戴堅(jiān)

摘??要：答題正確性不僅取決于學(xué)生對某一知識點(diǎn)的掌握程度，還受到學(xué)生心理狀態(tài)、答題習(xí)慣等多方面因素的影響。為探究學(xué)生在線答題正確性的影響因素，基于SPSS?Modeler，使用決策樹和人工神經(jīng)網(wǎng)絡(luò)兩種統(tǒng)計分析方法，對影響學(xué)生答題正確性的平均知識水平、平均粗心程度、行為總數(shù)、專注度、沮喪、鉆系統(tǒng)的空子這6個因素進(jìn)行了分析。結(jié)果顯示：平均知識水平對平均正確性的影響最大，平均粗心程度次之。研究成果將為學(xué)生學(xué)習(xí)行為的改進(jìn)和老師教學(xué)方法的完善提供理論依據(jù)與指導(dǎo)。

關(guān)鍵詞：SPSS?Modeler??決策樹??人工神經(jīng)網(wǎng)絡(luò)??答題正確性??影響因素

中圖分類號：G434????????????????文獻(xiàn)標(biāo)識碼：A???文章編號：1672-3791（2022）07（b）-0000-00

Research?on?Factors?Affecting?the?Correctness?of?Students'?Online?Answers?Based?on?Decision?Tree?and?Artificial?Neural?Network

DAI?Jian

（College?of?Educational?Science?and?Technology，?Zhejiang?University?of?Technology，?Hangzhou，Zhejiang?Province，310023?China）

Abstract：?The?correctness?of?answering?questions?not?only?depends?on?students'?mastery?of?a?certain?knowledge?point，?but?also?is?influenced?by?various?factors?such?as?students'?mental?state?and?answering?habits.?To?investigate?the?factors?influencing?students'?online?answer?correctness，?six?factors，?including?average?knowledge?level，?average?carelessness，?total?number?of?behaviors，?concentration，?frustration，?and?drilling?the?system，?were?analyzed?based?on?SPSS?Modeler，?using?two?statistical?analysis?methods，?decision?tree?and?artificial?neural?network，?to?influence?students'?answer?correctness.?The?results?showed?that?the?average?level?of?knowledge?had?the?greatest?effect?on?average?correctness，?followed?by?the?average?level?of?carelessness.?The?results?of?the?study?will?provide?theoretical?basis?and?guidance?for?the?improvement?of?students'?learning?behaviors?and?the?improvement?of?teachers'?teaching?methods.954C5CC5-D736-41D1-B0D6-667E2E2DF32D

Key?Words：?SPSS?Modeler;?Decision?tree;?Artificial?neural?network;?Correctness?of?answers;?Influencing?factors

1??研究背景

網(wǎng)絡(luò)教學(xué)平臺是利用網(wǎng)絡(luò)技術(shù)手段給予學(xué)習(xí)者支持和服務(wù)的網(wǎng)絡(luò)工具[1]。后疫情背景下，教師傾向于使用網(wǎng)絡(luò)教學(xué)平臺開展教學(xué)工作和學(xué)生考核[2]。在線測試作為一種比較便捷的考核形式，受到了教師和學(xué)生的青睞。在線答題的正確性作為衡量學(xué)生知識掌握程度的重要指標(biāo)，受到了教師和學(xué)生的廣泛關(guān)注。然而，目前的研究很少涉及在線答題正確性的影響因素，導(dǎo)致學(xué)生缺乏理論和數(shù)據(jù)依據(jù)來有效提高答題正確性，教師也無法采取針對性的措施來提高班級的整體成績。因此，該文將對影響學(xué)生在線答題的因素進(jìn)行分析，找出主要的影響因素，為廣大師生的教與學(xué)提供理論依據(jù)和科學(xué)指導(dǎo)。

