蔚瑩+劉希龍+趙明軒+周建

【摘 要】

互聯(lián)網(wǎng)的發(fā)展極大地促進了電子商務(wù)的普及，而人才匱乏已成為電子商務(wù)實現(xiàn)高速發(fā)展的瓶頸。為了解決這一問題，越來越多的學者參與到電商專業(yè)人才培養(yǎng)的研究中。目前對于電商專業(yè)學生能力的研究大多聚焦于課程建設(shè)、教學模式的構(gòu)建以及從理論角度分析崗位對學生能力的需求，而對學生專業(yè)能力的定量分析較少。本研究以一個中高職電商專業(yè)“三位一體”在線教育平臺為例，運用QFD模型根據(jù)學生在分銷系統(tǒng)中的微店運營績效數(shù)據(jù)對學生所具備的專業(yè)能力進行評估，并運用雙向聚類這一數(shù)據(jù)挖掘技術(shù)對能力評估結(jié)果進行特征提取，從理論學習的角度進一步探究造成學生能力差異的課程因素，所得結(jié)果可以幫助學生進行自身能力定位，同時為教學方了解學生能力分布特征，指導學生進行深入學習和職業(yè)生涯發(fā)展規(guī)劃提供依據(jù)。

【關(guān)鍵詞】 電子商務(wù)；在線教育；教育數(shù)據(jù)挖掘；QFD模型；雙向聚類

【中圖分類號】 G442 【文獻標識碼】 A 【文章編號】 1009-458x（2017）02-0033-12

一、引言

隨著信息技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)作為一種高效、便捷的連接工具，已滲透到人們生活的各個方面。在教育領(lǐng)域，通過互聯(lián)網(wǎng)進行在線教育的教學方式已成為傳統(tǒng)課堂教學的重要補充，甚至在一定程度上代替了傳統(tǒng)教學，成為一種新的教學模式。目前，在線教育平臺在國內(nèi)呈現(xiàn)出快速普及的狀態(tài)，其中以MOOC（大規(guī)模開放在線課程）為代表的在線教育平臺已為人熟知，國內(nèi)大量優(yōu)秀大學均在這類平臺上開設(shè)了相關(guān)課程。在這些規(guī)模較大的在線教育平臺課程體系中，基礎(chǔ)學科課程居多，職業(yè)教育類課程較少。其中，電子商務(wù)作為一門與互聯(lián)網(wǎng)息息相關(guān)的學科，其專業(yè)人才的市場需求度與人才培養(yǎng)之間的不平衡已日漸顯現(xiàn)，人才匱乏已成為電子商務(wù)高速發(fā)展的瓶頸。為了滿足市場對電子商務(wù)專業(yè)人才的培養(yǎng)需求，構(gòu)建在線教育平臺轉(zhuǎn)變傳統(tǒng)課堂教學模式，已成為一種必然的趨勢。

與現(xiàn)有在線教育平臺相同，電子商務(wù)在線教育平臺可以匯聚大規(guī)模的學習者，并通過多樣化的網(wǎng)絡(luò)學習行為產(chǎn)生種類眾多的教育數(shù)據(jù)。這些數(shù)據(jù)中蘊含著大量有用的信息，通過對這些信息進行提取和識別，可以幫助研究者進行課程構(gòu)建、學習模式分析以及學習規(guī)律發(fā)現(xiàn)，為電子商務(wù)專業(yè)人才培養(yǎng)提供依據(jù)。不同于傳統(tǒng)教育研究中通過調(diào)查問卷、觀察法等手段獲取學習行為數(shù)據(jù)，在線教育通過學生在系統(tǒng)中的操作行為可以收集大量的學習數(shù)據(jù)。這些數(shù)據(jù)普遍呈現(xiàn)出規(guī)模巨大、結(jié)構(gòu)多樣的特征，潛藏著更加全面、準確的學習行為信息。這些信息一方面可以為教育研究者發(fā)現(xiàn)學生學習模式和規(guī)律提供可能；另一方面也對數(shù)據(jù)挖掘技術(shù)提出了挑戰(zhàn)。由此可以看出，為了使在線教育平臺的效用最大化，對平臺中的數(shù)據(jù)進行有效挖掘，發(fā)現(xiàn)其中潛在的特征具有重要的意義。

