基于ID3算法的在線教學(xué)學(xué)習(xí)效果預(yù)測(cè)模型研究

于淑云

(福建船政交通職業(yè)學(xué)院 信息與智慧交通學(xué)院,福建 福州 350007)

隨著線上教學(xué)平臺(tái)應(yīng)用的日益普及，網(wǎng)絡(luò)教學(xué)資源平臺(tái)上的課程資源越來(lái)越豐富.線上教學(xué)已經(jīng)成為傳統(tǒng)教學(xué)不可或缺的組成部分[1].用戶在使用教學(xué)資源平臺(tái)的過(guò)程中，沉淀了大量的歷史數(shù)據(jù)和記錄信息，記錄了學(xué)生的學(xué)習(xí)狀態(tài)、學(xué)習(xí)行為和階段性評(píng)價(jià)數(shù)據(jù)等信息.通過(guò)對(duì)這些數(shù)據(jù)隱藏的規(guī)律進(jìn)行分析和挖掘，不僅能讓教師及時(shí)了解學(xué)生的學(xué)習(xí)狀態(tài)和學(xué)習(xí)效果，還能為教師調(diào)整教學(xué)方法和教學(xué)內(nèi)容提供有效的支撐和參照.

目前數(shù)據(jù)挖掘技術(shù)在商業(yè)、金融業(yè)、市場(chǎng)營(yíng)銷等領(lǐng)域已經(jīng)得到了廣泛的應(yīng)用，但在信息教育領(lǐng)域的應(yīng)用還相對(duì)較少[2].高校對(duì)學(xué)生信息、成績(jī)等數(shù)據(jù)的處理還停留在簡(jiǎn)單的數(shù)據(jù)備份、統(tǒng)計(jì)和查詢階段，大量的信息還沒(méi)有被挖掘和利用起來(lái).本文基于優(yōu)慕課教學(xué)資源平臺(tái)，通過(guò)對(duì)平臺(tái)保存的歷史記錄和教師授課記錄等信息進(jìn)行整理和挖掘，分析提取學(xué)生在線學(xué)習(xí)的行為數(shù)據(jù)，使用決策樹(shù)構(gòu)建教學(xué)效果預(yù)測(cè)模型，為教學(xué)提供成績(jī)預(yù)警分析，讓教師在網(wǎng)絡(luò)教學(xué)過(guò)程中了解學(xué)生的學(xué)習(xí)情況，及時(shí)干預(yù)，從而改善網(wǎng)絡(luò)教學(xué)效果.

1 ID3算法

分類是數(shù)據(jù)挖掘的重要方法，常見(jiàn)的分類模型有邏輯回歸、K近鄰模型、決策樹(shù)模型、樸素貝葉斯和支持向量機(jī)模型等，不同分類模型的區(qū)別在于對(duì)輸入輸出映射關(guān)系的形式有不同假設(shè)[3].在數(shù)據(jù)科學(xué)領(lǐng)域，決策樹(shù)原理簡(jiǎn)單，易于理解，具有較高的精確度和良好的數(shù)據(jù)處理能力，是數(shù)據(jù)科學(xué)領(lǐng)域最為經(jīng)典的模型之一，它可以建立有價(jià)值的分類規(guī)則，幫助決策者做出正確的預(yù)測(cè).基于不同的節(jié)點(diǎn)分裂評(píng)價(jià)標(biāo)準(zhǔn)、能夠處理的特征類型和目標(biāo)特征類型，研究者提出了不同的決策樹(shù)算法，常見(jiàn)的有ID3、C4.5、CART3種經(jīng)典決策樹(shù).根據(jù)本文待分析的教學(xué)數(shù)據(jù)特點(diǎn)，選擇ID3算法.ID3算法無(wú)法處理連續(xù)型特征，偏向于取值較多的特征，這正好符合優(yōu)慕課教學(xué)平臺(tái)用戶數(shù)據(jù)的特征[4].

