基于改進(jìn)Apriori算法的Java課程成績關(guān)聯(lián)分析與教學(xué)策略優(yōu)化研究

引言

2024年《中共中央國務(wù)院關(guān)于弘揚(yáng)教育家精神加強(qiáng)新時(shí)代高素質(zhì)專業(yè)化教師隊(duì)伍建設(shè)的意見》中強(qiáng)調(diào)，實(shí)施數(shù)字化賦能教師發(fā)展行動(dòng)，推動(dòng)教師積極應(yīng)對(duì)新技術(shù)變革，并著眼于未來培養(yǎng)人才，目標(biāo)是到2035年，實(shí)現(xiàn)數(shù)字化賦能教師發(fā)展成為常態(tài)1。成績數(shù)據(jù)是一項(xiàng)重要的信息資源，通過運(yùn)用先進(jìn)的數(shù)據(jù)挖掘技術(shù)對(duì)其進(jìn)行分析，尋找課程之間、課程知識(shí)點(diǎn)之間的關(guān)聯(lián)性，有助于發(fā)現(xiàn)課程之間的相互影響，為優(yōu)化課程設(shè)置和教學(xué)內(nèi)容提供數(shù)據(jù)支持，構(gòu)建數(shù)字化背景下的新型教學(xué)模式，促進(jìn)教學(xué)更好地適應(yīng)知識(shí)創(chuàng)新和素養(yǎng)發(fā)展等新要求。

在國外，許多研究者利用Apriori算法等數(shù)據(jù)挖掘技術(shù)，對(duì)學(xué)生成績、學(xué)習(xí)行為等教育數(shù)據(jù)進(jìn)行分析，以提高教育質(zhì)量和學(xué)生學(xué)習(xí)效果[2]。近年來，國內(nèi)學(xué)者圍繞Apriori算法在教育數(shù)據(jù)挖掘領(lǐng)域的改進(jìn)與應(yīng)用展開廣泛研究，袁路妍等通過壓縮事務(wù)數(shù)據(jù)庫提升計(jì)算效率[3]，王桌芳等引入興趣度度量函數(shù)優(yōu)化規(guī)則篩選[4]，張梁等進(jìn)一步結(jié)合提升度指標(biāo)增強(qiáng)規(guī)則的有效性5]。在應(yīng)用層面，該算法被用于學(xué)生成績預(yù)警]、課程關(guān)聯(lián)分析及知識(shí)點(diǎn)規(guī)則挖掘[8]。同時(shí)，多技術(shù)融合趨勢(shì)顯著，如李秋香通過K-means聚類與關(guān)聯(lián)規(guī)則聯(lián)動(dòng)分析學(xué)生層次[9，范圣法等結(jié)合FP-growth算法實(shí)現(xiàn)課程評(píng)價(jià)自動(dòng)化[10]。

1.改進(jìn)的Apriori算法介紹

傳統(tǒng)關(guān)聯(lián)規(guī)則算法，如經(jīng)典的Apriori算法，是一種用于從大規(guī)模數(shù)據(jù)集中挖掘頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則的方法。對(duì)于一個(gè)項(xiàng)集： I={i_i，i₂，…，i_m} ，事務(wù)集 D={t₁，t₂，…，t_n} 中的每個(gè)事務(wù)都是I的真子集，由 k 個(gè)項(xiàng)組成的集合為k項(xiàng)集，而頻繁項(xiàng)集就是高于設(shè)定支持度和置信度閾值的項(xiàng)集。在事務(wù)集 D 中挖掘得到的關(guān)聯(lián)規(guī)則可以表示為 X?Y; ： X 、 Y 分別是關(guān)聯(lián)規(guī)則的因和果，通常稱 X 為該條關(guān)聯(lián)規(guī)則的前項(xiàng)、 Y 為該條關(guān)聯(lián)規(guī)則的后項(xiàng)。其中：

支持度是衡量項(xiàng)集在數(shù)據(jù)集中出現(xiàn)的頻率，假設(shè) X， Y∈I 為項(xiàng)集，前項(xiàng) X 對(duì)后項(xiàng)Y的支持度， 為 X 、 Y 的聯(lián)合概率：

