基于RapidMiner 決策樹的學(xué)生學(xué)習(xí)策略預(yù)測分析

孫振華

摘要： 文章利用RapidMiner工具決策樹算法，對學(xué)生學(xué)習(xí)策略進(jìn)行預(yù)測分析，并從中找到有價值的信息。通過對學(xué)習(xí)策略數(shù)據(jù)集的預(yù)處理、模型選擇和模型評估等步驟，獲得了一個準(zhǔn)確率較高的決策樹模型。該模型對學(xué)生的學(xué)習(xí)策略進(jìn)行了分類，并揭示了不同分類和成績之間存在的關(guān)聯(lián)。實驗結(jié)果表明，決策樹算法在學(xué)習(xí)策略預(yù)測方面具有較高的價值，并為教育工作者提供了指導(dǎo)學(xué)生學(xué)習(xí)策略的新方法。

關(guān)鍵詞：數(shù)據(jù)挖掘；RapidMiner；決策樹；學(xué)習(xí)策略

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2024）14-0070-03 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID） ：

0 引言

如何提高學(xué)生的學(xué)習(xí)成績是教師和家長普遍關(guān)心的問題。除了正確的學(xué)習(xí)方法、端正的學(xué)習(xí)態(tài)度、良好的學(xué)習(xí)習(xí)慣，學(xué)習(xí)策略也是影響其學(xué)習(xí)成績和學(xué)習(xí)效果的重要因素之一。以鎮(zhèn)江高職校信息工程系專業(yè)為例，學(xué)生的學(xué)習(xí)除課堂教學(xué)外，還包括課前預(yù)習(xí)、課后復(fù)習(xí)、網(wǎng)絡(luò)學(xué)習(xí)平臺中的微課、模擬仿真、在線自測等。然而，不同的學(xué)生學(xué)習(xí)策略不相同，取得的成績也不同。為了更好地進(jìn)行研究，隨機(jī)選取信息系物聯(lián)網(wǎng)專業(yè)22級的30名學(xué)生，通過問卷調(diào)查收集學(xué)生一個月以來的學(xué)習(xí)策略數(shù)據(jù)，并進(jìn)行研究前后兩次難度相當(dāng)?shù)木C合測試。根據(jù)學(xué)生兩次測試成績的變化來判斷學(xué)習(xí)策略是否有效果。利用RapidMiner 工具進(jìn)行數(shù)據(jù)挖掘，對學(xué)習(xí)策略進(jìn)行預(yù)測分析，探究不同學(xué)習(xí)策略對學(xué)習(xí)成績的影響。

1 數(shù)據(jù)分析及算法選擇

數(shù)據(jù)分析是數(shù)據(jù)挖掘中數(shù)據(jù)準(zhǔn)備過程的重要一環(huán)，是數(shù)據(jù)預(yù)處理的前提[1]。學(xué)習(xí)策略數(shù)據(jù)通過前期的問卷星調(diào)研形成數(shù)據(jù)集，并導(dǎo)出為Excel表格。表格字段包括序號、姓名、性別、課前、課后復(fù)習(xí)等6項。另外，研究前的原始成績、對比成績也錄入表格中。在數(shù)據(jù)集中，序號、姓名、性別以及兩次測試的成績不屬于學(xué)習(xí)策略，而兩次成績前后的差異作為預(yù)測目標(biāo)，判斷學(xué)生是否進(jìn)步還是無進(jìn)步。所以在后續(xù)的數(shù)據(jù)預(yù)處理階段，應(yīng)將序號、姓名、性別字段去除，將兩次成績進(jìn)行比對、生成一個新列存放“進(jìn)步”或“無進(jìn)步”。在算法選擇方面，由于數(shù)據(jù)集呈現(xiàn)離散化特征，可歸納為分類問題，選擇RapidMiner決策樹中的ID3 算法相對合適。ID3算法以信息增益為指標(biāo)判別決策樹各層次節(jié)點上數(shù)據(jù)的特征屬性[2]。信息增益越高，意味著劃分后的子節(jié)點純度越高，對于分類的貢獻(xiàn)越大。因此，ID3算法須選擇信息增益最大的節(jié)點作為父節(jié)點[3]。ID3算法對于小型數(shù)據(jù)集的處理有著較高的計算效率，在小型數(shù)據(jù)集上運(yùn)行速度較快。

