聚類分析在學生高數(shù)成績中的應(yīng)用

聚類分析在學生高數(shù)成績中的應(yīng)用〔〕:

摘要：近年來，隨著高校的不斷擴招，伴隨而來的學生素質(zhì)和層次問題引起關(guān)注，假設(shè)學生層次不一，對教師的教學也是一項挑戰(zhàn)。對此本文主要針對不同層次的學生，根據(jù)系統(tǒng)聚類方法中的最短間隔法，借用MATLAB軟件對學生成績進展聚類，提供適宜的教學方法，從而激發(fā)學生的學習興趣，進步教學質(zhì)量。

關(guān)鍵詞：聚類分析；高數(shù)成績；數(shù)據(jù)挖掘；最短間隔法

本文引用格式：段琪.聚類分析在學生高數(shù)成績中的應(yīng)用[J].教育現(xiàn)代化,2022,6(67):125-126.

隨著高校的不斷擴招，學生的層次也有很大的差距，對教師而言，用一個統(tǒng)一的標準去教學顯然教學效果不會特別理想，對學生的素質(zhì)進步也起不到良好的效果。此外在文理分科這一塊，高中的文科數(shù)學介紹的相對簡單些，理科數(shù)學在難度上相對于文科會有所提升，而大學的很多專業(yè)都是文理適用，因此出現(xiàn)學生質(zhì)量參差不齊的現(xiàn)象也是一種普遍現(xiàn)象【1】。

本次針對汽車學院18級專科學生高等數(shù)學平時成績、期中成績和期末成績進展統(tǒng)計，并結(jié)合學生詳細情況給出合理建議。

一學生成績的聚類分析

聚類分析是研究數(shù)據(jù)的分布情況，將數(shù)據(jù)劃分成多個類，通過觀察每個類的共性，從而對數(shù)據(jù)進展評估和分析，把關(guān)系親密的數(shù)據(jù)歸為一類，抽取出自己所需的信息，是一種無監(jiān)視的學習。聚類分析包含的方法很多，主要有系統(tǒng)聚類法、動態(tài)聚類法、最優(yōu)分割法、圖論聚類法等諸多方法【2】。

本文采用系統(tǒng)聚類的方法，系統(tǒng)聚類是聚類分析中較為廣泛的一種方法，其根本原理是將一定數(shù)量的樣本看成一類，然后根據(jù)樣本的親疏程度進展聚類，將親疏程度較高的兩類合并，再考慮合并的類與其他類之間的親疏程度進展合并，重復此過程，直到所有的樣本合并為一類。

衡量樣本間的親疏程度通常用到間隔與相似系數(shù)，本次在歐氏間隔的根底上采用最短間隔法，而間隔是將每個樣本看成n個變量對應(yīng)的m維空間中的一點，根據(jù)該空間所定義的間隔，間隔越近親密程度越高【3】。

其中歐氏間隔公式如下：

基于對學生進展評估時，平時成績、期中成績和期末成績均按百分制，意味著三者權(quán)重一樣，但在課堂學習中假設(shè)采用：總成績=30%平時成績+20%期中成績+50%期末成績，對學生進展評估，注重學生課堂表現(xiàn)與應(yīng)試教育相結(jié)合，會顯得更加合理【4】，見表2、圖1。

按照最短間隔法，借用MATLAB對其進展評估，結(jié)合圖1可知，假設(shè)將學生分為兩類，可分為〔1〕，〔2，3，4，5，6，7，8，9〕，結(jié)合學生的詳細情況對其進展因材施教，但假設(shè)分為兩類很顯然不是很合理，結(jié)合學生詳細情況，將其分為三類比擬適宜，即〔1〕，〔2，5，7，8〕，〔3，4，6，9〕。

其中〔3，4，6，9〕整體表現(xiàn)比擬穩(wěn)定，相比照較優(yōu)秀，在教學過程中可適當加大難度，更好地發(fā)揮起特長；〔2，5，7，8〕這一學生群體根底相似，可根據(jù)學生特長適當引導，激發(fā)其學習興趣，提倡自主學習；〔1〕可能是根底相對薄弱的群體，在教學過程中發(fā)現(xiàn)這一學生群體可能是大學之前就對自己沒有信心，或者說嚴重偏科提不起興趣，導致對數(shù)學的學習厭倦，結(jié)合學生的詳細情況，適當補充初高中的數(shù)學知識，與大學知識相結(jié)合，讓學生重新認識自己，激發(fā)學習熱情【5】。

二結(jié)語

高校的擴招使得學生群體素質(zhì)各有差異，從而對教師教學帶來難度。聚類分析是數(shù)據(jù)挖掘中一項重要的技術(shù)，已廣泛應(yīng)用于各項領(lǐng)域，根據(jù)數(shù)據(jù)挖掘中系統(tǒng)聚類方法中最短間隔法，對學生成績進展聚類分析，可以更客觀合理反映學生的學習情況，根據(jù)學生的詳細情況因材施教，指導教師的教學工作，進步學生學習的興趣。

參考文獻

【1】[美]Pang-NingTan等.數(shù)據(jù)挖掘?qū)д揫M].人民郵電出版社，2022.

【2】張平,等.MATLAB根底與應(yīng)用簡明教程[M].北京航空航天大學出版社，2022.

【3】馮學軍,等.聚類分析及相關(guān)分析在卓越班學生管理中的應(yīng)用[J].統(tǒng)計與管理,2022(11):40-41.

【4】柴偉文,等.基于數(shù)字特征的高等數(shù)學考試成績的方差分析模型[J].教育現(xiàn)代化,2022,5(1