置信度衡量在 X 發(fā)生的情況下， Y

也發(fā)生的概率。對(duì)于規(guī)則 X?Y ，其置信度 為 X 、 Y 的條件概率，具體公式為：

改進(jìn)的Apriori算法在此基礎(chǔ)上引入提升度和興趣度兩個(gè)度量閾值，提升度通過量化 X 對(duì) Y 的影響程度（相較于 Y 的獨(dú)立發(fā)生概率），確保篩選出的規(guī)則具有實(shí)際業(yè)務(wù)價(jià)值，計(jì)算公式如下：

其中，Lift 表明 X 與 Y 呈正相關(guān)，I 表明 X 與 Y 呈負(fù)相關(guān)，1 表明 X 與 Y 不相關(guān)。

興趣度（Interest）通過計(jì)算置信度與支持度的差值與它們之間最大值的比例，評(píng)估關(guān)聯(lián)規(guī)則 的正負(fù)相關(guān)程度，幫助篩選出更有意義的規(guī)則，避免生成大量無用或冗余的規(guī)則，從而提高規(guī)則的質(zhì)量和實(shí)用性。

Interest 的程度衡量 X 和 Y 之間正相關(guān)度，反之Interest 的程度反映說明 X 和 Y 之間的負(fù)相關(guān)度。如果Interest ，說明 X 和Y之間沒有顯著的相關(guān)性。

G-知音-Java課程教學(xué)策略優(yōu)化研究

2.基于改進(jìn)的Apriori算法的Java成 績關(guān)聯(lián)分析

2.1數(shù)據(jù)準(zhǔn)備及預(yù)處理本研究使用了作者所在學(xué)校大數(shù)據(jù)管理與應(yīng)用專業(yè)2022～2023級(jí)共377位同學(xué)部分科目成績。這些科目包括：大數(shù)據(jù)管理與應(yīng)用導(dǎo)論、計(jì)算機(jī)應(yīng)用基礎(chǔ)、微積分1、管理經(jīng)濟(jì)學(xué)、微積分2、Java、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫原理及應(yīng)用、Python程序設(shè)計(jì)和概率論。

表1布爾數(shù)據(jù)框

表2部分強(qiáng)關(guān)聯(lián)規(guī)則

表3教學(xué)實(shí)踐效果

對(duì)于每門課程，以 70% 分位數(shù)進(jìn)行分界，創(chuàng)建一個(gè)新的列，將學(xué)生的成績轉(zhuǎn)換為二值化數(shù)據(jù)：如果學(xué)生的成績大于等于 70% 分位數(shù)成績，則標(biāo)記為1（達(dá)標(biāo)）。如果學(xué)生的成績小于 70% 分位數(shù)成績，則標(biāo)記為0（未達(dá)標(biāo)）。這一步將原始的數(shù)值型成績數(shù)據(jù)轉(zhuǎn)換為二值化的布爾矩陣，便于后續(xù)的關(guān)聯(lián)規(guī)則挖掘。轉(zhuǎn)碼后的部分布爾數(shù)據(jù)框如表1所示。

2.2關(guān)聯(lián)規(guī)則分析

在Python3.10環(huán)境下使用改進(jìn)的Apriori算法對(duì)處理后的數(shù)據(jù)進(jìn)行挖掘，設(shè)置最小支持度0.3，最小置信度0.7，最小提升度1.01。經(jīng)過計(jì)算，滿足最小支持度、置信度、提升度的強(qiáng)關(guān)聯(lián)規(guī)則有85條，部分強(qiáng)關(guān)聯(lián)規(guī)則見表2。以規(guī)則5為例，支持度為43.22% ，置信度為 77.63% ，意味著學(xué)好大數(shù)據(jù)管理與應(yīng)用導(dǎo)論，有 77.63% 的可能性會(huì)學(xué)好JAVA課程，并且提升度大于1、興趣度大于0，表明關(guān)聯(lián)規(guī)則有意義。