ID3算法使用信息熵作為節(jié)點(diǎn)不純度的度量，使用信息增益作為節(jié)點(diǎn)分裂評(píng)價(jià)標(biāo)準(zhǔn)，數(shù)據(jù)集中有C類，節(jié)點(diǎn)t中第c類樣本的相對(duì)頻率為p(c|t)，節(jié)點(diǎn)t的信息熵為：

(1)

若節(jié)點(diǎn)t0包含n個(gè)數(shù)據(jù)，經(jīng)過(guò)分裂生成k個(gè)子節(jié)點(diǎn)，信息增益定義為：

(2)

在實(shí)際應(yīng)用過(guò)程中，為了避免過(guò)度擬合問(wèn)題，通常使用信息增益率代替信息增益作為評(píng)價(jià)分裂好壞的標(biāo)準(zhǔn)：

(3)

2 ID3決策樹(shù)應(yīng)用于學(xué)生學(xué)習(xí)效果分析

本文研究的是以ID3算法為基礎(chǔ)分析預(yù)測(cè)在線學(xué)習(xí)效果的一種方法.實(shí)驗(yàn)流程包含了數(shù)據(jù)處理、特征選擇、模型建立、模型評(píng)價(jià)4個(gè)步驟，具體過(guò)程如圖1所示.

圖1 決策樹(shù)處理過(guò)程

在構(gòu)建決策樹(shù)模型的樣本集合時(shí)，特征越多，模型訓(xùn)練耗時(shí)就越長(zhǎng)，隨著特征數(shù)量的增加，構(gòu)建的模型就會(huì)更加復(fù)雜，其泛化能力就會(huì)下降.因此，屬性特征的選擇直接影響建模的性能和分類的準(zhǔn)確性.從優(yōu)慕課平臺(tái)獲取的數(shù)據(jù)雖然規(guī)整、標(biāo)準(zhǔn)，但是含有各種繁雜冗余的屬性信息，需要將這些數(shù)據(jù)進(jìn)行刪除、選擇和連接運(yùn)算，從而獲得有效數(shù)據(jù)特征[5].不同的屬性特征對(duì)分類有不同的敏感程度，在具體實(shí)驗(yàn)中，應(yīng)根據(jù)實(shí)驗(yàn)需求選取數(shù)據(jù)特征.優(yōu)慕課平臺(tái)獲取的數(shù)據(jù)中，包含了大量的考試成績(jī)、作業(yè)成績(jī)、小測(cè)評(píng)分等數(shù)據(jù)信息，為了便于構(gòu)建分類模型，應(yīng)將這些成績(jī)數(shù)據(jù)全部轉(zhuǎn)為等級(jí)制數(shù)據(jù).

該實(shí)驗(yàn)的目的是經(jīng)過(guò)數(shù)據(jù)分析，及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)教學(xué)過(guò)程中學(xué)生的學(xué)習(xí)狀態(tài)，便于教師及時(shí)調(diào)整教學(xué)方法或個(gè)性化輔導(dǎo)，因此，在處理數(shù)據(jù)時(shí)，應(yīng)將課程的章節(jié)知識(shí)點(diǎn)結(jié)構(gòu)并入樣本數(shù)據(jù)集中，使教師在發(fā)現(xiàn)學(xué)生的學(xué)習(xí)狀態(tài)出現(xiàn)異常時(shí)，能夠了解是在知識(shí)結(jié)構(gòu)的哪個(gè)節(jié)點(diǎn)出現(xiàn)問(wèn)題.

數(shù)據(jù)處理完成后，可以進(jìn)行分類器訓(xùn)練.將處理好的數(shù)據(jù)集隨機(jī)抽取60%作為訓(xùn)練集，隨機(jī)抽取剩下數(shù)據(jù)的20%作為測(cè)試集.決策樹(shù)的生成從根節(jié)點(diǎn)開(kāi)始，選擇對(duì)應(yīng)特征；然后選擇該節(jié)點(diǎn)特征的分裂點(diǎn)，根據(jù)分裂點(diǎn)完成節(jié)點(diǎn)分裂.

