基于贝叶斯网络的大学生逃课原因分析

张 婷，王 芳

基于贝叶斯网络的大学生逃课原因分析

张 婷，王 芳

为了解逃课因素对大学生逃课行为的影响程度，构建大学生逃课原因的贝叶斯网络模型，计算出模型节点间的关联度，以及条件概率改变的情况下节点概率变化率。该模型显示了大学生逃课因素间的动态变化，以及各个因素对逃课行为影响程度的大小。此模型有助于学校、教师以及学生本人客观了解逃课原因，由此采取适当干预，减少大学生逃课现象的发生。

大学生；逃课；贝叶斯网络；概率

大学生逃课行为实施的作用机制具有两个特点：一是对不同的大学生而言，相同的影响因素对逃课行为实施的影响程度上明显有差别；二是在不同的大学生个体中，逃课原因不同，而且各个影响因素之间存在一定的联系[1]。对此，国外研究主要有：一是对所有因素的全面分析[2-4]；另一是对某个因素的深入研究[5]。国内研究主要有：一是通过现象描述，以思辨式讨论分析大学生逃课原因，并给出建议[6]；第二是采用调查法和访谈法客观统计分析大学生逃课原因[7]；还有部分研究是在客观统计的基础上，以思辨讨论分析大学生逃课原因，提出解决方案[8]。本文基于客观统计，找出大学生各个逃课因素的相互联系，提出逃课因素的贝叶斯网络模型，分析逃课行为实施影响机制的动态变化过程，为分析大学生逃课现象提供参考。

一、贝叶斯网络模型构建

(一)贝叶斯网络

贝叶斯网络是根据随机变量间的概率关系建立的图论模型，用有向无环图表示，主要由节点和有向弧两个元素组成，简单贝叶斯网络如图1[9]所示。其中A、B、C、D、E分别代表一个节点。

图1 简单贝叶斯网络

设贝叶斯网络中存在A1，A2…，An等n个相互独立的节点，则；

P(A1,A2,…,An)=P(A1)P(A2)…P(An)(1)

加上贝叶斯定理得出联合条件概率为：

P(A1,A2,…,An)=P(A1|A2,…,An)P(A2|A3,…,An)…P(An-1|An)(2)

(二)逃课因素的贝叶斯网络模型

逃课因素从个体学生主观消极因素、学生生活团体氛围因素、学校管理制度因素、教师教学水平和风格因素及个体学生其它因素等5个方面考虑[8]，依据各个因素内在联系建立起逃课因素的贝叶斯网络模型，如图2所示。

图2 逃课因素的贝叶斯网络

(三)子贝叶斯网络推理

图2中，逃课因素的贝叶斯网络被分解成若干个简单的子贝叶斯网络[10-11]。选取以“个体学生主观消极因素”为中间节点，以“沉迷于游戏或娱乐”“作风懒散”“学习目的不明确”“上进心不足”为父节点，以“逃课行为”为子节点构成的子贝叶斯网络进行推理计算。

本文采用调查法和访谈法对贝叶斯网络中的条件概率和先验概率进行确定[8]，以安徽某高校工科学院学生为调查对象，共发放问卷600份，回收563份，剔除无效问卷9份，有效问卷为554份，回收率为93.83%，有效回收率为92.33%。父节点的先验概率如表1所示。

表1 父节点先验概率值(%)

表2 个体学生主观消极因素与其父节点的联合条件概率值(%)

逃课行为与个体学生主观消极因素间的联合条件概率如表3所示。

表3 逃课行为与个体学生主观消极因素间的联合条件概率值(%)

由贝叶斯网络性质可以推理出个体学生主观消极因素强B的概率为：

(3)

二、节点间关联度的计算分析

贝叶斯网络中，各个节点间相互影响程度称为关联度Rij,即由i变化影响j变化的程度。先验概率发生改变后的关联度[12-14]Rij可以表示为：

(4)

其中，ΔP(i)是父节点i的概率变化量，ΔP(j)是子节点j的概率变化量。

可以看出，上进心不足对个体学生主观消极因素和逃课行为有正向影响作用。改变其它父节点的概率，同理计算关联度，可得到其它因素对逃课行为的影响情况。

三、条件概率改变下节点概率变化率计算

为了模拟特定环境下各个因素对逃课行为影响程度的变化，可以改变贝叶斯网络节点间条件概率来实现。以个体学生主观消极因素与逃课行为之间条件概率的改变为例来进行分析。节点间条件概率改变引起逃课行为变化率R可以表示为：

(5)

其中，m为条件概率变化后的概率值，n为条件概率改变前的概率值。

可以看出，当个体学生主观消极因素与逃课行为之间条件概率改变了，学生逃课行为实施可能性会改变2.21%。同理，可以计算出在其它节点间条件概率变化的情况下，学生逃课行为实施的各个因素概率的改变情况。

四、总结

本文采用调查法和访谈法确定贝叶斯网络中的条件概率和先验概率，根据逃课行为的5个影响因素建立贝叶斯网络模型。为了验证模型合理性，以个体学生主观消极因素为例，通过对各个节点关联度的分析，计算出各因素对学生逃课行为实施的具体作用机制；通过调整各个因素间的条件概率，可以比较真实地反应影响学生逃课行为实施的各个因素间的动态变化过程。可见，影响学生逃课行为实施的贝叶斯网络模型能够有助于学校、教师及学生自己认真对待逃课行为，采取适当干预可减少学生逃课行为。

[1] 李介,王雄雄.大学生逃课现象研究[J].中国青年研究，2006(1)：77-80.

[2] Gary，W.Skipping Class:An Analysis of Absenteeism among First-Year College Students[J].American Sociological Association,1992,20(7):201-207．

[3] Paul,F. et al．Why Students Do and Do Not Attend Classes:Myths and Realities[J]．College Teaching，2011，49(4):124-133．

[4] Nancy, F． Students Motivations for ClassAttendance [J]. American Journal of Pharmaceutical Education， 2005,69(1)．

[5] Stephen,D.& F.John.Evaluation of Factors InfluencingStudent Class Attendance and Performance[J].American Agricultural Economics Association,1996,78(8)．[6] 徐松芝,刘嘉诚等.浅谈大学生逃课原因及其对策[J].长春理工大学学报.2012(1)：107-108.

[7] 张喜荣,李秋月.大学生逃课原因分析及对策建议[J].教育教学论坛.2014(20)：5-7.

[8] 章剑锋,王丽燕.大学生旷课原因分析及对策研究[J].当代青年研究.2007(12)：73-76,37.

[9] 张连文,郭海鹏.贝叶斯网引论[M].北京：科学出版社，2006.

[10] COOPERG.Computational complexity of probabilistic inference using Bayesian networks[J].Artificial Intelligence,1990,42(5):393-405.

[11] CHICKERING D M, Learning Bayesian networks is NP-Hard[R].Technical Report,MSR-TR-94-17,Microsoft Research,Redmond,1994.

[12] 郑健,冯亚娟,郭伟.基于贝叶斯网络的大学生考研动机影响因素[J].西安工程大学学报.2015，29(6)：780-784.

[13] 蒋杨永,何朝阳.大学生创业意向的影响因素——基于贝叶斯网络的分析[J].经营与管理，2012(9)：149-151.

[14] Pearl J F.Propagation and Structuring in Belief Network[J].ArtificialIntelligence,1986(3).

责任编辑：刘海涛

G640

A

1673-1794(2017)03-0099-03

张婷，安徽大学电子信息工程学院政工师，硕士，研究方向：大学生思想政治教育；王芳，安徽大学继续教育学院(合肥 230601)。

2017-01-29