2??研究方法

2.1??數(shù)據(jù)來源

研究樣本數(shù)據(jù)來源于ITEST平臺，包含20?638條學(xué)生用戶的在線學(xué)習(xí)數(shù)據(jù)，其中的字段有AveKnow（學(xué)生的平均知識水平）、AveCarelessness（學(xué)生的平均粗心程度）等。

2.2??研究工具

SPSS?Modeler是IBM公司開發(fā)的數(shù)據(jù)挖掘軟件，其由SPSS統(tǒng)計分析軟件與Clementine數(shù)據(jù)挖掘軟件整合而成[3]，允許研究人員組織數(shù)據(jù)并對其進(jìn)行快速概述，以更有效地得出有意義的結(jié)果[4]。該研究使用的版本為SPSS?Modeler?18.0。

2.3??變量選取與數(shù)據(jù)預(yù)處理

該文擬探究影響學(xué)生在線答題正確性的主要因素，為教育教學(xué)提供有價值的參考。因此，研究選取的7個變量分別為：AveKnow（學(xué)生的平均知識水平）、AveCarelessness（學(xué)生的平均粗心程度）、AveCorrect（學(xué)生的平均正確性）、NumActions（系統(tǒng)中學(xué)生的行為總數(shù)）、AveResEngcon（平均學(xué)生情緒：專注度）、AveResFrust（平均學(xué)生情緒：沮喪）、AveResGaming（平均學(xué)生情緒：鉆系統(tǒng)的空子），其中AveCorrect為輸出變量，其余變量為輸入變量。

對數(shù)據(jù)進(jìn)行預(yù)處理，將AveCorrect字段中低于或等于0.3的數(shù)據(jù)替換為“低”，高于0.3且低于0.6的數(shù)據(jù)替換為“中”，高于0.3或等于0.6的數(shù)據(jù)替換為“高”。處理完畢后，將數(shù)據(jù)文件導(dǎo)入SPSS?Modeler?18.0，使用決策樹和神經(jīng)網(wǎng)絡(luò)兩種統(tǒng)計方法對相關(guān)情況進(jìn)行分析和預(yù)測，找出影響學(xué)生在線答題正確性的主要因素，為制訂更好的學(xué)習(xí)計劃提出科學(xué)的建議。

3??研究過程

3.1??決策樹分析

決策樹借由分類已知的數(shù)據(jù)建立樹狀結(jié)構(gòu)，從中歸納出數(shù)據(jù)的規(guī)律性[5]。讀取數(shù)據(jù)文件后，使用過濾器過濾無關(guān)變量，使用“類型”節(jié)點(diǎn)將AveCorrect字段的角色設(shè)定為“目標(biāo)”，再通過“分區(qū)”節(jié)點(diǎn)將訓(xùn)練分區(qū)大小設(shè)為70%，測試分區(qū)大小設(shè)為30%，分別作為訓(xùn)練集和測試集。最后，將“C5.0”節(jié)點(diǎn)連接到當(dāng)前數(shù)據(jù)流，運(yùn)行結(jié)果如圖1所示。

左圖為模型的規(guī)則集，其包含9條規(guī)則，解釋列舉如下。

（1）當(dāng)學(xué)生的平均知識水平小于或等于0.118時，如果其平均粗心程度小于或等于0.067、平均知識水平小于或等于0.067、專注度小于或等于0.616，并且系統(tǒng)中的行為總數(shù)小于或等于218，則其答題平均正確性為低。在訓(xùn)練樣本中，有159個學(xué)生符合這條規(guī)則且平均正確性低，該規(guī)則準(zhǔn)確率為100%。

（2）當(dāng)學(xué)生的平均知識水平小于或等于0.118時，如果其平均粗心程度小于或等于0.067、平均知識水平小于或等于0.067、專注度小于或等于0.616，并且系統(tǒng)中的行為總數(shù)大于218，則其答題平均正確性為中。在訓(xùn)練樣本中，有222個學(xué)生符合這條規(guī)則且平均正確性為中，該規(guī)則準(zhǔn)確率為100%。