教育數(shù)據(jù)挖掘領(lǐng)域的研究目前主要集中在預測型數(shù)據(jù)分析和描述型數(shù)據(jù)分析方面（田娜， 陳明選， 2014）。其中，預測型分析通常由分析得到與某個變量相關(guān)的模型，以此為依據(jù)對該變量未來的變化趨勢進行預測。常用的預測方法包括回歸、人工神經(jīng)網(wǎng)絡(luò)和決策樹等。Al-Radaideh等（2006）分別采用ID3、C4.5和樸素貝葉斯模型，對約旦耶爾穆克大學參加C++課程的學生期末考試成績進行了預測。結(jié)果表明，在對教育數(shù)據(jù)進行分析時決策樹模型比其他模型具有更好的預測效果。Hijazi 和Naqvi（2006）通過對巴基斯坦旁遮普大學附屬學院學生的在校表現(xiàn)和上課態(tài)度、課后學習時間、家庭收入、母親年齡以及教育程度進行回歸分析發(fā)現(xiàn)，母親的教育程度和家庭收入與其在校表現(xiàn)具有高度的相關(guān)性。孫力等（2015）運用C5.0決策樹方法，通過分析網(wǎng)絡(luò)學歷教育學生英語學習及相關(guān)信息，預測了其英語統(tǒng)考成績，同時提出了相應(yīng)策略以提高網(wǎng)絡(luò)教育學生英語學習水平和統(tǒng)考通過率。舒忠梅等（2015）在構(gòu)建學生投入模型的基礎(chǔ)上，結(jié)合典型相關(guān)分析和數(shù)據(jù)挖掘方法，識別出學生投入的相關(guān)因素，并對學生學習行為進行了分類研究。分析發(fā)現(xiàn)學生投入與學生家庭背景、學生入學前特征、學校特征及課程作業(yè)之間存在顯著相關(guān)關(guān)系。描述型分析則通過分析數(shù)據(jù)發(fā)現(xiàn)新的模式或結(jié)構(gòu)。常用的方法有聚類分析、因素分析和關(guān)聯(lián)規(guī)則挖掘等。在這些方法中，聚類分析可以用來識別數(shù)據(jù)中具有共同特征的群體或模式，從而對一些現(xiàn)象進行解釋與建模，在教育數(shù)據(jù)挖掘中被廣泛使用。Aher和Lobo（2013）對學生在MOODLE 上的課程學習記錄進行聚類和關(guān)聯(lián)規(guī)劃分析，向?qū)W生推薦合適的課程。Romero等（2013）運用分類和聚類的方法分析了學生對社交網(wǎng)絡(luò)論壇的使用情況與期末考試成績之間的關(guān)系，結(jié)果顯示了課程結(jié)束時進行后期預測與課程結(jié)束前進行前期預測的適用性，表明了相較于傳統(tǒng)識別學生表現(xiàn)模型的分類方法，聚類分析和關(guān)聯(lián)規(guī)則挖掘有更大的解釋力。吳林靜等（2014）研究了教育資源的聚類組織方法，設(shè)計并實現(xiàn)了一個面向e-Learning的教育資源聚類系統(tǒng)，從而為學習者提供更加精確的資源導航和更為快速的資源定位。

從國內(nèi)外教育數(shù)據(jù)挖掘的研究成果可以看出，聚類分析已成為該研究領(lǐng)域中普遍使用的方法。目前在運用該方法識別學生學習特征時，所使用的多是傳統(tǒng)聚類算法。而眾多關(guān)于高維數(shù)據(jù)聚類分析的研究已表明，這樣的算法在處理大規(guī)模數(shù)據(jù)時具有一定的局限性。除此之外，在查閱電子商務(wù)專業(yè)學生能力培養(yǎng)的相關(guān)研究時還發(fā)現(xiàn)，目前對于該問題的研究大多是對專業(yè)課程建設(shè)和教學模式構(gòu)建的探索以及從理論角度分析崗位對學生能力的需求，從數(shù)據(jù)角度對學生專業(yè)能力進行定量分析的研究較少。在此背景下，本文以某中高職電子商務(wù)專業(yè)“三位一體”在線教育平臺為例，通過QFD模型對學生所具備的專業(yè)能力進行定量評估，并運用雙向聚類技術(shù)對能力評估結(jié)果進行特征提取。在此基礎(chǔ)上，從理論學習的角度進一步分析造成學生能力差異的課程因素，所得結(jié)果可以幫助平臺中的學生掌握自己的能力情況，實現(xiàn)自我定位，同時為教學方了解學生能力分布特征，指導學生進行深入學習和職業(yè)生涯發(fā)展規(guī)劃提供依據(jù)。

二、電子商務(wù)專業(yè)學生能力和微店績效指標構(gòu)建

本研究是以某中高職電商專業(yè)“三位一體”在線教育平臺為背景，從數(shù)據(jù)挖掘的角度對電子商務(wù)專業(yè)學生能力進行定量分析。

（一）“三位一體”在線教育平臺

現(xiàn)有與電子商務(wù)相關(guān)的在線教育一方面多以單一課程教學為主，缺乏專業(yè)知識系統(tǒng)化的學習平臺，另一方面，只涉及理論知識的學習，實踐活動作為中高職電子商務(wù)專業(yè)教學重要組成部分卻無法在網(wǎng)絡(luò)教學中得以實現(xiàn)。近年來已有部分學校意識到這一問題，試圖鼓勵學生在淘寶等網(wǎng)上商城開設(shè)店鋪來鍛煉其實踐能力，但在線教育平臺和網(wǎng)上商城作為兩個獨立的系統(tǒng)，無法實現(xiàn)數(shù)據(jù)的交互，因此無法有效輔助學校了解和掌握學生實踐表現(xiàn)，無法通過實踐平臺和理論教學兩方面的數(shù)據(jù)探索二者之間的聯(lián)系。而“三位一體”在線教育平臺則將上述兩個系統(tǒng)完美地結(jié)合在一起。“三位一體”是指集在線教育系統(tǒng)、微店分銷系統(tǒng)和大數(shù)據(jù)挖掘與分析系統(tǒng)為一體的集成化教學平臺。在該平臺上，學生一方面可以通過教育系統(tǒng)學習電子商務(wù)專業(yè)理論課程，另一方面可以通過在分銷系統(tǒng)中開設(shè)網(wǎng)店將所學知識運用于實踐。同時，大數(shù)據(jù)挖掘與分析系統(tǒng)可以將上述兩個系統(tǒng)中產(chǎn)生的數(shù)據(jù)相結(jié)合，分析實踐和理論學習的內(nèi)在聯(lián)系，以實踐檢驗理論、理論指導實踐的方式促進學生進行可持續(xù)、可循環(huán)的學習，不斷提升自己的專業(yè)能力。

