胡祖輝+施佺

摘 要】

網(wǎng)絡(luò)對(duì)于學(xué)生的學(xué)習(xí)既有正面作用，又有負(fù)面作用。為了制定合理、有效的網(wǎng)絡(luò)管理措施，本研究以學(xué)生上網(wǎng)數(shù)據(jù)和學(xué)生成績(jī)數(shù)據(jù)為研究對(duì)象，采用決策樹(shù)、關(guān)聯(lián)規(guī)則、邏輯回歸三種數(shù)據(jù)挖掘方法對(duì)學(xué)生上網(wǎng)行為相關(guān)屬性與學(xué)生學(xué)習(xí)質(zhì)量之間的關(guān)系進(jìn)行了研究。研究結(jié)果表明，學(xué)生上網(wǎng)行為的相關(guān)屬性如“上網(wǎng)時(shí)長(zhǎng)”“入流量”“出流量”“總流量”“上網(wǎng)次數(shù)”等均對(duì)學(xué)生的學(xué)習(xí)質(zhì)量有不同程度的影響，且均呈現(xiàn)負(fù)相關(guān)關(guān)系。其中，“上網(wǎng)時(shí)長(zhǎng)”是影響學(xué)習(xí)質(zhì)量的主要因素，可以根據(jù)數(shù)據(jù)挖掘發(fā)現(xiàn)的關(guān)鍵數(shù)據(jù)節(jié)點(diǎn)，制定相應(yīng)的網(wǎng)絡(luò)管理措施限制學(xué)生過(guò)度上網(wǎng)。三種數(shù)據(jù)挖掘方法都較好地實(shí)現(xiàn)了預(yù)期效果，得出的結(jié)論基本一致，其中關(guān)聯(lián)規(guī)則挖掘算法的總體性能最好，決策樹(shù)算法的總體性能略好于邏輯回歸算法。

【關(guān)鍵詞】 高校學(xué)生；上網(wǎng)行為分析；數(shù)據(jù)挖掘；決策樹(shù)；關(guān)聯(lián)規(guī)則；邏輯回歸

【中圖分類號(hào)】 G40-057 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1009-458x（2017）02-0026-07

一、引言

在信息技術(shù)時(shí)代，網(wǎng)絡(luò)的普及一方面給高校學(xué)生的學(xué)習(xí)和生活帶來(lái)了極大的便利，另一方面也導(dǎo)致了一些學(xué)生出現(xiàn)過(guò)度上網(wǎng)甚至沉迷網(wǎng)絡(luò)的問(wèn)題?？梢哉f(shuō)，網(wǎng)絡(luò)是把雙刃劍，利用好了可以充分借助網(wǎng)絡(luò)教育資源拓展學(xué)習(xí)時(shí)空，促進(jìn)學(xué)習(xí)交流；利用不好則會(huì)使學(xué)生沉迷于網(wǎng)絡(luò)虛擬世界，浪費(fèi)寶貴的學(xué)習(xí)時(shí)間，影響正常學(xué)習(xí)。對(duì)網(wǎng)絡(luò)的管理，高校既不能放任不管，也不能簡(jiǎn)單地限制上網(wǎng)。由于學(xué)生在校上網(wǎng)都要通過(guò)學(xué)校的網(wǎng)關(guān)，因此學(xué)生上網(wǎng)數(shù)據(jù)能夠真實(shí)地反映學(xué)生的上網(wǎng)行為。利用學(xué)生上網(wǎng)數(shù)據(jù)對(duì)學(xué)生的上網(wǎng)行為進(jìn)行分析研究具有可行性，可以為制定合理、有效的網(wǎng)絡(luò)管理措施提供決策支持。

教育數(shù)據(jù)內(nèi)涵廣泛，學(xué)生上網(wǎng)數(shù)據(jù)和課程考試成績(jī)數(shù)據(jù)都屬于教育數(shù)據(jù)。上網(wǎng)數(shù)據(jù)中蘊(yùn)含了學(xué)生上網(wǎng)行為的客觀事實(shí)屬性，成績(jī)數(shù)據(jù)中蘊(yùn)含了學(xué)生學(xué)習(xí)質(zhì)量的客觀事實(shí)屬性。根據(jù)一般經(jīng)驗(yàn)，學(xué)生過(guò)度上網(wǎng)會(huì)影響學(xué)習(xí)質(zhì)量。這一論斷是否正確，學(xué)生上網(wǎng)行為與學(xué)習(xí)質(zhì)量之間是否存在更多的關(guān)聯(lián)，這些問(wèn)題都需要利用數(shù)據(jù)挖掘技術(shù)對(duì)學(xué)生上網(wǎng)數(shù)據(jù)和成績(jī)數(shù)據(jù)進(jìn)行綜合分析，這正是本研究的意義所在。

二、教育數(shù)據(jù)挖掘相關(guān)研究

教育數(shù)據(jù)挖掘（Educational Data Mining，簡(jiǎn)稱“EDM”）是運(yùn)用數(shù)據(jù)挖掘方法從來(lái)自教育系統(tǒng)的原始數(shù)據(jù)中提取出有意義信息的過(guò)程，這些信息可以為教育者、學(xué)習(xí)者、教育管理者、教育軟件開(kāi)發(fā)者和教育研究者等提供服務(wù)（李婷， 等， 2010）。教育數(shù)據(jù)挖掘是計(jì)算機(jī)科學(xué)、教育學(xué)和統(tǒng)計(jì)學(xué)相結(jié)合而形成的一個(gè)交叉學(xué)科，如圖1所示（Romero & Ventura， 2013）。