經(jīng)過對(duì)最終結(jié)果的分析，可以得出以下結(jié)論。

（1）核心課程之間的關(guān)聯(lián)度：“數(shù)據(jù)庫原理及應(yīng)用”與“數(shù)據(jù)結(jié)構(gòu)”共同作為前項(xiàng)時(shí)，對(duì)“Java”課程的置信度達(dá)到 88.35% （提升度1.3475），表明這兩門課程的知識(shí)體系對(duì)Java學(xué)習(xí)具有顯著支撐作用。“微積分1”" “Java”的關(guān)聯(lián)置信度80.45% （提升度1.227），反映出數(shù)學(xué)基礎(chǔ)課程對(duì)編程思維的培養(yǎng)具有潛在影響；支持度 39.19% 說明該關(guān)聯(lián)在樣本中普遍存在。Python與Java的交叉關(guān)聯(lián)呈現(xiàn)雙向傳導(dǎo)特征，當(dāng)Python程序設(shè)計(jì)作為前項(xiàng)時(shí)，對(duì)Java的置信度達(dá)86.27% ，反向關(guān)聯(lián)度也達(dá) 78.57% ，表明兩種語言學(xué)習(xí)具有協(xié)同效應(yīng)。

（2）課程群關(guān)聯(lián)特征：大數(shù)據(jù)管理類課程與“Java”的關(guān)聯(lián)網(wǎng)絡(luò)密度最高，其中“大數(shù)據(jù)管理與應(yīng)用導(dǎo)論 + 數(shù)據(jù)庫原理及應(yīng)用”組合對(duì)Java的置信度 86.41% ，反映出新興技術(shù)課程與傳統(tǒng)編程課程的融合需求。數(shù)學(xué)課程群（微積分、概率論）與專業(yè)課程的關(guān)聯(lián)提升度普遍高于1.2，特別是“概率論 + 數(shù)據(jù)庫原理及應(yīng)用”組合對(duì)Java的支持度達(dá) 84.16% ，說明數(shù)學(xué)建模能力對(duì)系統(tǒng)開發(fā)的重要性。

（3）異常關(guān)聯(lián)現(xiàn)象：“數(shù)據(jù)結(jié)構(gòu)”與“大數(shù)據(jù)管理與應(yīng)用導(dǎo)論”的雙向關(guān)聯(lián)提升度僅1.06～1.12，興趣度低于0.20，建議關(guān)注這兩門課程的教學(xué)銜接有效性。

3.教學(xué)策略優(yōu)化及實(shí)施效果

在2024～2025學(xué)年第二學(xué)期，對(duì)于Java、數(shù)據(jù)庫等課程的教學(xué)策略參考上述結(jié)論進(jìn)行調(diào)整。首先，將“數(shù)據(jù)庫原理及應(yīng)用”和“Java”的教學(xué)內(nèi)容進(jìn)行整合，講解數(shù)據(jù)庫知識(shí)時(shí)，同步安排Java編程練習(xí)，讓學(xué)生學(xué)會(huì)用Java操作數(shù)據(jù)庫。其次，大數(shù)據(jù)專業(yè)教師與數(shù)學(xué)專業(yè)教師協(xié)同備課，在微積分和概率論課程中加入了編程案例。此外，組織數(shù)據(jù)庫、Java、Python等課程的教師組成教研小組，共同設(shè)計(jì)跨課程的大作業(yè)，如要求學(xué)生設(shè)計(jì)一個(gè)包含數(shù)據(jù)采集（利用Python）、數(shù)據(jù)存儲(chǔ)（使用數(shù)據(jù)庫）、數(shù)據(jù)處理和分析（運(yùn)用Java）的完整項(xiàng)目，讓學(xué)生在實(shí)踐中綜合運(yùn)用多門課程的知識(shí)。

經(jīng)過一個(gè)學(xué)期的教學(xué)實(shí)踐，學(xué)生對(duì)Java課程的掌握程度有了明顯提升。期末考試，Java課程的平均成績與優(yōu)良率均有所增長。學(xué)情調(diào)查結(jié)果表明，學(xué)習(xí)積極性和主動(dòng)性增強(qiáng)，且對(duì)課程的滿意度從上學(xué)年的 84% 提升至 92% ，對(duì)教學(xué)內(nèi)容和方法的評(píng)價(jià)更積極。具體數(shù)據(jù)見表3。

