決策支持系統(tǒng)在成績分析中的應(yīng)用(共10頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上決策支持系統(tǒng)在成績分析中的應(yīng)用摘 要：本文主要應(yīng)用數(shù)據(jù)挖掘技術(shù)對教務(wù)系統(tǒng)數(shù)據(jù)庫中現(xiàn)存的學生成績進行統(tǒng)計分析，結(jié)合教育信息的特點，將決策樹算法中的ID3算法模型用于構(gòu)建成績分析的智能決策支持系統(tǒng)，根據(jù)信息增益值的大小，全面反應(yīng)出影響學生某學科成績的各個因素，找出課程設(shè)置之間的關(guān)聯(lián)性，并從客觀層面上對教師的教學質(zhì)量予以綜合全面的評價，為高校課程培養(yǎng)方案的制定者提供決策策略。本研究對于發(fā)揮成績統(tǒng)計的正面導向作用，評定教學效果，反饋教學活動，服務(wù)教育決策具有重要的研究價值和實踐意義。關(guān)鍵詞：決策支持系統(tǒng)；成績分析；決策樹；ID3算法1 引 言各高等院校始終把教師的教學效果和學

2、生的學習效果的評價作為一項重要工作，成績統(tǒng)計分析是進行教學與學習效果評價的重要工作?，F(xiàn)如今，各大高校擴招現(xiàn)象嚴重，然而無論是教務(wù)部行政人員還是高校教師們都未能找到現(xiàn)存數(shù)據(jù)庫中那些歷史數(shù)據(jù)之間的潛在關(guān)聯(lián)。那么在決策支持系統(tǒng)廣泛應(yīng)用于教育管理工作的今天，高校教務(wù)管理系統(tǒng)不斷的完善，我們可以利用教務(wù)系統(tǒng)中現(xiàn)存的大量學生成績歷史數(shù)據(jù)，為數(shù)據(jù)挖掘和輔助決策提供基礎(chǔ)1。圖1.1為基于決策樹算法的成績分析系統(tǒng)與數(shù)據(jù)庫和用戶之間的交互模型圖： 圖1.1 成績分析系統(tǒng)與數(shù)據(jù)庫和用戶之間的交互模型圖上圖中，學校建立集中的數(shù)據(jù)庫，數(shù)據(jù)主要來源于人工輸入、文件導入、教學系統(tǒng)及其它應(yīng)用系統(tǒng)的數(shù)據(jù)庫，此外它還與其它部門的

3、數(shù)據(jù)庫進行交互。成績分析系統(tǒng)的功能模塊可以再具體細分，如圖1.2所示。其中，數(shù)據(jù)預(yù)處理主要是收集數(shù)據(jù)，為數(shù)據(jù)挖掘做準備。首先是獲取數(shù)據(jù)，這個數(shù)據(jù)是大量且雜亂無章的，然后再對獲取的數(shù)據(jù)進行取樣分析，篩選出有用的數(shù)據(jù)，并且把這些數(shù)據(jù)轉(zhuǎn)換為決策支持系統(tǒng)可直接處理的格式。數(shù)據(jù)挖掘模塊主要是使用ID3算法對已經(jīng)經(jīng)過了預(yù)處理的數(shù)據(jù)進行挖掘，生成決策樹，找出它們的內(nèi)在聯(lián)系，并生成規(guī)則集直接運用。結(jié)果顯示模塊主要是對規(guī)則集的處理，使其在界面上顯示出來。 圖1.2 成績分析系統(tǒng)的功能結(jié)構(gòu)圖2 決策支持系統(tǒng)與成績分析2.1 決策支持系統(tǒng)與決策樹2.1.1 決策支持系統(tǒng)基本概念在Error! Reference s

4、ource not found.一書中認為，決策支持系統(tǒng)是按決策問題的需要，利用數(shù)據(jù)、模型和知識等決策資源，組合形成問題的多個方案，通過計算獲得輔助決策的依據(jù)，達到支持科學決策的計算機程序系統(tǒng)。它具有如下特點：（1） 用定量方式輔助決策，而不是代替決策；（2） 使用大量的數(shù)據(jù)和多個模型；（3） 支持決策制定過程；（4） 為多個管理層次上的用戶提供決策支持；（5） 能支持相互獨立的決策和相互依賴的決策；（6） 用于半結(jié)構(gòu)化決策領(lǐng)域。2.1.2 決策支持系統(tǒng)的體系結(jié)構(gòu)圖2.1.2為決策支持系統(tǒng)的基本結(jié)構(gòu)，從圖中可看出，DSS（決策支持系統(tǒng)）主要由對話（人機交互）、模型和數(shù)據(jù)組成。 圖2.1.2 決