從圖1中可以看到，三個(gè)學(xué)科兩兩交叉形成了數(shù)字化學(xué)習(xí)、學(xué)習(xí)分析、數(shù)據(jù)挖掘與人工智能等研究領(lǐng)域。這些研究領(lǐng)域與教育數(shù)據(jù)挖掘密切相關(guān)，且在一定程度上體現(xiàn)了教育數(shù)據(jù)挖掘的內(nèi)涵（Bousbia & Belamri， 2014）。

教育活動(dòng)與教育數(shù)據(jù)密切關(guān)聯(lián)，教育活動(dòng)必然產(chǎn)生教育數(shù)據(jù)。在出現(xiàn)教育數(shù)據(jù)挖掘之前，教育活動(dòng)與教育數(shù)據(jù)之間的聯(lián)系是單向的，教育數(shù)據(jù)中蘊(yùn)含的信息沒(méi)有得到有效利用。教育數(shù)據(jù)挖掘與應(yīng)用的過(guò)程就是從教育活動(dòng)所產(chǎn)生的數(shù)據(jù)中發(fā)現(xiàn)知識(shí)，再利用這些知識(shí)來(lái)改善教育活動(dòng)的循環(huán)過(guò)程（周慶， 等， 2015）。這個(gè)循環(huán)過(guò)程使得教育活動(dòng)與教育數(shù)據(jù)之間建立起雙向循環(huán)反饋，有助于不斷改進(jìn)教育活動(dòng)，提高教育質(zhì)量。教育數(shù)據(jù)挖掘模型如圖2所示（García， Romero， Ventura， & Castro， 2011）。

由圖2可見(jiàn)，教育數(shù)據(jù)挖掘的主要流程包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘和結(jié)果分析四個(gè)步驟。數(shù)據(jù)采集是從教育環(huán)境中獲取數(shù)據(jù)并按照數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行初步轉(zhuǎn)換、存儲(chǔ)的過(guò)程。數(shù)據(jù)采集解決數(shù)據(jù)來(lái)源的問(wèn)題，是數(shù)據(jù)挖掘的基礎(chǔ)。數(shù)據(jù)預(yù)處理是采用數(shù)據(jù)清理、數(shù)據(jù)合并、數(shù)據(jù)變換、數(shù)據(jù)歸約等方法將原始數(shù)據(jù)處理成適用于數(shù)據(jù)挖掘或有益于提高數(shù)據(jù)挖掘效果的數(shù)據(jù)形式。數(shù)據(jù)挖掘是整個(gè)模型的核心，是運(yùn)用統(tǒng)計(jì)分析、人工智能、機(jī)器學(xué)習(xí)等方法，從大量數(shù)據(jù)中挖掘出隱含的、有價(jià)值的信息的過(guò)程。常用的數(shù)據(jù)挖掘方法有決策樹(shù)、聚類分析、關(guān)聯(lián)規(guī)則、回歸分析、神經(jīng)網(wǎng)絡(luò)、時(shí)序分析等。結(jié)果分析是采用評(píng)價(jià)指標(biāo)對(duì)數(shù)據(jù)挖掘結(jié)果進(jìn)行評(píng)價(jià)和分析，具體評(píng)價(jià)指標(biāo)包括查準(zhǔn)率、查全率、正確率、顯著性等。