（二）學生能力指標構(gòu)建

以上述平臺為基礎(chǔ)，在進行學生能力評估之前，首先應(yīng)確定電子商務(wù)專業(yè)學生應(yīng)具備的能力，并選取在線教育平臺分銷系統(tǒng)中可以衡量學生經(jīng)營績效的相關(guān)指標。目前對電子商務(wù)專業(yè)學生能力分析的研究中，劉立（2015）分析了企業(yè)對于不同級別電子商務(wù)從業(yè)人員專業(yè)能力的需求，剖析了各種能力的重要性，有針對性地提出了高職高專院校培養(yǎng)電子商務(wù)人才需要關(guān)注的學生能力；賈志林（2008）論證了當前電子商務(wù)專業(yè)人才培養(yǎng)定位和電子商務(wù)崗位細分，提出了建設(shè)性意見；施民憲等（2008）將國家職業(yè)標準與市場現(xiàn)時崗位需求相結(jié)合，對電子商務(wù)專業(yè)人員的職業(yè)能力進行了分析，為構(gòu)建人才培養(yǎng)方案提供了依據(jù)。分析文獻中對電子商務(wù)崗位技能和學生能力需求分析的結(jié)果，并結(jié)合“三位一體”在線教育平臺的特征，本研究構(gòu)建了如表1所示的電子商務(wù)專業(yè)學生能力體系。

通過進一步分析該在線教育平臺微店分銷系統(tǒng)的運營數(shù)據(jù)，并參考淘寶網(wǎng)等C2C交易平臺中對店鋪績效的評價指標，本研究構(gòu)建了針對“三位一體”在線教育平臺學生實踐績效評估的相關(guān)指標（如表2所示）。

三、基于QFD模型的學生能力評估

在構(gòu)建了電子商務(wù)專業(yè)學生能力體系后，需要根據(jù)學生在微店平臺的經(jīng)營績效對其所具備的能力進行評估。在此之前，首先需要確定可以體現(xiàn)學生能力的微店績效指標及兩者之間的相關(guān)關(guān)系。從現(xiàn)有C2C電商平臺中反映店鋪績效的指標來看，指標之間通常不是完全獨立的，因此需要考慮績效指標間的相關(guān)性。在上述關(guān)系的基礎(chǔ)上，確定不同指標對學生能力評估的重要度，并根據(jù)每個學生經(jīng)營的微店與各指標相應(yīng)的實際值，計算得到學生能力評估值。這一過程恰好與質(zhì)量功能展開（QFD）的實現(xiàn)過程相類似，因此，本研究選擇該模型進行學生能力的評估。

（一）模型介紹

質(zhì)量功能展開（QFD），作為一種由顧客需求驅(qū)動的產(chǎn)品或服務(wù)的設(shè)計方法，產(chǎn)生于20世紀60年代末的日本。QFD的核心理念是在新產(chǎn)品開發(fā)時，將顧客對于產(chǎn)品或服務(wù)定性的質(zhì)量需求轉(zhuǎn)換并關(guān)聯(lián)展開到產(chǎn)品或服務(wù)的各個功能部件定量的質(zhì)量要求上去，使得產(chǎn)品或服務(wù)在開發(fā)前就完成質(zhì)量保證，滿足顧客需求，在市場上獲得競爭優(yōu)勢，是一種系統(tǒng)化的技術(shù)管理方法（Akao， 1972； Akao & Mazur， 2003）。QFD的核心是需求轉(zhuǎn)換，質(zhì)量屋（House of Quality，HoQ）是實現(xiàn)這種需求轉(zhuǎn)換的工具，是一種直觀的矩陣框架表達形式，是QFD方法的精髓（Chan & Wu， 2002a， 2002b， 2005）。在本研究中，根據(jù)需要解決的實際問題，對原始QFD模型進行調(diào)整，分別用學生能力和微店績效指標代替質(zhì)量屋中的顧客需求和工程特性，將微店經(jīng)營績效轉(zhuǎn)化為學生能力水平。這一過程與傳統(tǒng)QFD中對現(xiàn)有（改進前）產(chǎn)品進行顧客滿意度評估類似。調(diào)整后的QFD模型如圖1所示。

其中，CRi代表電子商務(wù)專業(yè)人員需具備的各項能力，W表示各能力對學生綜合能力評價的相對重要度，第i個能力的重要度記為wi，若不考慮該權(quán)重，則可以得到單個能力的評估值；ECj代表學生微店運營績效指標，第j個指標標準化后的實際數(shù)值記為xj；R代表學生能力與績效指標之間的相關(guān)關(guān)系矩陣，矩陣中元素rij表示第i個CR與第j個EC之間的相關(guān)程度；P表示績效指標自相關(guān)矩陣，其中的元素表示第k個EC與第j個EC之間的關(guān)聯(lián)程度；H表示同時考慮“能力—指標”相關(guān)關(guān)系和指標間自相關(guān)關(guān)系后各績效指標對學生能力評估的相對重要度，第j個指標對第i個能力評估的相對重要度記為；Ci為模型的輸出值，即學生各能力的評估值。

（二）數(shù)據(jù)收集

模型構(gòu)建完成后，就可以利用QFD的相關(guān)原理進行學生能力評估了。在計算之前，首先要進行數(shù)據(jù)的收集，主要分為兩個部分：其一是確定模型中兩個相關(guān)關(guān)系矩陣的數(shù)值，其二是統(tǒng)計學生微店運營績效指標數(shù)據(jù)。

