决策树在大学外语等级考试成绩分析中的应用
决策树在大学外语等级考试成绩分析中的应用
作者：***
来源：《浙江纺织服装职业技术学院学报》2022年第01期
        摘 要：随着数字化在教育考试领域的不断推进，考试成绩数据分析已成为考试管理领域的一大课题。本文以宁波市大学外语等级考试成绩数据为基础，利用决策树模型挖掘出影响考试成绩的关键因素，为高校进一步提高大学外语教学水平提供科学有效的参考。
        关键词：大学外语等级考试;成绩;决策树
        中图分类号：G424.74 文献标识码：A 文章编号：1674-2346（2022）01-0096-05四级缺考
        1 大学外语等级考试成绩分析的意义
        大学外语等级考试是教育部考试中心负责实施的全国性的教学考试，目的在于对高校学生实际外语应用能力进行客观、准确的测量，这项考试因为题目设计科学合理、考务流程规范，在社会上认可度很高，很多用人单位将该考试成绩作为招录工作人员的重要参考依据之一。对学校而言，考试成绩既直接体现了学生的学习效果，又能评价教师日常教学水平。因此各个高校对于大学外语等级考试的成绩十分关注，如何提高大学外语等级考试成绩，推进外语教学，从而提升学生的实际外语水平成为众多高校追求的目标。
        目前，学校使用教育部考试中心研发的大学外语等级考试考务管理系统，主要包括报名信息录入、照片采集、试场编排、准考证打印、缺考违纪数据录入、成绩导入等功能，对系统数据往往停留在查询、增删等基础的应用方面，个别学校通过导出到EXCEL功能，进行简单的成绩统计，得出的结果往往比较单一，数据的价值没有完全被开发。如果把数据挖掘技
术应用于成绩分析，可以帮助学校深入了解学生各项成绩之间的关联，出影响成绩的各项因素，对于提高教学质量，提升人才培养水平大有帮助。
        2 决策树分类方法介绍
        本文采用分类方法中的代表-决策树算法，尝试对影响考试成绩几个关键要素进行分析。分类方法的定义如下：出同类事物共同性质的特征性知识和不同事物之间的差异性特征知识。基于决策树的分类算法是一种以实例为基础的归纳学习算法，即从一系列无序无规则的元组中推导出分类规则，以树的形式呈现。决策树采用自顶至下的贪婪算法，在其内部结点选择分类效果最优的属性向下分支，直到这棵树能明确地分类训练样本，或所有属性都被使用。决策树中比较著名的是C4.5 算法。通过这种算法得出的结论很容易把逻辑上的关系以一种非常直观的方法清晰地表达出来。对于判断因素少、逻辑组合较为简单的项目尤为适合。决策树尤其擅长处理非数值型数据，数据预处理工作量相对较少。
        采用决策树技术进行分类包含两个步骤：（1）使用訓练样本构造并优化一棵决策树，搭建模型。从实际应用上看，这个过程就是从样本中获取知识，进行机器学习的过程。（2）依靠构造完成的决策树对输入数据进行分类。从根结点依次判断输入记录的属性值，
直至某个叶结点停止，从而到该记录对应的类。其中建树与剪枝环节是建立决策树模型的关键步骤。
        3 决策树在大学英语四级成绩分析中的应用
        大学外语等级考试的开考科目包括英语四级、英语六级、日语四级、日语六级、法语四级等。目前全国每次均有近1000万人参加考试，其中宁波市报考人数达到10万人，在浙江省内居首位。报考人数最多科目为英语四级，本文主要以2019年下半年宁波市英语四级考试成绩作为分析样本。
        该样本包括考试成绩记录41222条，来自宁波16所高校。按学校层次分为重点本科、普通本科、高职专科与成教四大类，按专业类别分为理工类、医药类、人文类、经管类、艺术体育类五大类。
        本文借助Visual Studio SSDT+SQL Server工具，采用决策树算法，对报考数据中的学校类别、考生专业、入学年级、性别、考生学历等项目进行挖掘分析，出关联特征，为高校改进教学安排提供参考。主要包括以下几个步骤：（1）对报考数据进行预数理，即去除
无关字段，离散化保留字段;（2）将报考数据分类为训练集与测试集，并通过SSDT中的决策树算法建立挖掘模型;（3）模型准确率验证。
        3.1 数据预处理
        为了获得数据挖掘所需的净化数据，必须对海量数据进行预处理，包括数据集成、数据选择和数据清理，本文使用SQLSEVER2014软件实现。
        （1）去除不相关字段。由于数据直接从系统中导出，数据整齐，数据噪声情况不存在。但数据集合中共有35个字段，这些字段给挖掘提供了海量的信息，但是如果使用过多的字段作为输入值，反而会使挖掘结果可读性下降，影响到最终结果的获取和分析，有必要去掉数据集中与数据挖掘关系不大的字段，如班级、班级名称、校区、编排座位等信息，保留了其中专业名称、年级、性别、准考证号（标志数据的主键）、总分、缺考、报名学校、学历名称等字段供挖掘使用。
        （2）所属学校归类。16所高校按照学校层次可分为重点本科、普通本科、高职专科与成教四大类，将报名学校列替换为学校类别。
        （3）专业归类。由于考生就读专业较多，不利于数据挖掘，根据专业性质归为理工类、医药类、人文类、经管类、艺体类5种。
        （4）总分离散化处理。由于总分为连续数值，不适合决策树算法。新增“是否通过”与“是否优秀”字段。总分大于等于425分，“是否通过”为真。总分大于等于550，“是否优秀”为真。
        3.2 创建挖掘项目
        使用 VS2017新建Analysis Service多维数据和数据挖掘项目，在关联数据源后，选取70%的记录作为训练集，指定挖掘结构为决策树，采用“准考证”为主键，选择“学校类别”、“专业类别”、“入学年级”、“性别”、“考生学历”作为输入列，选择“是否缺考”、“是否通过”、“是否优秀”作为可预测列，生成通过率、优秀率与实考率3个挖掘模型，从而发现通过率、优秀率、实考率与输入字段之间的规律。
        3.3 驗证模型准确性
        为了保证模型具有较好的精确度和健壮性，将剩余的30%的数据视为测试集，用来测试
和验证模型是否准确。经验证，通过率、优秀率、实考率的测试结果预测概率超过80%，说明模型结果真实可靠。
        4 决策树分析
        由于生成的决策树模型对应的规则较多，且树型较大。本文以通过率、优秀率、实考率为例，从模型中抽取出一些强关联型规则加以分析。
        4.1 通过率决策树分析
        部分强关联规则：
        IF 年级=“19级” then 通过率在65%左右
        IF 年级=“19级”and 学校类别=“重点本科”then 通过率接近90%
        IF 年级=“19级”and 学校类别=“重点本科” and 专业类别=“经管类”then 通过率超过97%

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。