由于教育數(shù)據(jù)挖掘具有重要意義，因此，教育數(shù)據(jù)挖掘與應(yīng)用已經(jīng)成為一個(gè)研究熱點(diǎn)。早在2008年，來(lái)自美國(guó)、德國(guó)、加拿大、澳大利亞、荷蘭等國(guó)的研究人員就成立了國(guó)際教育數(shù)據(jù)挖掘工作組。在該組織的大力推動(dòng)下，2008年在加拿大召開(kāi)了第一屆教育數(shù)據(jù)挖掘國(guó)際學(xué)術(shù)會(huì)議，至今已舉辦了九屆。同時(shí)，該組織于2011年設(shè)立了國(guó)際教育數(shù)據(jù)挖掘網(wǎng)站，并成功創(chuàng)辦了專門(mén)的電子期刊——教育數(shù)據(jù)挖掘雜志（Journal of Educational Data Mining，簡(jiǎn)稱“JEDM”）。該組織給出了教育數(shù)據(jù)挖掘的定義：教育數(shù)據(jù)挖掘是一個(gè)新興的學(xué)科，該學(xué)科專注于研究用于探索來(lái)自教育系統(tǒng)獨(dú)特的和不斷增長(zhǎng)的大規(guī)模數(shù)據(jù)的數(shù)據(jù)挖掘方法（Pechenizkiy et al.， 2011）。Antonenko等（2012）使用聚類分析方法對(duì)Web服務(wù)器日志數(shù)據(jù)進(jìn)行了研究，分析了學(xué)生的在線學(xué)習(xí)行為，并對(duì)利用聚類分析作為教育數(shù)據(jù)挖掘技術(shù)的優(yōu)勢(shì)和局限性進(jìn)行了探討。Guruler等（2014）使用決策樹(shù)方法對(duì)高校學(xué)生成績(jī)的影響因素進(jìn)行了研究，并基于微軟的數(shù)據(jù)分析服務(wù)技術(shù)構(gòu)建了一個(gè)名為“學(xué)生知識(shí)發(fā)現(xiàn)”的教育數(shù)據(jù)挖掘系統(tǒng)。Agarwal等（2012）使用支持向量機(jī)、線性回歸、邏輯回歸、決策樹(shù)等多種數(shù)據(jù)挖掘方法對(duì)學(xué)生數(shù)據(jù)進(jìn)行了分析，并對(duì)分析結(jié)果進(jìn)行了比較。Parack等（2012）使用Apriori關(guān)聯(lián)規(guī)則算法和K-means聚類分析算法對(duì)學(xué)生的學(xué)術(shù)成果數(shù)據(jù)進(jìn)行了研究，分析了考試成績(jī)、考勤、實(shí)踐環(huán)節(jié)等因素對(duì)學(xué)術(shù)成果的影響。舒忠梅等（2014）采用回歸分析和決策樹(shù)方法對(duì)大學(xué)生滿意度調(diào)查數(shù)據(jù)進(jìn)行了分析，研究學(xué)生特征和學(xué)習(xí)經(jīng)歷與滿意度之間的關(guān)系。施佺等（2016）使用關(guān)聯(lián)規(guī)則和聚類分析方法對(duì)學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)進(jìn)行了研究，并提出了網(wǎng)絡(luò)學(xué)習(xí)過(guò)程監(jiān)管的教育數(shù)據(jù)挖掘模型。陳益均等（2013）使用K-means聚類分析算法對(duì)學(xué)生上網(wǎng)行為與英語(yǔ)四級(jí)通過(guò)率之間的關(guān)系進(jìn)行了研究，發(fā)現(xiàn)學(xué)生英語(yǔ)四級(jí)通過(guò)率與上網(wǎng)行為中的下載流量、在線時(shí)長(zhǎng)、使用費(fèi)用等有明顯關(guān)聯(lián)。吳淑蘋(píng)（2013）在對(duì)教師網(wǎng)絡(luò)學(xué)習(xí)行為特征、表現(xiàn)形式和學(xué)習(xí)過(guò)程等進(jìn)行分析的基礎(chǔ)上，采用時(shí)序分析方法對(duì)教師網(wǎng)絡(luò)學(xué)習(xí)行為進(jìn)行了分析和預(yù)測(cè)。吳青等（2014）運(yùn)用J48決策樹(shù)算法對(duì)不同風(fēng)格網(wǎng)絡(luò)學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)行為特征進(jìn)行了研究，并構(gòu)建了學(xué)習(xí)風(fēng)格模型?；诮逃龜?shù)據(jù)挖掘的在線學(xué)習(xí)預(yù)警研究已經(jīng)成功應(yīng)用于實(shí)踐，包括美國(guó)普渡大學(xué)的課程警示系統(tǒng)、Desire2Learn公司的學(xué)生成功系統(tǒng)、可汗學(xué)院的學(xué)習(xí)儀表盤(pán)等（王林麗， 等， 2016）。

教育數(shù)據(jù)挖掘具有實(shí)際應(yīng)用價(jià)值，政府、高校和企業(yè)都很重視教育數(shù)據(jù)挖掘。2012年美國(guó)教育部教育技術(shù)辦公室發(fā)布了一份《通過(guò)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)》的研究報(bào)告，對(duì)美國(guó)國(guó)內(nèi)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析的研究及應(yīng)用情況進(jìn)行了總結(jié)，并提出了進(jìn)一步發(fā)展的意見(jiàn)建議（Bienkowski， Feng， & Means， 2012）。哈佛大學(xué)、斯坦福大學(xué)、耶魯大學(xué)等世界知名高校都啟動(dòng)了教育數(shù)據(jù)挖掘相關(guān)研究計(jì)劃。一些企業(yè)已經(jīng)開(kāi)發(fā)出了教育數(shù)據(jù)挖掘相關(guān)產(chǎn)品，如美國(guó)Knewton公司、英國(guó)Pearson公司、加拿大Desire2Learn公司等。國(guó)內(nèi)很多高校也開(kāi)始關(guān)注教育數(shù)據(jù)挖掘研究與應(yīng)用。2014年5月，電子科技大學(xué)成立了教育大數(shù)據(jù)研究所，并已經(jīng)完成了數(shù)據(jù)一體化平臺(tái)、學(xué)生畫(huà)像系統(tǒng)等多個(gè)研究。2015年9月，中國(guó)統(tǒng)計(jì)信息服務(wù)中心和曲阜師范大學(xué)共同成立了中國(guó)教育大數(shù)據(jù)研究院，并聯(lián)合十余所高校和教育研究機(jī)構(gòu)發(fā)起“中國(guó)教育大數(shù)據(jù)發(fā)展促進(jìn)計(jì)劃”，提出了推動(dòng)中國(guó)教育大數(shù)據(jù)發(fā)展的路線圖。

三、數(shù)據(jù)挖掘模型構(gòu)建

1. 數(shù)據(jù)采集

本研究以高校學(xué)生上網(wǎng)數(shù)據(jù)和課程考試成績(jī)數(shù)據(jù)為研究對(duì)象。從學(xué)生管理系統(tǒng)中提取某年級(jí)在籍本科學(xué)生數(shù)據(jù)6，725條記錄，從教務(wù)管理系統(tǒng)中提取相應(yīng)學(xué)生成績(jī)數(shù)據(jù)401，278條記錄，從網(wǎng)絡(luò)管理系統(tǒng)中提取相應(yīng)學(xué)生某月上網(wǎng)數(shù)據(jù)506，361條記錄。