（3）當(dāng)學(xué)生的平均知識水平小于或等于0.118時，如果其平均粗心程度小于或等于0.067、平均知識水平小于或等于0.067，且專注度大于0.616，則其答題平均正確性為低。在訓(xùn)練樣本中，有869個學(xué)生符合這條規(guī)則且平均正確性低，該規(guī)則準(zhǔn)確率為100%。

由右圖的預(yù)測變量重要性結(jié)果可知，變量的重要性排序?yàn)椋篈veKnow>AveCarelessness>AveResGaming>NumActions>AveResEngcon=?AveResFrust。由此可見，學(xué)生的平均知識水平對答題平均正確性的影響最大，平均粗心程度次之，專注度和沮喪情緒的影響最小。

3.2??人工神經(jīng)網(wǎng)絡(luò)分析

人工神經(jīng)網(wǎng)絡(luò)是從本質(zhì)上對大腦工作特性的一種簡單模擬的仿生學(xué)[6]。運(yùn)行模型，即可在出現(xiàn)的對話框中看到模型概要、預(yù)測變量重要性、混淆矩陣、神經(jīng)網(wǎng)絡(luò)的層次結(jié)構(gòu)等。

由預(yù)測變量重要性（圖2）可知，平均知識水平對平均正確性的影響最大，平均粗心程度次之，其余4個變量的影響都較小。

由混淆矩陣可知，模型預(yù)測的總體準(zhǔn)確率為100%，非常理想。

由神經(jīng)網(wǎng)絡(luò)的層次結(jié)構(gòu)（圖3）可知，該模型是一個三層神經(jīng)網(wǎng)絡(luò)，其中包含一個隱層，隱層中包含6個隱節(jié)點(diǎn)（神經(jīng)元1～神經(jīng)元6）。

4??結(jié)語

該文通過決策樹和人工神經(jīng)網(wǎng)絡(luò)探究了影響學(xué)生在線答題正確性的影響因素。通過分析可以看出，平均知識水平和平均粗心程度對平均正確性有較大影響，而學(xué)生的行為總數(shù)對平均正確性的影響較小。鑒于此，學(xué)生應(yīng)該在學(xué)習(xí)時使用科學(xué)合理的方法，不能一味地追求行為的累加，而要注重知識的積累，切實(shí)提高自身的知識水平，還應(yīng)該在答題時認(rèn)真審題，不要麻痹大意。與此同時，老師應(yīng)該豐富自己的知識儲備，并使用合適的教學(xué)方法將知識教授給學(xué)生;此外，還應(yīng)該在答題時提醒學(xué)生注意審題，考慮全面，以便于提高答題正確性。

參考文獻(xiàn)

[1]? 劉歡.基于網(wǎng)絡(luò)學(xué)習(xí)平臺的高中信息技術(shù)課互動教學(xué)研究[D].延安：延安大學(xué)，2021.

[2]? 沈艷.后疫情時代雙線融合混合式教學(xué)模式探析——以醫(yī)藥市場營銷為例[J].船舶職業(yè)教育，2021，9（5）：34-37.

[3]? 李郁，韓松，婁永梅，等.SPSS?Modeler在軌道交通客流預(yù)測中的應(yīng)用[J].鐵路通信信號工程技術(shù)，2020，17（1）：80-83，95.

[4]? YEH?S?S.?Tourism?recovery?strategy?against?COVID-19?pandemic[J].?Tourism?Recreation?Research，2021，46（2）：188-194.

[5]? 岳景鵬.基于C5.0決策樹算法的學(xué)生成績預(yù)測算法研究與應(yīng)用[D].長春：吉林大學(xué)，2020.

[6]? 楊猛.基于遺傳算法與人工神經(jīng)網(wǎng)絡(luò)的加熱爐建模方法研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2017.954C5CC5-D736-41D1-B0D6-667E2E2DF32D