5、策支持系統(tǒng)的基本結(jié)構(gòu)Error! Reference source not found.2.1.3 基于決策樹算法的智能決策支持系統(tǒng)在決策支持系統(tǒng)的基礎(chǔ)上，隨著人工智能領(lǐng)域的快速發(fā)展，決策支持系統(tǒng)也有了很大的改進，進而出現(xiàn)了智能決策支持系統(tǒng)。本文主要介紹基于決策樹算法的智能決策支持系統(tǒng)，它的基本結(jié)構(gòu)如圖2.1.3所示： 圖2.1.3 基于決策樹算法的智能決策支持系統(tǒng)結(jié)構(gòu)圖從上圖中可看出，一個完整的決策樹分類系統(tǒng)主要包括數(shù)據(jù)庫管理、挖掘前處理、挖掘?qū)嵤?、模式評估、知識輸出表示等模塊，各個模塊相互銜接、相互聯(lián)系，共同構(gòu)成了分類數(shù)據(jù)挖掘的體系結(jié)構(gòu)3。2.2 成績分析方法2.2.1 成績分析及其重要性

6、在傳統(tǒng)的教學模式中，一方面，學生所學知識的好壞程度主要取決于考試成績的高低；另一方面，學校檢驗教師的教學質(zhì)量和效果往往也是通過學生的成績指標來反映，或者通過教務(wù)系統(tǒng)中學生對于教師的網(wǎng)上評價來反映。無可否認，這種做法可以在一定程度上反應(yīng)教師的教學質(zhì)量。然而，這種做法的一個弊端就是，學生對于教師的評價往往取決于學生的主觀認知和評價，與教師本身的教學質(zhì)量并沒有必然聯(lián)系。學生的評價可能僅僅取決于任課教師是否點名、考試出題難度高低，考試成績給分高低。顯然，這對那些教學嚴謹認真教學的任課老師是極為不利的。那么，對于教務(wù)系統(tǒng)中已存的龐大的歷史數(shù)據(jù)，除了對這些數(shù)據(jù)進行最基本的查詢、統(tǒng)計等功能外，利用數(shù)據(jù)挖掘技

7、術(shù)，挖掘出影響學生成績的因素，無論是對教師還是學生，都是一種比較客觀全面的教學效果的評價。利用數(shù)據(jù)挖掘技術(shù)可以從定量的角度精確地展現(xiàn)學生成績分析的多個方面,故而把數(shù)據(jù)挖掘技術(shù)引入到學生成績分析中,以此來幫助教師和教學部制定相應(yīng)的措施,有利于提高教學質(zhì)量,增強教學效果4。本文就是研究數(shù)據(jù)挖掘中的ID3決策樹算法在成績分析中的應(yīng)用。2.2.2 學生成績的ID3決策樹算法處理ID3算法主要針對決策樹中分類時候的屬性選擇問題，是決策樹算法中最具影響和最為典型的算法5。該方法使用信息增益度來選擇測試屬性，其中所涉及的公式如下：（1）假設(shè)有n個互不相容的事件，它們中有且僅有一個發(fā)生，則其平均的信息量可如下

8、度量（其中，為事件發(fā)生的概率）： 公式1（2）在決策樹分類中，假設(shè)是訓練樣本集合,是訓練樣本數(shù)，樣本劃分為n個不同的類，,，這些類的大小分別標記為|,|,|，則任意樣本屬于類的概率為： 公式2（3）是屬性A的所有可能的值，是屬性A有值的子集，是中的元素的個數(shù)；是中的元素的個數(shù)，是根據(jù)公式2計算A取值的概率；為為屬性A在值下的信息量的大小，這個值是根據(jù)公式1計算得來；所以為屬性A的信息量大小的期望值。 公式3（4）那么屬性A在集合上的信息增益值的計算公式為： - 公式4其中集合總的信息量的大小，由公式1計算得出；的值越大，說明選擇測試屬性對分類提供的信息越多。ID3算法的建立基本流程為：首先對目

9、前的數(shù)據(jù)表，建立一個節(jié)點N；如果數(shù)據(jù)表中的數(shù)據(jù)都屬于同一個類，N就是樹葉，并在樹葉上標出所屬的類；如果數(shù)據(jù)表中沒有其他數(shù)據(jù)可以考慮，則N也是樹葉,按照少數(shù)服從多數(shù)的原則在樹葉上標出所屬類別；否則，根據(jù)平均信息期望值E或Gain值選出一個最佳屬性作為節(jié)點N的測試屬性；節(jié)點選定后，對于該屬性中的每個值，從N生成一個分支，并將數(shù)據(jù)表中與該分支有關(guān)的數(shù)據(jù)收集形成分支節(jié)點的數(shù)據(jù)表，在表中刪除節(jié)點屬性那一欄；如果分支數(shù)據(jù)表非空，則運用以上算法從該節(jié)點建立子樹7。在成績分析系統(tǒng)中，首先要將數(shù)據(jù)預(yù)處理去噪等操作后，將影響學生成績的各項屬性作為樣本屬性代入到ID3算法中進行處理，根據(jù)信息增益值的大小依次選擇分類