最后，為了提高模型的準(zhǔn)確率，用十折交叉驗(yàn)證的方法對(duì)建立好的模型進(jìn)行測(cè)試.將數(shù)據(jù)集隨機(jī)分成10份，輪流將其中的9份作為訓(xùn)練數(shù)據(jù)，另1份作為校驗(yàn)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，每次實(shí)驗(yàn)獲得一個(gè)正確率，對(duì)10次實(shí)驗(yàn)結(jié)果取平均值，作為決策樹(shù)算法模型的精度值.

3 學(xué)習(xí)效果實(shí)例分析

3.1 特征選擇

本文研究的主要目的是預(yù)測(cè)某一階段網(wǎng)絡(luò)教學(xué)中學(xué)生的學(xué)習(xí)效果，因此在平臺(tái)導(dǎo)出的數(shù)據(jù)集中選擇學(xué)習(xí)效果相關(guān)的屬性特征，主要包括進(jìn)入課程次數(shù)、上交作業(yè)次數(shù)和每次作業(yè)成績(jī)、討論區(qū)發(fā)言次數(shù)、發(fā)言獲贊得分、在線時(shí)長(zhǎng)、閱讀在線資源數(shù)量、學(xué)習(xí)筆記數(shù)量、參加網(wǎng)課時(shí)長(zhǎng)、階段小測(cè)成績(jī)和選修課程等，并對(duì)一些屬性特征做了歸納處理.如平臺(tái)導(dǎo)出的原始數(shù)據(jù)中包含課程討論區(qū)發(fā)表話題次數(shù)、回文次數(shù)、被回文次數(shù)，在建立模型時(shí)，將這3個(gè)屬性歸并為課程討論參與度.

3.2 數(shù)據(jù)處理

數(shù)據(jù)采集是數(shù)據(jù)分析和挖掘的前提和基礎(chǔ).進(jìn)行數(shù)據(jù)挖掘需要豐富的規(guī)整、標(biāo)準(zhǔn)數(shù)據(jù)，優(yōu)慕課教學(xué)資源平臺(tái)本身就為用戶提供了大量規(guī)整的用戶統(tǒng)計(jì)數(shù)據(jù)，給數(shù)據(jù)分析挖掘工作帶來(lái)了極大的便利.這些數(shù)據(jù)包括學(xué)生在線學(xué)習(xí)行為數(shù)據(jù)[6]，如學(xué)生進(jìn)入課程次數(shù)、向老師提問(wèn)次數(shù)、在線時(shí)間長(zhǎng)、進(jìn)入播客個(gè)數(shù)、課程討論區(qū)發(fā)表話題次數(shù)、閱讀課程通知次數(shù)、參與問(wèn)卷調(diào)查次數(shù)等；階段性測(cè)評(píng)數(shù)據(jù)，如作業(yè)成績(jī)、階段性小測(cè)成績(jī)、提交作業(yè)數(shù)量、參與測(cè)試次數(shù)等；學(xué)生課程數(shù)據(jù)，如課程名稱、課程編號(hào)、主講教師等.將這些數(shù)據(jù)從系統(tǒng)中導(dǎo)出，得到數(shù)據(jù)分析的原始數(shù)據(jù)集.

本實(shí)驗(yàn)采用優(yōu)慕課平臺(tái)19級(jí)智能交通運(yùn)用技術(shù)(1)(2)班120名同學(xué)《C語(yǔ)言程序設(shè)計(jì)》課程的系統(tǒng)記錄為原始數(shù)據(jù).去除休學(xué)、退學(xué)等學(xué)生記錄，去除專業(yè)、院系、年級(jí)等冗余字段，經(jīng)過(guò)對(duì)數(shù)據(jù)的預(yù)處理，得到部分?jǐn)?shù)據(jù)如表1所列，第1次測(cè)驗(yàn)成績(jī)?nèi)绫?所列.