在相關(guān)關(guān)系的數(shù)據(jù)收集中，參考傳統(tǒng)QFD中相關(guān)關(guān)系確定方法，選擇專家調(diào)查法進行關(guān)系矩陣數(shù)值的確定。由于專家調(diào)查法所得結(jié)果具有較大的主觀性，為了增加結(jié)果的可信度，本研究選擇了來自不同部門的電子商務(wù)相關(guān)專家進行相關(guān)關(guān)系評分。參與調(diào)查的專家共10人，其中4人為高校電子商務(wù)專業(yè)教師，3人為電子商務(wù)企業(yè)管理人員， 另外3人為淘寶網(wǎng)皇冠店主。上述專家根據(jù)在QFD中被廣泛應(yīng)用的一種四級量表對相關(guān)關(guān)系進行打分，該量表的數(shù)值分布為9，3，1，0，依次代表相關(guān)程度由強到弱（Chan & Wu， 2002）。在得到10位專家對“能力—指標”相關(guān)關(guān)系和指標間自相關(guān)關(guān)系的打分結(jié)果后，計算出平均值作為最終確定的相關(guān)關(guān)系數(shù)值。

在微店績效指標的數(shù)據(jù)收集方面，本研究獲取了中高職在線教育平臺分銷系統(tǒng)試運行期間，從2016年1月1日至2016年6月31日六個月的學生店鋪經(jīng)營數(shù)據(jù)。這些經(jīng)營數(shù)據(jù)按照一定規(guī)則可以計算得出相應(yīng)績效指標數(shù)值，具體的指標計算方式及原始數(shù)據(jù)結(jié)構(gòu)如表2所示。

（三）電子商務(wù)專業(yè)學生能力評估

在收集到數(shù)據(jù)之后，根據(jù)各學生微店績效指標值和相關(guān)關(guān)系矩陣可以對學生能力進行評估，評估過程如下：

第一，數(shù)據(jù)的標準化處理。由于收集的微店績效指標數(shù)據(jù)反映了微店運營各方面的績效，具有不同的量綱和數(shù)量級，直接計算會導致結(jié)果出現(xiàn)較大的誤差，因此，在計算之前需要先對數(shù)據(jù)進行標準化處理。假設(shè)學生第j個績效指標的原始數(shù)據(jù)為lj，則經(jīng)過無量綱化處理后的指標值為

式中，表示第j個績效指標標準化后的數(shù)值；為第j個指標原始數(shù)據(jù)中的最大值；表示第j個指標原始數(shù)據(jù)中的最小值。對于效益型（數(shù)值越大則表明能力越強）指標，選擇（1-2）式進行處理；對于成本型（數(shù)值越大則表明能力越弱）指標，選擇（1-1）式進行計算。經(jīng)過處理之后，可以排除量綱不同對計算結(jié)果產(chǎn)生的影響。

第二，計算績效指標對能力評估的相對重要度。如上所述，微店績效指標代表其運營中各方面的表現(xiàn)，反映的是學生多方面的能力，且不同指標對學生能力的反映程度不同，因此，確定績效指標對能力評估的重要度十分必要。在收集到專家調(diào)查數(shù)據(jù)，并構(gòu)成指標與能力的相關(guān)關(guān)系矩陣以及指標間自相關(guān)矩陣之后，可根據(jù)如下公式計算出各績效指標對學生能力評估的絕對重要度。

其中，代表第j個指標對第i個能力評估的絕對重要度，由此可進一步根據(jù)公式

計算出各指標的相對重要度。

第三，學生能力評估。在得到無量綱化處理的指標數(shù)據(jù)和各指標的相對重要度后，即可確定該學生各能力評估結(jié)果，計算公式如下：

其中，和分別由等式（3）和等式（1）計算得到。標準化后指標數(shù)值以及相對重要度的取值范圍均為[0-1]，為了便于分析，將所得結(jié)果轉(zhuǎn)化為百分制。

通過構(gòu)建電子商務(wù)專業(yè)學生能力評價QFD模型，可以根據(jù)學生在在線教育平臺分銷系統(tǒng)中開設(shè)微店的經(jīng)營績效，將學生的能力水平進行量化，從定量的角度對學生能力進行評估，從而較為直觀地了解學生的能力狀況，也為進一步對學生能力差異進行分析奠定基礎(chǔ)。

四、基于雙向聚類方法的學生能力差異分析

通過構(gòu)建基于QFD原理的學生能力評估模型，運用定量分析的方法得到了學生能力評估值。這樣的結(jié)果雖然可以在一定程度上反映學生個體的能力優(yōu)勢，并觀察到不同學生能力圈的差異，但對于教學方來說，深入探索其形成原因，為之后的教學工作提供參考則更為必要。為實現(xiàn)這一目的，首先需要了解學生能力分布的群體特征。提取群體特征較常用的一種方法是聚類分析。本研究引入一種在處理高維數(shù)據(jù)時比傳統(tǒng)聚類更為準確的雙向聚類方法，對量化后的學生能力水平進行劃分，以識別擁有不同能力圈的學生群體，為進一步分析其形成原因奠定基礎(chǔ)。

