基于Apriori算法的远程教学成绩影响因素分析研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于Apriori算法的远程教学成绩影响因素分析研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：该文利用数据挖掘技术中的Apriori算法，对远程教育教学成绩的影响因素进行分析，重点分析了教学成绩的高低和学生的年龄、网上学习的时间、网上学习的模块数、面授教学到课率等因素的之间的关联度，并以此为基础处，探究建立一套了学、完善的远程教学评价机制，实现教育质量的提升。
关键词：Apriori算法；远程教学；成绩；影响因素
中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2013）31-7006-03
近年来，远程教育的发展突飞猛进，尤其是网络教育，教育界各学者和学生都对其相当重视。但由于影响远程教育成绩的因素相当复杂，目前国内外还没有建立起一套完整、科学的远程教育成绩影响因素的评价方法，许多教育研究机构都致力于探究影响远程教育成绩的因素，以及其影响程度。只有明确了远程教学成绩影响因素，才能够确保远程教育朝着正确的方向健康的发展下去，促进教学质量的提高。
1 Apriori算法的概念
关联规则分析指的是用一组具体化的数字来表达一项因素对一个事件的出现频率的影响程度。设D为这一事件的数据库集合，选取D 中 n 个不同的项组进行排列，形成I={i1，i2，……，in} 这一集合。事件数据库中每一个事务都用T标示符来表示。关联规则是蕴涵式，如 [X?Y]，其中[X?Y]，[Y?I]，[X?Y=?]。X代表此关联规则的前提条件，Y代表此关联规则最终结论，挖掘关联规则的挖掘就是要在满足条件既给的最低支持度和最低置信度的前提下，找出所有条件蕴含式。k-项集值得是包含 k 个项的项集，如：项集 X={a，b}包含了2个那次称作2-项集。若项集 X 满足支持度大于等于最小支持度，则称为频繁项目集[1]。关联规则的挖掘实质上就是找出所有的频繁项集，以及由其产生的强关联规则。
2 算法实现
3 Apriori算法使用的具体案例
3.1 解决的思路
在研究远程教育的成绩影响因素时，笔者主要考虑的是以下几项因素：学生的年龄；在线学习时间，也就是学生使用远程教育平台进行远程学习的时间；学习的模块数目，也就是学生选修的远程教育课程种类和数量；面授课程的到课率，由于远程教育并不是完全通过网络平台实现的，而是有必要的面授教育来提高教学质量[2]。由于学生的最终成绩应该是各项影响因素的综合分析的结果，因此通过关联规则挖掘的目的就是得到其中的规律。
3.2 数据离散化
3.3 数据挖掘结果
4 远程教学评价建议
通过设定较高的支持度和置信度，经过关联规则Apriori算法挖掘，我们最终获得了6 条规则。这些规则中涵盖了年龄、在线学习时间、学习模块数种、面授课到课率4个因素，即，这四个因素都和学生的最终成绩有密切关联。根据上表形成的6条规则，我们可以在远程教育教学评价中，为相关机构提出以下建议：
4.1 年龄的大小关系密切
Apriori算法挖掘结果表明，30岁以上的成人学生已经有着自己的家庭和工作，没有较多的经历投入学习，工学矛盾尤为突出，在线学习实践较短，面授到课率较低，最终成绩自然不理想。为此，针对成人学生，应该讲课程内容进行删选和浓缩，培养和他们的生活时间，合理安排教学计划和教学资源，最大程度上提高教学效率。
4.2 在线学习时间长短决定性纳较大
从上述分析我们不难发现，一般成绩为优的学生，其在线学习时间都较长。远程教育主要接住了计算机网络平台，根据不同课程的特征，完成在线教学设计，强调师生之间的互动交流，实现资源的创新欧化配置，开发研制出适合于网络学习的教学资源，培养学生兴趣，提高教学效率。
4.3 个性化的网络学习模块
目前，大都数远程教育在线平台斗有着种类丰富，涉及面广泛的学习模块，以供学生选择。其教学资源覆盖了从期初导学到期末复习各个阶段，从教学视频到试题库文本各种形式，从实时通讯到留言解答各种途径，较高的选择性和个性化的教学资源，有利于提网络教学的质量。
4.4 少而精的面授教学不可或缺
数量合适的面授教学能促进师生交流、帮助解答疑惑、营造学习氛围、提升凝聚力和归属感，使得情感教育和人文关怀发挥其应有的作用，提高学业完成学业，取得优良成绩的信心和决心。
关联规则分析指的是用一组具体化的数字来表达一项因素对一个事件的出现频率的影响程度。笔者选取了《计算机技能基础》作为数据挖掘目标，发现学生的年龄、在线学习时间、学习的模块数目、面授课程的到课率等因素，都对学生最终成绩有影响。
参考文献：
[1] 王金明，杨吉斌.数字系统设计与Verilog HDL[M].北京：电子工业出版社，2002.
[2] 李将云.图像处理中的插值和缩放若干技术研究[D].杭州：浙江大学，2002.
[3] Clarke E M.My 27-year quest to overcome the state explosion problem[C]//Pitts A. 24th Annual IEEE Symposium on Logic In Computer Science，Washington DC，IEEE Computer Society，2009（6）：3-3.
[4] 李卫华，刘卫国.一种基于压缩矩阵的apriori改进算法[J].计算机系统应用，2008（3）：27-30.
[5] Hwang M.-S，LuJ.-L，Lin I.-C.A practical threshold proxy signature scheme based onthe RSA cryptosystem[C].IEEE Transactions on Knowledge and Data Engineering，2003（6）：1552-1560.