工學專業，分別為制藥工程專業、食品質量與安全專業和物聯網工程專業.由于新專業成立時間短，辦學經驗不足，專業資源有限，使得新專業的發展面臨一定的挑戰.專業的特色和專業的優勢無法體現出來，同時容易造成新專業的學生專業承諾水平偏低，這會導致學生對專業缺乏認同感，專業思想不穩定，學習上容易產生畏難情緒.這種低專業承諾水平對其學習和專業發展會造成嚴重的不良影響[1].

專業承諾是指個體認同自身所從事的專業或職業，愿意付出努力的積極態度.大學生的專業承諾水平可以通過“情感承諾”“規范承諾”“繼續承諾”和“理想承諾”四個維度體現出來[2].本文通過對蚌醫新設工學專業的學生進行問卷調查，了解其專業承諾水平的現狀，運用數據挖掘Apriori算法找出影響學生專業承諾水平的關鍵因素.為提高學生專業承諾水平，提升新設專業的辦學質量提供理論依據.

2 Apriori算法應用

2.1 算法介紹

在大量、繁雜、模糊的數據中，相互之間可能存在某種關聯性，其中隱含著有用的信息.找出事物之間這種潛在關聯的方法稱為數據挖掘，提取出來的有用信息叫作關聯規則.Apriori算法就是最常用的數據挖掘算法之一[3].

數據挖掘算法可以廣泛應用在各行各業的數據分析中，Apriori算法就是用來分析找出數據之間的潛在關聯性，然后人為去分析產生這種關聯性的原因.而使用SPSS軟件去研究數據之間的關聯性，需要選擇數據，建立回歸分析模型進行研究，這就需要我們首先要為數據人為設定一個范圍，算法的建立比較復雜，得出的結果可能也不準確.使用Apriori算法更簡單、直觀，是SPSS軟件的一種有益補充.

2.2 研究方法

目前專業承諾的研究成果表明，影響大學生專業承諾的因素大致可分成學生個體的心理因素、學校教育因素和社會因素，共三大類.本文把這三大類影響因素再細分成五類，分別為：學生對所學專業的認知程度;學院對開辦專業的管理水平;專業課教師的教學水平;學校環境氛圍的影響;專業的就業前景.這五類影響因素分別記為“專業認知”“專業管理”“專業課教學”“環境影響”“就業前景”.

制作調查問卷，收集這五類影響因素和學生專業承諾的數據，運用Apriori算法研究這五類影響因素與學生專業承諾之間的關聯性，試圖找出其中與學生專業承諾水平關聯性最大的影響因素[4].

2.3 數據獲取

編制了《新設工學專業學生專業承諾問卷》和《專業承諾影響因素問卷》兩個調查問卷來獲取數據.《新設工學專業學生專業承諾問卷》改編自連榕等人編制的大學生專業承諾量表，可較好地反應大學生的專業承諾水平[5].《專業承諾影響因素問卷》參考目前已有的相關文獻資料編制問卷結構和題型，問卷包含了“專業認知”“專業管理”“專業課教學”“環境影響”“就業前景”五個部分共22題，采用Likert 5級記分，完全符合記5分，比較符合計4分，不確定計3分，比較不符合記2分，完全不符合記1分.

調查對象選擇蚌埠醫學院新建制藥工程專業的在校學生，2016至2018級三個年級學生，一共277人.本次調查共計發放問卷277份，收回有效問卷277份.每份《專業承諾影響因素問卷》按照“專業認知”“專業管理”“專業課教學”“環境影響”“就業前景”這五類影響因素進行得分匯總.從每份《新設工學專業學生專業承諾問卷》中獲取該學生專業承諾水平的數據，一共采集六組數據.這樣就獲取了277份原始數據.

2.4 數據處理與分析

Apriori算法要求數據必須是布爾型，因此對收集的六組數據進行處理.六組數據“專業認知”“專業管理”“專業課教學”“環境影響”“就業前景”和“專業承諾”分別記為“A”“B”“C”“D”“E”“F”，統計每份問卷六組數據的得分，計算出277份問卷六組數據的平均分，見表1.

由表1可以看到，制藥工程專業學生《專業承諾問卷》每題的平均得分為3.364分，處在Likert量表中的三、四級之間，說明學生的總體專業承諾水平處在中等偏上水平，還不夠理想，確實有必要提高.五個影響因素的每題平均得分，“專業認知”因素得分最低，“就業前景”得分最高，可以反映出學生在專業選擇的時候，相比于自身興趣和專業辦學內容等因素，更傾向于以專業的就業前景來進行專業選擇，學生選擇專業有較強的功利心.不考慮自身興趣和自身特點盲目的進行專業選擇，容易造成專業承諾水平偏低，在以后的專業學習上也容易造成困難.

再把每份問卷里六組數據的分數分別和平均分進行比較，比平均分高的就記為“1”，比平均分低的就記為“0”，六組數據就都分成了高“1”、低“0”兩個等級[6].這樣就把277份問卷的數據全都處理成了布爾型的“1”“0”數據，見表2.