2 RapidMiner 數(shù)據(jù)挖掘過程

2.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘中的重要步驟，主要包括數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)變換、和數(shù)據(jù)規(guī)約。數(shù)據(jù)清洗可以將數(shù)據(jù)集中的異常數(shù)據(jù)，如空值、重復(fù)值、缺失值等進(jìn)行處理；數(shù)據(jù)集成可以將多個數(shù)據(jù)集整合成一個數(shù)據(jù)集；數(shù)據(jù)變換可以將數(shù)據(jù)進(jìn)行離散化、標(biāo)準(zhǔn)化等轉(zhuǎn)換；數(shù)據(jù)規(guī)約可以對大數(shù)據(jù)集進(jìn)行精簡，保證數(shù)據(jù)完整性的基礎(chǔ)上形成規(guī)模更小的新數(shù)據(jù)集。在學(xué)習(xí)策略數(shù)據(jù)集中，數(shù)據(jù)較為規(guī)范，只需對數(shù)據(jù)進(jìn)行清洗、變換即可滿足算法要求。具體操作如下：1） 導(dǎo)入數(shù)據(jù)。打開RapidMiner，新建一個空白流程（Process） ，點擊存儲區(qū)域（Repository） 中的“Import Data”按鈕，選擇學(xué)習(xí)策略數(shù)據(jù)集導(dǎo)入存儲區(qū)。2） 生成新屬性列。將數(shù)據(jù)集拖入到流程中，選擇算法區(qū)（Operators） 中的生成屬性“Generate Attributes”算子，將數(shù)據(jù)集out端連接“Generate Attributes”算子的exa端。打開“GenerateAttributes”算子的編輯參數(shù)列表對話框，在生成的新列中輸入“結(jié)論”，函數(shù)表達(dá)式中輸入“if（[對比成績]>[原始成績]，"進(jìn)步"，"無進(jìn)步"）”。通過“Generate Attri?butes”算子生成的新屬性列，能將兩次成績對比并進(jìn)行變換，生成“進(jìn)步”和“無進(jìn)步”兩類，實現(xiàn)成績數(shù)據(jù)的離散化。3） 去除無用列。在算法區(qū)中拖入“SelectAttributes”算子到流程中，連接“Generate Attributes”和“Select Attributes”算子的exa 端。雙擊“Select Attri?butes”算子打開選擇屬性對話框，在左側(cè)屬性列表中選擇需要到的屬性至右側(cè)列表。算子的編輯，如圖1 所示。

2.2 模型建立

數(shù)據(jù)預(yù)處理完成之后，進(jìn)入到建模階段。本實驗采用的ID3算法的決策樹模型，按照分類準(zhǔn)則（如信息增益、基尼指數(shù)等）從數(shù)據(jù)集所有可選屬性列中選擇一個最佳的屬性，作為當(dāng)前節(jié)點，將數(shù)據(jù)集分成多個子集，對于每個子集，重復(fù)上述步驟直至滿足終止條件。決策樹模型與一般統(tǒng)計方法中的分類模型的主要區(qū)別在于決策樹的分類是基于邏輯的分類，而一般統(tǒng)計方法的分類模型是基于非邏輯的分類[4]。在決策樹模型中通常存在兩類變量：一類是自變量（也稱特征或?qū)傩裕硪皇且蜃兞浚ㄒ卜Q目標(biāo)變量），通過自變量的分類來預(yù)測結(jié)果。在RapidMiner 算法區(qū)中的“Attri?butes”和“Trees”列表中，分別找到“set role”算子和“ID3”算子并拖入至流程中，連接“Select Attributes”算子和“set role”算子的exa 端、“set role”算子的exa端和“ID3”算子的tra 端，最后將“ID3”算子的mod 端連接res 輸出端。“set role”算子用來設(shè)置數(shù)據(jù)集中屬性的角色，在編輯參數(shù)列表中，將“ 在線自測”“學(xué)習(xí)時間”“微課學(xué)習(xí)”等屬性設(shè)置為自變量“regular”角色，將“結(jié)論”設(shè)置為因變量“l(fā)abel”角色，并建立流程，如圖2 所示。

2.3 模型分析及評估

模型建立完成后，點擊RapidMiner 工具欄中的“運(yùn)行”按鈕，決策樹模型開始構(gòu)建，并在“Re?sults”面板中輸出結(jié)果。在決策樹中，包含了各個節(jié)點以及判斷條件，如圖3所示。圖中每一個矩形方框表示一個節(jié)點，箭頭表示分支，葉子節(jié)點表示預(yù)測結(jié)果。可以看出，決策樹的根節(jié)點為“課前預(yù)習(xí)”，根據(jù)“已預(yù)習(xí)”和“未預(yù)習(xí)”進(jìn)行分支，“模擬仿真”和“問題匯總”分別作為它的子節(jié)點，然后再根據(jù)條件進(jìn)行分支直到葉子節(jié)點。從決策樹的根節(jié)點出發(fā)，沿著某個箭頭逐步走到葉子節(jié)點，即為該條分支的預(yù)測結(jié)果。例如，已進(jìn)行“課前預(yù)習(xí)”已進(jìn)行“模擬仿真”的學(xué)生容易進(jìn)步；已進(jìn)行“課前預(yù)習(xí)”未進(jìn)行“模擬仿真”但“學(xué)習(xí)時間”大于2小時的學(xué)生容易進(jìn)步。