2. 數(shù)據(jù)預(yù)處理

（1）成績(jī)數(shù)據(jù)。由于每個(gè)學(xué)生選修的課程和學(xué)分不一樣，因此，為了準(zhǔn)確衡量每個(gè)學(xué)生的綜合學(xué)習(xí)質(zhì)量，引入GPA（Grade Point Average，平均績(jī)點(diǎn)）進(jìn)行成績(jī)?cè)u(píng)定。首先將百分制和等級(jí)成績(jī)都折算成績(jī)點(diǎn)，考試成績(jī)與績(jī)點(diǎn)的關(guān)系如表1所示。

然后對(duì)每個(gè)學(xué)生的所有課程績(jī)點(diǎn)和學(xué)分進(jìn)行加權(quán)平均運(yùn)算得到平均績(jī)點(diǎn)：

（1）經(jīng)過(guò)計(jì)算平均績(jī)點(diǎn)，每個(gè)學(xué)生只有1條成績(jī)數(shù)據(jù)記錄。這樣成績(jī)數(shù)據(jù)的記錄總數(shù)就由原來(lái)的401，278條記錄減少為6，725條記錄，與學(xué)生數(shù)據(jù)記錄總數(shù)一致，成績(jī)數(shù)據(jù)量大大減少。根據(jù)數(shù)據(jù)挖掘需要，采用等頻分箱法進(jìn)一步對(duì)成績(jī)數(shù)據(jù)進(jìn)行離散化處理，即按照平均績(jī)點(diǎn)由小到大進(jìn)行排序，取中間值將學(xué)生綜合學(xué)習(xí)質(zhì)量等分為“成績(jī)較差”和“成績(jī)較好”兩個(gè)成績(jī)類別。

（2）上網(wǎng)數(shù)據(jù)。首先利用數(shù)據(jù)庫(kù)分組查詢，按學(xué)號(hào)匯總得到每個(gè)學(xué)生的“在線時(shí)長(zhǎng)”“入流量”“出流量”“總流量”“上網(wǎng)次數(shù)”。這樣處理后得到的上網(wǎng)數(shù)據(jù)匯總記錄總數(shù)小于學(xué)生數(shù)據(jù)記錄總數(shù)，因?yàn)槊總€(gè)學(xué)生最多有1條上網(wǎng)匯總記錄，但是客觀上存在部分學(xué)生一個(gè)月都不在校上網(wǎng)的情況。學(xué)生不在校上網(wǎng)的原因可能是因病請(qǐng)假或外出實(shí)習(xí)，具體原因可由院系管理人員作進(jìn)一步了解。

（3）學(xué)生數(shù)據(jù)。保留學(xué)生數(shù)據(jù)中的主要字段，如“學(xué)號(hào)”“姓名”“院系”“專業(yè)”“班級(jí)”等，去除不必要字段，減少數(shù)據(jù)量。然后以學(xué)生數(shù)據(jù)為基礎(chǔ)，將預(yù)處理后的學(xué)生上網(wǎng)數(shù)據(jù)和課程成績(jī)平均績(jī)點(diǎn)數(shù)據(jù)通過(guò)“學(xué)號(hào)”進(jìn)行關(guān)聯(lián)，得到學(xué)生數(shù)據(jù)、上網(wǎng)數(shù)據(jù)和課程成績(jī)平均績(jī)點(diǎn)數(shù)據(jù)三者的合并數(shù)據(jù)集。合并后的數(shù)據(jù)集作為樣本數(shù)據(jù)，以“學(xué)號(hào)”為關(guān)鍵字段，唯一標(biāo)識(shí)每條記錄。

3. 相關(guān)分析

在進(jìn)行數(shù)據(jù)挖掘之前，首先采用相關(guān)分析來(lái)研究上網(wǎng)與學(xué)習(xí)兩者之間的關(guān)系。相關(guān)分析是研究?jī)蓚€(gè)變量之間相關(guān)性強(qiáng)弱及方向的一種統(tǒng)計(jì)方法。通常使用相關(guān)系數(shù)來(lái)定量描述兩個(gè)變量之間的線性關(guān)系，取值范圍為-1～1，相關(guān)系數(shù)大于0為正相關(guān)，相關(guān)系數(shù)小于0為負(fù)相關(guān)。

根據(jù)不同數(shù)據(jù)的特點(diǎn)，通常采用3個(gè)相關(guān)系數(shù)來(lái)描述相關(guān)性，分別為Pearson相關(guān)系數(shù)、Spearman等級(jí)相關(guān)系數(shù)和Kendall等級(jí)相關(guān)系數(shù)。使用SPSS作為數(shù)據(jù)分析工具，分別以“上網(wǎng)時(shí)長(zhǎng)”“入流量”“出流量”“總流量”“上網(wǎng)次數(shù)”作為統(tǒng)計(jì)變量與“平均績(jī)點(diǎn)”作相關(guān)分析，計(jì)算兩者的相關(guān)系數(shù)，結(jié)果如表2所示。