（一）原理介紹

雙向聚類，相對于傳統(tǒng)的單維聚類來說，是一種可以同時從數(shù)據(jù)矩陣的行和列兩個維度進行聚類的方法。該方法最早出現(xiàn)在對基因表達數(shù)據(jù)進行分析的研究中，以解決傳統(tǒng)聚類在處理高維數(shù)據(jù)時出現(xiàn)的精確性較低以及結(jié)果彌散等問題，得到只在部分實驗條件下有相似表達水平的基因集（Hartigan， 1972）。目前，這仍然是雙向聚類技術(shù)的主要應(yīng)用領(lǐng)域。就在線教育平臺而言，隨著其推廣范圍的擴大，擁有的用戶數(shù)據(jù)會急劇增長，從而形成龐大的學生數(shù)據(jù)庫。在此情況下，一個合適的數(shù)據(jù)分析方法可以更有效地挖掘出隱藏在數(shù)據(jù)中的信息，為教學工作提供借鑒。

本研究從學生能力分析的角度出發(fā)，力求識別出在某些能力上有較好表現(xiàn)（能力評估值較高）的學生群體，這意味著需要得到“聚大”型的聚類結(jié)果。在雙向聚類的算法中，BCBimax是一種特殊的“聚大”型聚類算法，它可以在一個“0-1”型數(shù)據(jù)矩陣中，搜索到數(shù)據(jù)空間盡可能大且元素值全為“1”的子矩陣，這樣的子矩陣即為識別出的雙聚類（Dolnicar， Kaiser， Lazarevski， & Leisch， 2012）。因此，本研究利用BCBimax算法的這一原理，對學生的能力評估結(jié)果進行聚類。

（二）基于雙向聚類的學生能力分析

在確定了學生能力分布特征提取的方法之后，根據(jù)QFD模型輸出的能力評估值進行學生及其對應(yīng)能力圈的聚類。

1. 數(shù)據(jù)收集與處理

將之前所得學生能力評估結(jié)果進行轉(zhuǎn)換后可得到維度為268612的數(shù)據(jù)矩陣。其中，行代表學生，列代表電子商務(wù)專業(yè)學生應(yīng)具備的能力。由于在進行能力評估時，得到的評估值為0-100之間的數(shù)值，而BCBimax算法處理的是“0-1”型數(shù)據(jù)，因此在進行雙向聚類之前需要先對數(shù)據(jù)進行二值化處理，以一定的閾值為標準，將其轉(zhuǎn)化為二進制數(shù)據(jù)。為了使聚類結(jié)果能夠代表在不同能力上有突出優(yōu)勢的學生群體，在此將該閾值設(shè)置為“85”。

2. 基于BCBimax算法的學生能力聚類結(jié)果

經(jīng)過處理之后，得到268612的二進制矩陣，通過對該數(shù)據(jù)矩陣運行BCBimax算法，可以得到學生能力圈的聚類結(jié)果。數(shù)據(jù)計算過程在R 3.2.4中完成，計算得到的雙聚類結(jié)果如圖2所示。

圖2中，每一列代表擁有某些能力優(yōu)勢的學生類群，每一行代表一種能力。其間的黑色方塊表示一種類別的學生在相應(yīng)能力上較其他學生有更明顯的優(yōu)勢。從中可以比較直觀地看出學生的能力分布情況，進一步可以觀察到不同學生類群具有的能力優(yōu)勢存在比較明顯的差異。如第二類學生普遍在“人際交往與溝通能力”“語言表達能力”和“客戶關(guān)系管理能力”上有較明顯的優(yōu)勢。其中“人際交往與溝通能力”和“語言表達能力”是這一類學生區(qū)別于其他類群的獨特優(yōu)勢，圖中表現(xiàn)為色塊中間的小方塊顏色較深；對比可知，“客戶關(guān)系管理能力”對應(yīng)的小方塊顏色較淺，表示該能力在不同類群間的區(qū)分度較低。觀察結(jié)果發(fā)現(xiàn)，第一、四類學生同樣在該能力上具有優(yōu)勢。以此類推，可以分析其他類別學生的能力分布差異。為了更詳細地觀察各類別學生的能力分布情況，將雙聚類結(jié)果整理、歸納得到表3所示的結(jié)果。

表3中，第二列為雙聚類得到的學生類別；第三列為每一類別中的學生數(shù)量以及與之對應(yīng)的優(yōu)勢能力數(shù)量；第四列顯示出與每類學生相匹配的優(yōu)勢能力。對于第一類學生，他們普遍在“網(wǎng)頁制作”和“美工設(shè)計”上有明顯優(yōu)勢。結(jié)合前文可知，這兩個能力需要學生掌握網(wǎng)頁制作相關(guān)的編程方法和圖形圖像處理技術(shù)等知識，具有較強的操作性，因此將在這兩個能力方面表現(xiàn)出色的學生歸納為“技術(shù)型”人才。對于第二類和第五類學生，他們同樣具有較好的“客戶關(guān)系管理能力”，但從其他能力的差異可以初步推斷，第二類學生在“客戶關(guān)系管理能力”方面更傾向于和顧客間的溝通，如及時有效地對顧客的咨詢進行回復、與顧客進行互動以達到維持顧客關(guān)系的目的等，因此將這一類學生歸納為“交際型”人才；而第五類學生的優(yōu)勢則不然，他們沒有顯示出杰出的人際交往能力，卻在市場分析與定位方面有所建樹。但對比第六類同樣具有較強“市場分析與定位能力”的學生可以看出，第五類學生在數(shù)據(jù)分析方面并沒有特長，由此推斷，他們的優(yōu)勢更偏重于對市場信息和顧客信息的收集方面，他們往往可以通過各種途徑捕捉到競爭對手或顧客的信息，可視為“情報型”人才。第六類學生更側(cè)重于根據(jù)已掌握的數(shù)據(jù)或所處環(huán)境進行分析，具有較強的邏輯性，因此為“分析型”人才。相對而言，第七類學生在數(shù)據(jù)收集和分析的整個過程中表現(xiàn)出較為全面的能力，因此可以被稱為“數(shù)據(jù)全能型”人才，從表中可以看出這一類學生在學生整體中分布最少。第三類學生在推廣和促銷這兩個需要進行周密策劃的能力上表現(xiàn)杰出，因此將其歸納為“策劃型”人才。第四類學生在采購和物流管理方面具有優(yōu)勢，這兩個環(huán)節(jié)都需要較強的計劃和行動能力，因此可以定義為“計劃控制型”人才。