這些多維度的積極變化，在一定程度上證明了基于改進(jìn)Apriori算法的關(guān)聯(lián)分析對(duì)優(yōu)化Java課程教學(xué)策略的有效性和實(shí)用性，也為其他高校相關(guān)專業(yè)的Java課程教學(xué)提供了有益的參考。

結(jié)語

本研究基于改進(jìn)的Apriori算法，對(duì)Java課程成績數(shù)據(jù)進(jìn)行了深人的關(guān)聯(lián)分析，揭示了Java課程與其他相關(guān)課程之間的關(guān)聯(lián)性，據(jù)此提出的優(yōu)化策略在教學(xué)中得以實(shí)踐應(yīng)用，有效提升了學(xué)生Java課程成績，提高了學(xué)生學(xué)習(xí)積極性和知識(shí)綜合運(yùn)用能力，驗(yàn)證了研究成果的實(shí)用性。未來的研究將進(jìn)一步探索改進(jìn)的Apriori算法在其他學(xué)科成績分析中的應(yīng)用，并結(jié)合更多維度的數(shù)據(jù)（如學(xué)習(xí)行為、學(xué)習(xí)時(shí)間等），構(gòu)建更加全面的學(xué)生成績分析模型，為教學(xué)改革和教育質(zhì)量提升提供更有力的支持。

參考文獻(xiàn)：

[1]中共中央國務(wù)院關(guān)于弘揚(yáng)教育家精神加強(qiáng)新時(shí)代高素質(zhì)專業(yè)化教師隊(duì)伍建設(shè)的意見[A/OL].（2024-08-26）[2025-06-18].https：//www.gov.

cn/gongbao/2024/issue_11566/202409/ content_6973187.html.

[2]Sun GH，Guo SC，Hao G，et al.Dynamic earlywarning system of College Students’target course performance based onimproved Apriori algorithm[J].Journal of Computational Methods in Science and Engi neering，2021，21（6）：1779-1795.

[3]袁路妍，李鋒.改進(jìn)的關(guān)聯(lián)規(guī)則Apriori算法在課程成績分析中的應(yīng)用].中國教育信息化，2017（17）：62-65.

[4]王桌芳，趙會(huì)軍，李聰，等.基于興趣度度量的多類差異數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘[].計(jì)算機(jī)應(yīng)用與軟件，2019，36（12）：60-65，105.

[5]張梁，楊立波，張小勇，等.基于改進(jìn)的Apriori算法在高校成績分析中的研究].信息記錄材料，2024，25（3）：142-145，148.

[6]王華，劉萍.改進(jìn)的關(guān)聯(lián)規(guī)則算法在學(xué)生成績預(yù)警中的應(yīng)用[].計(jì)算機(jī)工程與設(shè)計(jì)，2015，36（3）：679-682，752.

[7]嚴(yán)海衛(wèi)，張青亮，林春花，等.基于 Apriori算法的學(xué)生課程成績關(guān)聯(lián)性分析 [].電腦編程技巧與維護(hù)，2023（11）：13-15.

[8]謝加良，陳艷玲，朱榮坤，等.基于改進(jìn)Apriori算法的線性代數(shù)試卷分析[].長春師范大學(xué)學(xué)報(bào)，2022，41（12）：48-54.

[9]李秋香.基于聚類算法和關(guān)聯(lián)規(guī)則算法的學(xué)生考試成績數(shù)據(jù)挖掘研究[].電腦編程技巧與維護(hù)，2024（7）：78-81.

[10]范圣法，張先梅，虞慧群.基于關(guān)聯(lián)規(guī)則與聚類分析的課程評(píng)價(jià)技術(shù)[J].華東理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，48（2）：258-264.

作者簡介：田豐，碩士研究生，講師，102526@shengda.edu.cn，研究方向：機(jī)器學(xué)習(xí)、人工智能；上官燕紅，碩士研究生，助教，102524@shengda.edu.cn，研究方向：數(shù)據(jù)挖掘，預(yù)訓(xùn)練模型。

基金項(xiàng)目：2025年度立項(xiàng)課題——基于機(jī)器學(xué)習(xí)算法的Java課程成績關(guān)聯(lián)分析與教學(xué)策略優(yōu)化研究（編號(hào)：XJ2024002901）。