從表2可以看出，3個(gè)相關(guān)系數(shù)雖然數(shù)值不同，但是得出的結(jié)論是一致的。由此可以看到：①“上網(wǎng)時(shí)長(zhǎng)”“入流量”“出流量”“總流量”“上網(wǎng)次數(shù)”與“平均績(jī)點(diǎn)”之間的相關(guān)系數(shù)均為負(fù)值，即均呈負(fù)相關(guān)關(guān)系；②顯著性均為0，在0.01的置信度上，相關(guān)性不顯著；③與其他指標(biāo)相比，“上網(wǎng)時(shí)長(zhǎng)”與“平均績(jī)點(diǎn)”的相關(guān)系數(shù)絕對(duì)值最大，表明其與“平均績(jī)點(diǎn)”的相關(guān)性最強(qiáng)，即“上網(wǎng)時(shí)長(zhǎng)”是影響學(xué)習(xí)質(zhì)量的主要因素。由此可見(jiàn)，過(guò)度上網(wǎng)會(huì)影響學(xué)習(xí)這個(gè)論斷是成立的。但如何區(qū)分合理上網(wǎng)與過(guò)度上網(wǎng)，具體的尺度如何把握，還需要進(jìn)行數(shù)據(jù)挖掘。

4. 數(shù)據(jù)挖掘

根據(jù)數(shù)據(jù)預(yù)處理結(jié)果，樣本數(shù)據(jù)被分為“成績(jī)較好”和“成績(jī)較差”兩個(gè)類別。將“上網(wǎng)時(shí)長(zhǎng)”“入流量”“出流量”“總流量”“上網(wǎng)次數(shù)”作為屬性，通過(guò)數(shù)據(jù)挖掘研究各個(gè)屬性對(duì)樣本成績(jī)分類的影響。本研究使用SSAS作為數(shù)據(jù)挖掘工具，采用決策樹(shù)、關(guān)聯(lián)規(guī)則和邏輯回歸三種方法來(lái)進(jìn)行數(shù)據(jù)挖掘。

（1）決策樹(shù)

決策樹(shù)作為一種監(jiān)督學(xué)習(xí)算法，主要用于分類和預(yù)測(cè)建模。決策樹(shù)通過(guò)不斷細(xì)化的分支，將錯(cuò)綜復(fù)雜的數(shù)據(jù)分為若干類型（牟冬梅， 等， 2016）。通過(guò)決策樹(shù)分析，最終可形成一個(gè)樹(shù)形結(jié)構(gòu)，每個(gè)內(nèi)部節(jié)點(diǎn)表示一個(gè)屬性上的測(cè)試，每個(gè)分支代表一個(gè)輸出，每個(gè)葉子節(jié)點(diǎn)代表一種類別。將“上網(wǎng)時(shí)長(zhǎng)”“入流量”“出流量”“總流量”“上網(wǎng)次數(shù)”作為輸入值，“成績(jī)類別”既作為輸入值又作為預(yù)測(cè)值。將樣本總數(shù)的70%作為訓(xùn)練集，剩余的30%作為測(cè)試集。為避免決策樹(shù)分支過(guò)多，出現(xiàn)過(guò)擬合現(xiàn)象，將算法復(fù)雜度參數(shù)Complexity_Penalty設(shè)為0.8，以抑制決策樹(shù)的生長(zhǎng)，達(dá)到剪枝的目的。決策樹(shù)分析結(jié)果如圖3所示。

從圖3可以看出，“上網(wǎng)時(shí)長(zhǎng)”被作為決策樹(shù)每個(gè)節(jié)點(diǎn)的最優(yōu)分支屬性，最佳分割點(diǎn)分別為238.987、191.192、159.328。在根節(jié)點(diǎn)中，全部學(xué)生樣本按照成績(jī)類別被等分為兩個(gè)部分，灰色表示成績(jī)較好類別，白色表示成績(jī)較差類別。從圖中所有節(jié)點(diǎn)的圖例可以直觀地看出，上網(wǎng)時(shí)長(zhǎng)越長(zhǎng)，成績(jī)較好學(xué)生的比例越小，成績(jī)較差學(xué)生的比例越大，反之亦然。如在上網(wǎng)時(shí)長(zhǎng)大于等于238.987的節(jié)點(diǎn)中，成績(jī)較差學(xué)生的比例達(dá)到79.82%。由此可以得出結(jié)論： ①“上網(wǎng)時(shí)長(zhǎng)”是影響學(xué)習(xí)質(zhì)量的主要因素；②上網(wǎng)時(shí)長(zhǎng)與學(xué)習(xí)質(zhì)量呈現(xiàn)負(fù)相關(guān)關(guān)系，即上網(wǎng)時(shí)長(zhǎng)越長(zhǎng)，成績(jī)?cè)讲?；③上網(wǎng)時(shí)長(zhǎng)的關(guān)鍵分割點(diǎn)是238.987、191.192、159.328，可以考慮采取上網(wǎng)時(shí)長(zhǎng)階梯計(jì)費(fèi)等措施限制過(guò)度上網(wǎng)。