模型評估就是評估算法模型對挖掘分析和預(yù)測結(jié)果的準(zhǔn)確性影響，根據(jù)預(yù)測結(jié)果是否在置信區(qū)間、誤差是否可以接受，判定結(jié)果是否達(dá)到目的[5]。在本實驗中，由于學(xué)習(xí)策略數(shù)據(jù)集來自一個班30名學(xué)生的數(shù)據(jù)，數(shù)據(jù)規(guī)模較小、數(shù)據(jù)分布不均勻、容易產(chǎn)生過擬合的情況，因此采用交叉驗證的方式對模型進(jìn)行評估，并連接Performance算子查看模型的性能指標(biāo)，如準(zhǔn)確率、精確率、召回率等。在RapidMiner算法區(qū)中的驗證（validation） 列表下找到“Cross validation”算子并拖入流程中，“Cross validation”算子exa端連接預(yù)處理后的數(shù)據(jù)集，per端連接res輸出端。雙擊“Cross validation”算子進(jìn)入子流程配置，在子流程的訓(xùn)練集（Training） 和測試集（Testing） 中分別添加“ID3”“Apply Model”“Perfor?mance”算子并進(jìn)行連接，如圖4所示。

其中，左側(cè)決策樹模型通過訓(xùn)練樣本進(jìn)行訓(xùn)練，右側(cè)是對模型進(jìn)行測試，并進(jìn)行評估。在訓(xùn)練過程中“Apply Model”算子將訓(xùn)練好的模型應(yīng)用到測試樣本中進(jìn)行預(yù)測，并用“Performance”算子評估模型性能。為了更準(zhǔn)確地評估模型，設(shè)置“Cross validation”的折數(shù)（number of folds） 為10，即數(shù)據(jù)集分成10個部分，其中9個部分用于訓(xùn)練模型，另一個部分用于測試模型，每次使用不同部分重復(fù)10次測試。點擊“運(yùn)行”，評估結(jié)果如圖5所示。從圖中看到，對“進(jìn)步”預(yù)測的準(zhǔn)確率約為82.35%，對“無進(jìn)步”預(yù)測的準(zhǔn)確率為84.62%，平均準(zhǔn)確率為83.33%。

3 預(yù)測結(jié)果對學(xué)習(xí)策略的指導(dǎo)

預(yù)測結(jié)果可以揭示哪些學(xué)習(xí)策略對成績的提升相關(guān)性較高、哪些策略對成績提升無幫助。基于這些結(jié)果，教師可以向?qū)W生推薦使用效果良好的學(xué)習(xí)策略，鼓勵學(xué)生積極進(jìn)行課前復(fù)習(xí)、參與模擬仿真實驗、有意識地進(jìn)行問題匯總、合理規(guī)劃學(xué)習(xí)時間等。通過定期分析預(yù)測結(jié)果，教師可以了解學(xué)生的學(xué)習(xí)情況是否符合預(yù)期，是否需要調(diào)整學(xué)習(xí)策略。要注意的是，預(yù)測結(jié)果只是一種參考，能幫助教師和學(xué)生更好地了解學(xué)習(xí)情況，但不能完全取代教師和學(xué)生的判斷和決策。在實際工作中，仍需要綜合考慮其他因素制定適合學(xué)生特點的學(xué)習(xí)策略。

4 結(jié)束語

在本次實驗中，采用了RapidMiner 決策樹模型對學(xué)生學(xué)習(xí)策略進(jìn)行數(shù)據(jù)挖掘和建模預(yù)測分析，使用交叉驗證方法進(jìn)行評估，得到了平均準(zhǔn)確率約為83.33% 的預(yù)測結(jié)果。這表明決策樹模型在學(xué)生學(xué)習(xí)策略預(yù)測方面具有一定的可靠性和有效性。當(dāng)然，預(yù)測結(jié)果只是學(xué)生學(xué)習(xí)策略制定的輔助工具，教師需要從多方面綜合考慮，制定最適合的學(xué)習(xí)策略，提升學(xué)生成績和學(xué)習(xí)效果。

參考文獻(xiàn)：

[1] 李冠利.基于RapidMiner數(shù)據(jù)挖掘技術(shù)的NCRE成績預(yù)測分析[J].南京廣播電視大學(xué)學(xué)報，2018（4）：80-82.

[2] 吳金桃，丁鑫龍.基于ID3決策樹算法高校經(jīng)管類虛擬仿真實驗平臺[J].佳木斯大學(xué)學(xué)報（自然科學(xué)版），2023，41（6）：48-51.

[3] 陳韜宇，安海燕，陳杰.基于ID3算法對農(nóng)民工城市融入影響因素分析[J].軟件工程，2023，26（10）：45-48.

[4] 馬月.數(shù)據(jù)挖掘技術(shù)在教育信息化中的應(yīng)用研究[D].西安：西安郵電大學(xué)，2014：38.

[5] 劉文開，焦飛.基于RapidMiner的校園一卡通數(shù)據(jù)挖掘與預(yù)測[J].電腦知識與技術(shù)，2021，17（28）：34-36.

【通聯(lián)編輯：聞翔軍】