表1 《C語(yǔ)言程序設(shè)計(jì)》課程部分學(xué)生學(xué)習(xí)統(tǒng)計(jì)表

表2 《C語(yǔ)言程序設(shè)計(jì)》課程部分學(xué)生第一次測(cè)驗(yàn)成績(jī)表

由于平臺(tái)上不同批次的作業(yè)、測(cè)驗(yàn)、課堂回答問(wèn)題打分等屬性所使用的評(píng)定方式不統(tǒng)一，不利于后續(xù)的分類操作，這里將所有成績(jī)按照表3劃分的等級(jí)替換.

表3 成績(jī)等級(jí)標(biāo)準(zhǔn)

另外，有些獲得的原始數(shù)據(jù)不能直接使用，需要對(duì)數(shù)據(jù)進(jìn)行選擇、連接運(yùn)算后使用，經(jīng)過(guò)交叉運(yùn)算后得到表4.

表4 19級(jí)智能交通運(yùn)用技術(shù)(1)(2)班部分學(xué)生所修課程表

按照模型選取的數(shù)據(jù)集要求，用于構(gòu)建決策樹(shù)模型的數(shù)據(jù)集如表5所列.

表5 決策樹(shù)模型數(shù)據(jù)集部分?jǐn)?shù)據(jù)

3.3 建立模型

決策樹(shù)建立模型的過(guò)程實(shí)際上是一個(gè)分類的過(guò)程.決策樹(shù)算法就是根據(jù)數(shù)據(jù)集中的特征通過(guò)不斷分裂的方式來(lái)劃分?jǐn)?shù)據(jù)集的過(guò)程.非葉節(jié)點(diǎn)是向下分裂的分支，葉節(jié)點(diǎn)是要?jiǎng)澐值念怺7].訓(xùn)練集中的每個(gè)樣本除了包含處理好的有效數(shù)據(jù)特征之外，還有一個(gè)標(biāo)注好的類別標(biāo)簽.分類器訓(xùn)練完成后，對(duì)沒(méi)有標(biāo)簽的測(cè)試集樣本進(jìn)行預(yù)測(cè)，使測(cè)試集中的樣本得到合適的標(biāo)簽.

Weka是一個(gè)大眾化的數(shù)據(jù)挖掘工作平臺(tái).該平臺(tái)集成了大量的數(shù)據(jù)挖掘機(jī)器學(xué)習(xí)算法，包括數(shù)據(jù)的預(yù)處理、分類、回歸、聚類、關(guān)聯(lián)分析等.將處理好的19級(jí)智能交通運(yùn)用技術(shù)(1)(2)班同學(xué)的數(shù)據(jù)集轉(zhuǎn)成相應(yīng)的csv文件，導(dǎo)入Weka平臺(tái)，從平臺(tái)中選取決策樹(shù)算法，即可對(duì)數(shù)據(jù)實(shí)現(xiàn)快速?zèng)Q策樹(shù)分類.

在建立決策樹(shù)模型的過(guò)程中可以生成分類規(guī)則，提取影響分類的主要因素特征[8]，在生成學(xué)生學(xué)習(xí)效果的模型構(gòu)建過(guò)程中，預(yù)測(cè)學(xué)生學(xué)習(xí)效果的規(guī)則概括如下5點(diǎn).

規(guī)則1：if 作業(yè)成績(jī)?nèi)恐谢蚝?and 討論區(qū)參與度全部中或好 and 在線資源閱讀數(shù)量中或好，then階段測(cè)驗(yàn)成績(jī)中或好；

規(guī)則2：if 作業(yè)成績(jī)?nèi)恐谢蚝?and 討論區(qū)參與度全部中或好 and 在線資源閱讀數(shù)量差，then階段測(cè)驗(yàn)成績(jī)中或好；

規(guī)則3：if 作業(yè)成績(jī)?nèi)恐谢蚝?and 討論區(qū)參與度差 and 在線資源閱讀數(shù)量中或好，then階段測(cè)驗(yàn)成績(jī)中或好；

規(guī)則4：if 作業(yè)成績(jī)?nèi)恐谢蚝?and 討論區(qū)參與度差 and 在線資源閱讀數(shù)量差，then階段測(cè)驗(yàn)成績(jī)差；

規(guī)則5：if 作業(yè)成績(jī)差 and 討論區(qū)參與度差 and 在線資源閱讀數(shù)量差，then階段測(cè)驗(yàn)成績(jī)差.