（2）關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則挖掘算法用于發(fā)現(xiàn)事物屬性特征之間的關(guān)聯(lián)關(guān)系。關(guān)聯(lián)規(guī)則是形如X->Y的蘊(yùn)涵式，其中X稱為前件，Y稱為后件。關(guān)聯(lián)規(guī)則挖掘中有幾個(gè)重要的概念：項(xiàng)集、頻繁項(xiàng)集、支持度、置信度、重要性。項(xiàng)集為事物屬性特征的集合，如“成績(jī)類別=1”“總流量>=56.01”等。頻繁項(xiàng)集是在數(shù)據(jù)集中出現(xiàn)頻率較高的項(xiàng)集。對(duì)于規(guī)則X->Y，支持度為（X，Y）/T，置信度為（X，Y）/X。其中，T表示項(xiàng)集的事務(wù)集合，（X，Y）表示T中同時(shí)包含X和Y的事務(wù)的個(gè)數(shù)，X表示T中包含X的事務(wù)的個(gè)數(shù)。支持度表示規(guī)則的可能性大小，置信度表示規(guī)則的條件概率，也稱為概率。重要性用于衡量規(guī)則的有效性，重要性值越大，規(guī)則前件和后件的相關(guān)性越強(qiáng)。關(guān)聯(lián)規(guī)則挖掘是從事務(wù)集合中挖掘出滿足支持度和置信度最低閾值要求的所有關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則挖掘可以大致分為兩步：第一步是基于事務(wù)集合生成頻繁項(xiàng)目集，第二步是基于頻繁項(xiàng)目集生成滿足最低置信度的關(guān)聯(lián)規(guī)則。將“上網(wǎng)時(shí)長(zhǎng)”“入流量”“出流量”“總流量”“上網(wǎng)次數(shù)”作為輸入值，“成績(jī)類別”既作為輸入值又作為預(yù)測(cè)值。由于關(guān)聯(lián)規(guī)則挖掘要求數(shù)據(jù)為離散型數(shù)據(jù)，因此將連續(xù)型輸入值的數(shù)據(jù)類型設(shè)置為“Discretized”，以自動(dòng)進(jìn)行離散化。將樣本總數(shù)的70%作為訓(xùn)練集，剩余的30%作為測(cè)試集。為保證關(guān)聯(lián)規(guī)則挖掘效果，將算法的最大項(xiàng)集大小參數(shù)Maximum_Itemset_Size設(shè)置為2，最小概率參數(shù)Minimum_Probability設(shè)置為0.6。關(guān)聯(lián)規(guī)則挖掘結(jié)果如圖4所示。

根據(jù)圖4關(guān)聯(lián)規(guī)則挖掘結(jié)果，整理得到詳細(xì)的關(guān)聯(lián)規(guī)則如表3所示。

從圖4和表3可以看出，影響學(xué)習(xí)質(zhì)量的因素有“上網(wǎng)時(shí)長(zhǎng)”“出流量”“總流量”“入流量”，如規(guī)則1中學(xué)生上網(wǎng)時(shí)長(zhǎng)大于等于255.84小時(shí)，其成績(jī)有84.0%的概率屬于“成績(jī)較差”類別；規(guī)則5中學(xué)生上網(wǎng)出流量小于1.01GB，其成績(jī)有62.5%的概率屬于“成績(jī)較好”類別；規(guī)則6中學(xué)生上網(wǎng)總流量大于等于56.01GB，其成績(jī)有62.5%的概率屬于“成績(jī)較差”類別；規(guī)則7中學(xué)生上網(wǎng)入流量大于等于48.34GB，其成績(jī)有61.9%的概率屬于“成績(jī)較差”類別。與其他屬性相比，“上網(wǎng)時(shí)長(zhǎng)”的置信度和重要性最高，因此，“上網(wǎng)時(shí)長(zhǎng)”仍然是影響學(xué)習(xí)質(zhì)量的主要因素。上網(wǎng)時(shí)長(zhǎng)的關(guān)鍵分割點(diǎn)為255.84、190.44、150.14、69.85。可以看出，關(guān)聯(lián)規(guī)則挖掘的結(jié)果與決策樹(shù)分析結(jié)果大體一致。

（3）邏輯回歸

回歸分析是通過(guò)建立回歸模型來(lái)確定兩種或兩種以上變量間的因果關(guān)系。邏輯回歸是對(duì)線性回歸模型的擴(kuò)展，可用于分類與預(yù)測(cè)分析。設(shè)因變量為y，影響y的n個(gè)自變量為x1，x2，...，xn，p為事件發(fā)生的概率，1-p為事件不發(fā)生的概率， p/（1-p）取自然對(duì)數(shù)ln（p/（1-p）），得到邏輯回歸模型為：

由式（2）可得：

式中為常數(shù)，（i=1，…， n）為邏輯回歸系數(shù)。

將“上網(wǎng)時(shí)長(zhǎng)”“入流量”“出流量”“總流量”“上網(wǎng)次數(shù)”作為輸入值，“成績(jī)類別”既作為輸入值又作為預(yù)測(cè)值。將樣本總數(shù)的70%作為訓(xùn)練集，剩余的30%作為測(cè)試集。邏輯回歸分析結(jié)果如表4所示。

從表4可以看出，影響學(xué)習(xí)質(zhì)量的因素有“上網(wǎng)時(shí)長(zhǎng)”“出流量”“總流量”，如上網(wǎng)出流量在46.334GB到178.196GB之間的學(xué)生，其傾向于“成績(jī)較差”類別的概率為80%，上網(wǎng)時(shí)長(zhǎng)在190.133小時(shí)到361.467小時(shí)之間的學(xué)生，其傾向于“成績(jī)較差”類別的概率為76.92%。分?jǐn)?shù)表示自變量與因變量之間因果關(guān)系的強(qiáng)度。表4中的分析結(jié)果顯示，“上網(wǎng)時(shí)長(zhǎng)”仍然是影響學(xué)習(xí)質(zhì)量的主要因素。上網(wǎng)時(shí)長(zhǎng)的關(guān)鍵分割點(diǎn)為190.133、140.440、90.746，這與前兩種分析方法得到的結(jié)論基本一致。此外，“出流量”也成為一個(gè)影響學(xué)習(xí)質(zhì)量的重要因素，這與前兩種分析方法的結(jié)論不一致，這個(gè)結(jié)論的有效性可以通過(guò)對(duì)相關(guān)學(xué)生進(jìn)行抽樣調(diào)查分析進(jìn)行驗(yàn)證。