通過以上分析，可以得到學生能力分布的具體情況。為了進一步分析學生能力掌握程度的群體特征，繪制如圖3所示的條形圖。

圖3中七個方格分別表示7個學生群，以字母“A”“B”“C”“D”“E”“F”和“G”為標記。方格中的條形代表每個學生群具備的優(yōu)勢能力，觀察其長短可以看出相應(yīng)能力在該學生群中的平均水平，條形越長表明平均水平越高。與知識的融會貫通類似，能力之間也存在相互作用的現(xiàn)象。對比“A”“B”和“D”三類可以看出，這三個類別中的學生都具有較強的客戶關(guān)系管理能力，但其掌握程度并不相同。“交際型”（B類）學生在該能力上的平均水平相較其他兩類最低，而“情報型”（D類）學生最高。由此可以大致推斷出人際交往和語言表達能力對于客戶關(guān)系管理的促進作用并不十分顯著。而“情報型”學生相較“數(shù)據(jù)全能型”（A類）學生而言，有更高的市場分析與定位能力，因此可以看出該能力與客戶關(guān)系管理能力之間的相關(guān)程度更大。出現(xiàn)這種結(jié)果的原因可能是，在市場分析與定位時，需要進行充分的市場調(diào)研，了解并理解顧客的需求，而客戶關(guān)系管理中一個關(guān)鍵環(huán)節(jié)就是獲取不同顧客的需求特征，二者的內(nèi)容存在一定的重疊，因此表現(xiàn)出較強的相關(guān)性。同理，對比“A”“C”和“D”三類可以看出，這三類學生都擁有市場分析與定位能力方面的優(yōu)勢，但“分析型”（C類）學生的優(yōu)勢更為明顯。觀察三類學生在其他能力方面的掌握情況可以看出，相對于風險評估與控制和客戶關(guān)系管理能力，數(shù)據(jù)分析能力對市場分析與定位的促進作用更為明顯。這一結(jié)果可能是由于數(shù)據(jù)分析能力可以更好地幫助學生理解市場調(diào)查所得數(shù)據(jù)，從而更準確地對市場和產(chǎn)品進行定位。

根據(jù)雙向聚類的分群結(jié)果，學生可以隨時了解自己的能力掌握情況，在之后進行有針對性的學習；教學方可以更清晰地了解學生的能力分布特征，在下一階段的教學中針對不同能力特征學生實施個性化的教學，同時幫助具有不同能力優(yōu)勢的學生進行差異化的職業(yè)生涯發(fā)展規(guī)劃 。

五、學生能力差異與理論學習的相關(guān)分析

對中高職電子商務(wù)專業(yè)“三位一體”在線教育平臺中的學生能力進行雙向聚類分析的最終目的是觀察與學生能力差異相關(guān)的在線教育平臺課程學習行為，以此探究對學生能力有影響的理論學習因素。然而個體的學習行為對能力掌握水平的影響具有較大的偶然性，因此需要通過群體普遍呈現(xiàn)的特征，來推斷學生能力與在線教育理論學習之間的關(guān)系。通過雙向聚類技術(shù)得到了學生能力分布情況，識別出不同能力圈的學生群，并通過對比不同群體之間的能力差異，初步分析了學生各能力之間的關(guān)系。以此為基礎(chǔ)，聯(lián)系在線教育平臺學生專業(yè)課程學習數(shù)據(jù)，從理論學習的角度進一步分析形成學生能力分布差異的原因。

（一）學生理論課程學習整體情況

在平臺試運行的六個月期間，共有2，868名電子商務(wù)專業(yè)學生通過該平臺進行實踐和理論課程的學習，參與學習的課程共22門，平臺系統(tǒng)記錄了這些學生22門課程的理論學習得分情況，總體得分分布如圖4所示，詳細分值如表4所示。

結(jié)合圖4和表4可以看出，學生理論課程學習的平均成績從總體來看分布比較均勻。但“HTML語言與網(wǎng)頁制作”和“Java程序設(shè)計”平均成績較低，均在60分以下；“人際交往與溝通”“計算機多媒體應(yīng)用”和“銷售心理基礎(chǔ)”三科成績偏高。原因可能在于編程語言的課程內(nèi)容專業(yè)性較強，對于中高職電子商務(wù)專業(yè)的學生而言較難掌握；而后三門課程的內(nèi)容呈現(xiàn)出較大的適用性且趣味性較強，比較容易理解和掌握。