10、的節(jié)點屬性，最后得到一棵決策樹。3成績分析決策支持系統(tǒng)的應(yīng)用3.1 案例表3.1為某學校學生A課程的成績數(shù)據(jù)庫(訓練樣本集合),訓練樣本包含四個屬性,它們分別為A課程成績、任課教師、A課程的課程類別、是否修過B課程。樣本集合的類別屬性為是否通過C 課程。該屬性有2個取值,即為C課程合格和C課程不合格。 表3.1 某學校學生的成績數(shù)據(jù)庫序號A課程成績?nèi)握n教師A課程類別是否修過B課程C課程是否合格185甲核心無不合格254乙核心無不合格370丙核心無合格490甲專業(yè)選修無合格553丁通識選修有不合格687甲通識選修有不合格766丙通識選修有合格855乙專業(yè)選修無合格942丙通識選修有不合格1089

11、丁專業(yè)選修無不合格3.2 應(yīng)用上表中，首先將A成績這個屬性進行劃分區(qū)間處理，因為ID3算法主要針對的是離散取值，而成績屬性是一個連續(xù)取值的變量。將成績屬性進行求平均數(shù)等過程處理后，分為兩個區(qū)間，即成績大于等于54.5和小于54.5。其次，根據(jù)2.2.2節(jié)中的公式和算法思想，分別計算4個屬性對于C課程是否合格分類的信息增益值，計算結(jié)果可得成績屬性的信息增益值最大，所以根節(jié)點屬性為A課程成績；再次調(diào)用ID3算法，對成績中的每個值分別計算剩下屬性的信息增益值，如此循環(huán)，直到分類得到C課程是否及格方可停止。最終得到的決策樹如圖3.2所示： 圖3.2 C課程是否合格的決策樹由上圖中的決策樹可得到下面的關(guān)

12、聯(lián)規(guī)則集：（1）C課程是否合格與B課程無關(guān)；（2）如果A課程成績低于54.5分，那么C課程一定不合格；（3）如果A課程成績大于54.5，當A課程的任課教師為乙和丙時，C課程合格；A課程的任課教師為丁時，C課程不合格；（4）A課程成績大于54.5的情況下，當A課程的任課教師為甲時，如果A課程為專業(yè)選修，那么選C課程的學生成績合格；如果為核心課程或者同時選修課程，那么選C課程的學生成績不合格。4 結(jié) 論對上述決策樹和規(guī)則集挖掘的結(jié)果進行分析，可以得到如下結(jié)論：（1）A課程必須作為C課程的先修課程，并且，只有在A課程達到某個成績后,C課程的成績才能合格。這樣,A課程的成績對于教學管理者在課程設(shè)置，和

13、安排學生進行重新學習時，就得作為一個必須考量的因素。是否先對A課程先重新學習后再安排關(guān)于C 課程的學習。（2）不同的授課教師也影響著C課程的學生成績，當學生A課程成績高于54.5分時，乙老師和丙老師所教的學生C 課程均合格，而同樣的情況下，丁老師所教的學生并沒有取得合格的成績，這在一定程度上也能反應(yīng)某位教師的授課質(zhì)量。而在之前，我們判斷教師的授課質(zhì)量，只能從學生的打分及相對比較簡單的合格率上進行判斷。使用算法改進得到規(guī)則后，我們可以在比較平等的情況下，對教師的授課質(zhì)量進行比較綜合全面的評價。（3）在本例中，由于所列舉的數(shù)據(jù)不夠，最后一個分類的屬性A課程的修習類別，沒有作為分類屬性進行挖掘。而在

14、數(shù)據(jù)足夠多的情況下，我們可以容易的看出在課程設(shè)置的時候,A課程是否需要作為核心課程進行教學，如果不需作為核心課程，那么在學時和學分上的要求就可以相對降低，這對于學生的課程自主安排上也有指導意義。綜合本文的研究內(nèi)容來看，將基于決策樹的智能決策支持系統(tǒng)應(yīng)用于成績分析中，將會有很大的應(yīng)用前景。利用決策樹支持系統(tǒng)進行數(shù)據(jù)挖掘，不僅可以幫助分析課程設(shè)置的先后順序或者對教師教學質(zhì)量進行評價，還可以用于研究教師年齡、職稱、學歷與教學效果之間的關(guān)系，或者是對學生的心理素質(zhì)分析7，對學生的成績進行預(yù)測?？傊?，將數(shù)據(jù)挖掘技術(shù)與決策支持系統(tǒng)相結(jié)合，關(guān)注教育領(lǐng)域中各種類型的數(shù)據(jù)，將會極大地促進教育教學的發(fā)展。參考文獻1 張凌.ID3算法的研究以及在成績統(tǒng)計輔助決策系統(tǒng)中的應(yīng)用D.廈門：廈門大學，2007.36-37.2 陳文偉.決策支持系統(tǒng)及其開發(fā)M.第二版.北京：清華大學出版社,2014.5-67.3 劉海燕.基于決策樹分類算法的學習成績分析系統(tǒng)的設(shè)計與實現(xiàn)D.成都：電子科