四、結(jié)果評(píng)價(jià)

首先對(duì)三種數(shù)據(jù)挖掘方法進(jìn)行評(píng)價(jià)，評(píng)價(jià)指標(biāo)包括查準(zhǔn)率、查全率、正確率、F值等。查準(zhǔn)率為算法識(shí)別正確的正面樣本數(shù)與所有識(shí)別為正面的樣本數(shù)的比值，用于衡量算法的精密度。查全率為算法識(shí)別正確的正面樣本數(shù)與樣本中所有正面樣本數(shù)的比值，反映算法的靈敏度，也稱為召回率。正確率為算法識(shí)別正確的觀點(diǎn)數(shù)與樣本總數(shù)的比值，反映算法的準(zhǔn)確度。F值為查準(zhǔn)率與查全率的調(diào)和平均值，其取值范圍在0到1之間，用于衡量算法的總體性能。查準(zhǔn)率所描述的精密度與正確率所描述的準(zhǔn)確度具有不同的含義。精密度是指多次重復(fù)測(cè)定同一輸入值時(shí)各測(cè)定值之間彼此相符合的程度，用來(lái)表示隨機(jī)誤差的大小。準(zhǔn)確度是指在一定條件下多次測(cè)定的平均值與其真值相符合的程度，用來(lái)表示系統(tǒng)誤差的大小。

在本研究中，設(shè)TP（Ture Positive）為實(shí)際成績(jī)較好而分類預(yù)測(cè)結(jié)果也為成績(jī)較好的樣本數(shù)，F(xiàn)P（False Positive）為實(shí)際成績(jī)較好但分類預(yù)測(cè)結(jié)果為成績(jī)較差的樣本數(shù)，TN（True Negative）為實(shí)際成績(jī)較差而分類預(yù)測(cè)結(jié)果也為成績(jī)較差的樣本數(shù)，F(xiàn)N（False Negative）為實(shí)際成績(jī)較差但分類預(yù)測(cè)結(jié)果為成績(jī)較好的樣本數(shù)，則有如下定義（Wikipedia， 2016）：

為了更準(zhǔn)確地衡量算法的總體性能，有必要將正確率考慮在內(nèi)，借鑒F值的調(diào)和平均值計(jì)算方法，定義精確度為正確率與F值的調(diào)和平均值，即：

精確度可以全面反映算法的精密度、靈敏度、準(zhǔn)確度，更準(zhǔn)確地描述算法的總體性能好壞。

根據(jù)決策樹(shù)、關(guān)聯(lián)規(guī)則、邏輯回歸三種方法的數(shù)據(jù)挖掘建模結(jié)果，采用樣本總體的30%測(cè)試集進(jìn)行測(cè)試，分別計(jì)算相應(yīng)的評(píng)價(jià)指標(biāo)值。計(jì)算結(jié)果如表5所示。

從表5可以看出，查準(zhǔn)率：關(guān)聯(lián)規(guī)則>決策樹(shù)>邏輯回歸；查全率：邏輯回歸>決策樹(shù)>關(guān)聯(lián)規(guī)則；正確率：邏輯回歸>決策樹(shù)>關(guān)聯(lián)規(guī)則，F(xiàn)值和精確度的計(jì)算結(jié)果均為：關(guān)聯(lián)規(guī)則>決策樹(shù)>邏輯回歸。三種算法都較好地實(shí)現(xiàn)了數(shù)據(jù)挖掘和分類預(yù)測(cè)效果，得出的結(jié)論基本一致，各項(xiàng)指標(biāo)都接近或超過(guò)60%，尤其是關(guān)聯(lián)規(guī)則的查準(zhǔn)率超過(guò)了80%。綜合考慮算法的總體性能，關(guān)聯(lián)規(guī)則挖掘算法的總體性能最好，決策樹(shù)算法的總體性能略好于邏輯回歸，兩者相差不大。