3.4 模型分析

從以上分類規(guī)則中可以看出，決定學(xué)生網(wǎng)課學(xué)習(xí)效果的諸多因素中，作業(yè)成績(jī)、討論區(qū)發(fā)言參與度和在線資源閱讀數(shù)量對(duì)學(xué)習(xí)的影響較大.其中，課后作業(yè)質(zhì)量的影響最大，說(shuō)明課后作業(yè)在某種程度上反映了學(xué)生網(wǎng)課的學(xué)習(xí)質(zhì)量.如果作業(yè)做的好，課堂討論參與度差，線上資源閱讀量少，階段測(cè)驗(yàn)成績(jī)差，可能是非智力的因素；如果作業(yè)成績(jī)不好，課堂參與度好，線上資源閱讀量大，階段測(cè)驗(yàn)成績(jī)差，可能該學(xué)生確實(shí)努力學(xué)習(xí)，但在學(xué)習(xí)上確實(shí)遇到困難了，老師應(yīng)及時(shí)根據(jù)具體情況做個(gè)別化指導(dǎo)[9].

該實(shí)驗(yàn)中，最終獲得測(cè)試集數(shù)據(jù)預(yù)測(cè)準(zhǔn)確率為79%.在用十折交叉驗(yàn)證法驗(yàn)證的過(guò)程中，各輪測(cè)驗(yàn)所得到的階段性小測(cè)成績(jī)準(zhǔn)確率如表6所列.

由表6可以看出，十折交叉驗(yàn)證法所得到的正確率均值為80%，和使用測(cè)試集得到的正確率相差不大.

表6 十折交叉驗(yàn)證法驗(yàn)證正確率

4 結(jié)語(yǔ)

在網(wǎng)絡(luò)教學(xué)中，教師很難把握學(xué)生的學(xué)習(xí)狀態(tài)，往往在學(xué)期結(jié)束后，考試成績(jī)出來(lái)，才發(fā)現(xiàn)教學(xué)效果.本文采用決策樹(shù)分類中較經(jīng)典的ID3算法為主要研究方法，以優(yōu)慕課教學(xué)平臺(tái)19級(jí)智能交通運(yùn)用技術(shù)(1)(2)班同學(xué)《C語(yǔ)言程序設(shè)計(jì)》這門(mén)課的數(shù)據(jù)為訓(xùn)練樣本，構(gòu)建了學(xué)生線上教學(xué)效果成績(jī)預(yù)測(cè)模型[10].經(jīng)過(guò)測(cè)試，該模型根據(jù)學(xué)生所提交的作業(yè)、線上課程討論參與度、在線時(shí)長(zhǎng)等屬性特征能夠較為準(zhǔn)確地預(yù)測(cè)學(xué)生某個(gè)階段線上學(xué)習(xí)效果，從而使得教師在網(wǎng)絡(luò)教學(xué)過(guò)程中及時(shí)發(fā)現(xiàn)學(xué)生學(xué)習(xí)狀態(tài)的異常，并進(jìn)行個(gè)性化輔導(dǎo)，提高學(xué)生成績(jī).

由于該模型在訓(xùn)練過(guò)程中使用的樣本數(shù)量較少，所得到的模型正確率不是很高，因此，在后續(xù)工作中，還需要獲取更多的樣本和類型更豐富的樣本數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，從而提高模型的正確率，達(dá)到更好的預(yù)測(cè)效果.