277份問卷六組數據兩個等級的總體分布情況，見表3.

2.5 算法計算

把處理后的數據（表2）輸入到Apriori算法程序中，目標是找到包含F項的最大頻繁項集.設置最小支持度為0.3，最小置信度為0.5，挖掘得到兩個最大頻繁項集：包含“F1”的最大頻繁項集{D1，E1，F1}，和包含“F0”的最大頻繁項集{A0，D0，F0}，詳見表4.

由表4可以看到，兩個頻繁項集的支持度都大于設置的最小支持度30%，符合算法要求，且只有這兩個項集的支持度大于最小支持度.項集{D1，E1，F1}表示D、E、F三個因素在一張問卷里同時為“1”的概率為33.21%;{A0，D0，F0}就是表示A、D、F三個因素在一張問卷里同時為“0”的概率為34.66%.數據挖掘發現，“專業認知”“環境影響”“就業前景”這三類影響因素和學生專業承諾水平之間有較強的關聯性.

再從兩個最大頻繁項集中分別獲得所有強關聯規則，關聯規則是一種蘊含形式X→Y，置信度表示的就是X∩Y的事務占項集X的百分比[7]，詳見表5和表6.

由表5得到關聯規則：對自己的就業前景樂觀有信心，且專業承諾水平較高的學生中，有88.46%的學生認為學校和同學營造出了良好的專業學習環境.

由表6得到關聯規則：對所學專業不太了解，同時認為所在集體無法有效促進學習的學生中，有94.12%的學生專業承諾水平較低.

2.6 結果討論

對數據挖掘的結果進一步分析，首先對三種因素進行分析：“專業認知”因素分析，調查問卷的數據顯示，制藥專業有80%的學生，入校時是校內專業調劑過來的，只有很少學生的入校第一志愿填的就是制藥工程專業.這就造成了很多學生對本專業的不了解，最典型的例子就是，大多數學生入校時理所當然地認為“制藥工程專業也是醫學類專業”.對制藥工程專業的不了解，導致了有超過一半的學生在校期間“對制藥專業有過失落感”.

“環境影響”因素分析，（1）82%的制藥學生認為校內環境，尤其是宿舍的學習氛圍對自己有很大影響;（2）73%的學生認為學生干部沒有在專業學習上充分發揮作用;（3）相對于醫學專業，有37%制藥專業的學生會覺得自己有點“獨特”.在學生的學習和生活中，同伴的作用大于老師，營造良好的宿舍氛圍，加強班風、考紀教育，提高班級凝聚力，可以有效提高學生學習的積極性.

“就業前景”因素分析，43%的學生不清楚制藥專業的就業形勢;48%的學生不了解制藥專業的就業收入;63%的學生不滿意制藥專業的工作環境.制藥工程專業需要接觸到化學試劑，有可能接觸到有害氣體，需要在廠房工作，等等特點決定工作環境和學生期望值有差距，這需要學校做好學生就業指導工作，提早開始工作實習，讓學生早日適應[8].

只有使非醫專業的學生正確認識自己所學的專業，了解專業的辦學內容和目標，清晰規劃自己的未來，學生才能自覺營造出良好的學習氛圍，使學生對專業產生歸屬感.為進一步了解不同影響因素對學生專業承諾的具體作用，對制藥專業部分學生進行了深入的訪談.

3 總結

通過Apriori算法研究發現“環境影響”“專業認知”“就業前景”這三個因素對學生專業承諾水平的影響最大，可以針對這三個影響因素專門制定改善措施，對提高學生專業承諾水平有直接的幫助.下一步的工作即是使用SPSS軟件對調查問卷的數據再一次分析，進一步研究醫學院校新設工學專業學生專業承諾的現狀，探討提高醫學院校工學專業學生專業承諾水平的途徑.

參考文獻：

〔1〕楊曉燕，肖安.高職學生心理健康問題原因分析[J].黃岡師范學院學報，2013，33（05）：136-137+173.

〔2〕林良章，葉欽龍.大學生專業承諾與學習效能感的關系研究[J].黃岡師范學院學報，2013，33（05）：107-109.

〔3〕倪東.基于數據挖掘的關聯規則研究[J].太原學院學報（自然科學版），2018，36（03）：36-39.

〔4〕馮俊，胥莉，閔蘭.基于Apriori算法的高校學生考試作弊動機分析與應對[J].西南師范大學學報（自然科學版），2017，42（2）：174-180.

〔5〕連榕，楊麗嫻，吳蘭花.大學生的專業承諾、學習倦怠的關系與量表編制[J].心理學報，2005，37（5）：632-636.

〔6〕苗維誠，魏杰.基于關聯規則算法的醫學生對物理實驗學習態度分析研究[J].普洱學院學報，2018，34（03）：107-109.

〔7〕苗維誠，朱文婕.基于關聯規則Apriori算法的物理實驗成績分析研究[J].赤峰學院學報（自然科學版），2019（01）：14-16.

〔8〕葉俊.基于就業現狀調查的地方本科旅游管理專業人才培養模式優化研究[J].黃岡師范學院學報，2018，38（01）：14-18.