五、結(jié)論

在大數(shù)據(jù)時(shí)代，數(shù)據(jù)是寶貴的資源，充分挖掘和利用教育數(shù)據(jù)中蘊(yùn)含的信息，有助于改善教育活動(dòng)。本研究首先對(duì)學(xué)生上網(wǎng)數(shù)據(jù)和成績(jī)數(shù)據(jù)進(jìn)行相關(guān)分析，然后采用三種數(shù)據(jù)挖掘方法對(duì)學(xué)生上網(wǎng)行為的相關(guān)屬性與學(xué)生成績(jī)的內(nèi)在關(guān)系進(jìn)行研究，得出了以下結(jié)論：①學(xué)生上網(wǎng)行為的相關(guān)屬性“上網(wǎng)時(shí)長(zhǎng)”“入流量”“出流量”“總流量”“上網(wǎng)次數(shù)”對(duì)學(xué)習(xí)質(zhì)量都有不同程度的影響，且均呈現(xiàn)負(fù)相關(guān)關(guān)系，適度上網(wǎng)有利于學(xué)習(xí)，過(guò)度上網(wǎng)影響學(xué)習(xí)；②“上網(wǎng)時(shí)長(zhǎng)”是影響學(xué)習(xí)質(zhì)量的主要因素，即兩者負(fù)相關(guān)關(guān)系強(qiáng)度最強(qiáng)，應(yīng)予以重點(diǎn)關(guān)注；③綜合三種算法的挖掘結(jié)果，“上網(wǎng)時(shí)長(zhǎng)”的關(guān)鍵分割點(diǎn)為248、190、150、90、70，其中“上網(wǎng)時(shí)長(zhǎng)”超過(guò)190小時(shí)會(huì)對(duì)學(xué)習(xí)質(zhì)量產(chǎn)生顯著負(fù)面影響，超過(guò)248小時(shí)會(huì)產(chǎn)生嚴(yán)重負(fù)面影響，應(yīng)據(jù)此制定合理的網(wǎng)絡(luò)管理措施，引導(dǎo)學(xué)生健康上網(wǎng)；④不同的數(shù)據(jù)挖掘方法在算法性能和挖掘結(jié)論上可能存在差異，需要根據(jù)實(shí)際情況選擇合適的算法，并合理設(shè)置算法參數(shù)，保證結(jié)論的正確性和有效性。網(wǎng)絡(luò)環(huán)境是教育環(huán)境的重要組成部分。通過(guò)上網(wǎng)行為分析和數(shù)據(jù)挖掘，可以為制定合理、有效的網(wǎng)絡(luò)管理策略提供決策支持服務(wù)，讓網(wǎng)絡(luò)真正成為學(xué)生學(xué)習(xí)的良好輔助工具。

[參考文獻(xiàn)]

陳益均，殷莉. 2013. 基于數(shù)據(jù)挖掘的學(xué)生成績(jī)影響模型的研究[J]. 現(xiàn)代教育技術(shù)，23（1）：94-96.

李婷，傅鋼善. 2010. 國(guó)內(nèi)外教育數(shù)據(jù)挖掘研究現(xiàn)狀及趨勢(shì)分析[J]. 現(xiàn)代教育技術(shù)（10）：21-25.

牟冬梅，任珂. 2016. 三種數(shù)據(jù)挖掘算法在電子病歷知識(shí)發(fā)現(xiàn)中的比較[J]. 現(xiàn)代圖書(shū)情報(bào)技術(shù)，32（6）：102-109.

舒忠梅，徐曉東. 2014. 學(xué)習(xí)分析視域下的大學(xué)生滿意度教育數(shù)據(jù)挖掘及分析[J]. 電化教育研究（5）：39-44.

施佺，錢(qián)源，孫玲. 2016. 基于教育數(shù)據(jù)挖掘的網(wǎng)絡(luò)學(xué)習(xí)過(guò)程監(jiān)管研究[J]. 現(xiàn)代教育技術(shù)，26（6）：87-93.

吳淑蘋(píng). 2013. 基于數(shù)據(jù)挖掘的教師網(wǎng)絡(luò)學(xué)習(xí)行為分析與研究[J]. 教師教育研究，25（3）：47-55.

吳青，羅儒國(guó). 2014. 基于網(wǎng)絡(luò)學(xué)習(xí)行為的學(xué)習(xí)風(fēng)格挖掘[J]. 現(xiàn)代遠(yuǎn)距離教育，（1）：54-62.

王林麗，葉洋，楊現(xiàn)民. 2016. 基于大數(shù)據(jù)的在線學(xué)習(xí)預(yù)警模型設(shè)計(jì)——“教育大數(shù)據(jù)研究與實(shí)踐專欄”之學(xué)習(xí)預(yù)警篇[J]. 現(xiàn)代教育技術(shù)，26（7）：5-11.

周慶，牟超，楊丹. 2015. 教育數(shù)據(jù)挖掘研究進(jìn)展綜述[J]. 軟件學(xué)報(bào)（11）：3026-3042.

Agarwal， S.， Pandey， G. N. & Tiwari， M. D. （2012）. Data Mining in Education： Data Classification and Decision Tree Approach. International Journal of e-Education， e-Business， e-Management and e-Learning， 2（2）， 140-144.

Antonenko， P. D.， Toy， S. & Niederhauser， D. S. （2012）. Using Cluster Analysis for Data Mining in Educational Technology Research. Educational Technology Research and Development， 60（3）， 383-398.

Bienkowski， M.， Feng， M. & Means， B. （2012）. Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics： An Issue Brief. Washington：U.S. Department of Education， Office of Educational Technology.

Bousbia， N. & Belamri， I. （2014）. Which Contribution Does EDM Provide to Computer-Based Learning Environments. Educational Data Mining， 524， 3-28.

García， E.， Romero， C.， Ventura， S. & Castro， C. D. （2011）. A Collaborative Educational Association Rule Mining Tool. Internet and Higher Education， 14（2）， 77-88.

Guruler， H. & Istanbullu， A. （2014）. Modeling Student Performance in Higher Education Using Data Mining. Educational Data Mining， 524， 105-124.

Pechenizkiy， M.， et al. （2011 July）. International Educational Data Mining Society. from http：//www.educationaldatamining.org.

Parack， S.， Zahid， Z. & Merchant， F. （2012）. Application of Data Mining in Educational Databases for Predicting Academic Trends and Patterns. IEEE International Conference on Technology Enhanced Education，1-4.

Romero， C. & Ventura， S. （2013）. Data mining in education. Wiley Interdisciplinary Reviews：Data Mining and Knowledge Discovery， 3（1）， 12-27.

Wikipedia. （2016， August 6）. Precision and recall. from https：//en.wikipedia.org/wiki/Precision_and_recall.