得到在線教育平臺學生學習成績的整體分布后，接下來將根據(jù)上述的雙向聚類結(jié)果具體分析每一類別學生理論課程學習情況，并與整體情況進行對比，以發(fā)現(xiàn)學生專業(yè)能力和在線學習兩者間的相關(guān)性。

（二）基于聚類結(jié)果的學生理論課程學習情況

對各學生群在線教育理論課程的學習情況進行統(tǒng)計，將各群體學生平均成績與整體成績進行比較，觀察擁有不同能力圈的學生在理論課程方面較其他同學呈現(xiàn)出怎樣的特征，以此分析學生能力與課程學習是否存具有潛在的聯(lián)系。統(tǒng)計結(jié)果如圖5所示。

從圖5可以明顯看出，不同能力優(yōu)勢的學生在理論課程表現(xiàn)上有明顯的偏向性。如圖5（b）所示，“技術(shù)型”學生所學理論課程中，有四門課程的成績較其他同學有明顯的優(yōu)勢，分別為“商務(wù)網(wǎng)頁設(shè)計”“HTML語言與網(wǎng)頁制作”“Java程序設(shè)計”和“計算機多媒體應(yīng)用”，而這一類學生具有較強的網(wǎng)頁制作能力和美工設(shè)計能力。從課程內(nèi)容上來看，這四門課程涉及電子商務(wù)網(wǎng)頁的設(shè)計和制作方法以及多媒體軟件的應(yīng)用，這些內(nèi)容在一定程度上可以幫助學生掌握技術(shù)并對自己的微店網(wǎng)頁和其中的多媒體文件（圖片、視頻、音頻等）進行制作，從而有效提高微店網(wǎng)頁的美觀性和便捷性，一方面增加顧客在微店中的瀏覽時間，增加交易機會，另一方面幫助顧客更快捷地找到自己需要的商品，從而提高微店運營的績效。這些績效指標數(shù)據(jù)的變化反映了學生能力的提升。在七個學生群體中，“情報型”學生的理論學習情況明顯區(qū)別于其他群體，表現(xiàn)在其平均成績相較其他學生并無明顯優(yōu)勢。原因可能在于學生對競爭對手或顧客信息的搜集能力并不能在短時間內(nèi)通過理論課程的學習有明顯提高，在情報搜集方面有優(yōu)勢的學生可能擁有其熟悉的渠道或敏銳的洞察力可以獲得對微店經(jīng)營有利的信息，這種能力并非是由理論課程的學習獲得?？梢詫ζ渌后w學生的學習數(shù)據(jù)做類似分析，將不同能力圈學生的優(yōu)勢課程進行整理后得到如表5所示的結(jié)果。

從表5可以看出，具有差異化能力圈的學生在理 論課程學習方面也呈現(xiàn)出比較明顯的群體特征。這樣的特征從一定程度上可以表明，電子商務(wù)專業(yè)學生能力與其在線教育理論學習成果之間存在相關(guān)性，即在某些能力上有明顯優(yōu)勢的學生普遍在相應(yīng)理論課程上有較好的表現(xiàn)。根據(jù)這樣的結(jié)果，可以向存在能力弱項的學生推薦學習相應(yīng)課程，為之后在實踐中有更好的表現(xiàn)奠定理論基礎(chǔ)，從而實現(xiàn)實踐檢驗理論、理論指導實踐的持續(xù)學習，并在這一循環(huán)過程中促使學生不斷補充理論知識，不斷在實踐中應(yīng)用，使能力得到提升

六、總結(jié)

本研究以一個中高職電子商務(wù)專業(yè)“三位一體”在線教育平臺為例，對電子商務(wù)專業(yè)學生能力進行分析。與現(xiàn)有研究相比，本研究所做的工作主要體現(xiàn)在以下幾個方面：①現(xiàn)有的電子商務(wù)專業(yè)學生能力分析大多以理論分析的方法探究電子商務(wù)崗位需要學生具備的崗位技能和人才培養(yǎng)模式，而本研究從定量分析的角度出發(fā)，對學生能力進行數(shù)值化分析，得到了更加客觀的結(jié)果；②對普遍應(yīng)用于質(zhì)量管理的QFD模型進行轉(zhuǎn)化，結(jié)合研究內(nèi)容，構(gòu)建了基于QFD的電子商務(wù)專業(yè)學生能力評估模型，得到學生能力評估的具體數(shù)值；③將一種大量用于基因表達數(shù)據(jù)分析的雙向聚類技術(shù)引入學生能力評估數(shù)據(jù)的聚類中，得到具有不同能力圈的學生群；④以雙向聚類結(jié)果為基礎(chǔ)，進一步從理論學習的角度出發(fā)，識別具有差異化能力圈的學生群體特征，探究學生能力與理論學習表現(xiàn)之間的內(nèi)在聯(lián)系，為教學方了解學生能力分布特征，指導學生進行深入學習和職業(yè)生涯發(fā)展規(guī)劃提供依據(jù)。

本研究結(jié)果表明，“三位一體”在線教育平臺可以實現(xiàn)：① 為學生提供理論與實踐的雙重培養(yǎng)平臺，促進學生的均衡可持續(xù)發(fā)展。學生一方面通過微商平臺開展具有鮮明時代特征的新電子商務(wù)學習與實踐，培養(yǎng)其電子商務(wù)實踐能力；另一方面通過在線教育平臺進行理論知識的學習和補充，為其在電子商務(wù)平臺的實踐打下知識基礎(chǔ)。通過教育平臺和微商平臺的循環(huán)學習，不斷提高自身能力。學生還可以隨時了解自己的學習情況，發(fā)現(xiàn)自己的能力瓶頸進行重點攻破，同時通過數(shù)據(jù)挖掘結(jié)果進行自身水平的定位，取長補短，實現(xiàn)持續(xù)發(fā)展。②為教師提供智能便捷的授課和學生管理渠道。教師通過在線教育平臺，發(fā)布學習資源和批改學生作業(yè)。同時了解授課班級的學生學習數(shù)據(jù)報告，通過這些報告的分析結(jié)果，清楚了解任教班級學生理論學習情況以及實踐情況。以此為依據(jù)，為學生提供有針對性的、個性化授課或指導，實現(xiàn)智能、便捷的授課與學生管理。③識別擁有不同能力圈的學生群體，指導學生進行個性化職業(yè)生涯發(fā)展規(guī)劃。以微商平臺學生績效數(shù)據(jù)為基礎(chǔ)，通過雙向聚類技術(shù)，識別在不同能力組合上有明顯優(yōu)勢的學生群體。針對擁有不同能力圈的學生群體，進行差異化職業(yè)生涯發(fā)展規(guī)劃指導。同時可以根據(jù)不同群體學生能力優(yōu)勢情況，為他們推薦與自身能力相匹配的崗位。

然而，本研究仍存在許多不足之處。第一，對學生能力差異的影響因素僅從理論課程學習成績的角度進行了統(tǒng)計分析，雖然在一定程度上表明了兩者之間存在內(nèi)在聯(lián)系，但不足以說明理論課程的學習是導致學生能力呈現(xiàn)差異化分布的原因，在之后的研究中可以從多方面的學生學習行為數(shù)據(jù)出發(fā)，采用回歸分析、關(guān)聯(lián)規(guī)則挖掘等多種方法，更全面地探究學生能力分布的影響因素。第二，在對雙向聚類所需的能力評估數(shù)據(jù)進行二值化處理時，會造成信息的缺失，今后的研究可以尋找更合適的算法或?qū)ΜF(xiàn)有算法進行改進，避免數(shù)據(jù)處理過程中的信息缺失。

[參考文獻]

賈志林. 2008. 淺析高職電子商務(wù)專業(yè)人才培養(yǎng)目標定位及崗位細分[J]. 中國市場（28）：154-155.

劉立. 2015. 企業(yè)對于大學電子商務(wù)專業(yè)能力需求分析[J]. 當代經(jīng)濟（19）：102-103.

施民憲，謝菁. 2008. 與國家職業(yè)標準相銜接的電子商務(wù)職業(yè)能力調(diào)查分析[J]. 中國職業(yè)技術(shù)教育21（36）：28-30，32.

舒忠梅，徐曉東，屈瓊斐. 2015. 基于數(shù)據(jù)挖掘的學生投入模型與學習分析[J]. 遠程教育雜志33（1）：39-47.

孫力，程玉霞. 2015. 大數(shù)據(jù)時代網(wǎng)絡(luò)教育學習成績預測的研究與實現(xiàn)——以本科公共課程統(tǒng)考英語為例[J]. 開放教育研究21（3）：74-80.

田娜，陳明選. 2014. 網(wǎng)絡(luò)教學平臺學生學習行為聚類分析[J]. 中國遠程教育（11）：38-41.

吳林靜，劉清堂，黃煥，劉嫚，黃景修. 2014. 面向e-Learning的教育資源聚類系統(tǒng)的設(shè)計與實現(xiàn)[J]. 中國電化教育（10）：85-89，95.

Aher， S.B.， & Lobo， L.M.R.J. （2013）. Combination of machine learning algorithms for recommendation of courses in e-learning system based on historical data. Knowledge-Based Systems， 51（10）： 1-14.

Akao， Y. （1972）. New product development and quality assurance-quality deployment system. Standardization and Quality Control， 25（4）： 7-14.

Akao， Y.， & Mazur， G.H. （2003）. The leading edge in QFD： past， present and future. International Journal of Quality & Reliability Management， 20（1）： 20-35.

Chan， L.K.， & Wu， M.L. （2002a）. Quality function deployment： a comprehensive review of its concepts and methods. Quality Engineering， 15（1）： 23-35.

Chan， L.K.， & Wu， M.L. （2002b）. Quality function deployment： a literature review. European Journal of Operational Research， 143（3）： 463-497.

Chan， L.K.， & Wu， M.L. （2005）. A systematic approach to quality function deployment with a full illustrative example. Omega， 33（2）： 119-139.

Dolnicar， S.， Kaiser， S.， Lazarevski， K.， & Leisch， F. （2012）. Biclustering overcoming data dimensionality problems in market segmentation. Journal of Travel Research， 51（1）： 41-49.

Hartigan， J.A. （1972）. Direct clustering of a data matrix. Journal of the American Statistical Association， 67（337）： 123-129.

Radaideh， Q.A.， Shawakfa， E.M.， & Najjar， M.I. （2006）. Mining student data using decision trees. In： International Arab Conference on Information Technology（ACIT2006）， Jordan.

Romero， C.， Lopez， M.I.， Luna， J.M.， & Ventura， S. （2013）. Predicting students final performance from participation in on-line discussion forums. Computers & Education， 68（6）： 458-472.

Hijazi， S.T.， & Naqvi， S.M.M.R. （2006）. Factors affecting students performance： a case of private colleges. Bangladesh e-Journal of Sociology， 3（1）： 90-100.