基于大数据的高中生选科决策支持系统的设计与开发

张丽伟 杨 军 廖 晰 常雪亮 王以宁



基于大数据的高中生选科决策支持系统的设计与开发

张丽伟1杨 军2廖 晰2常雪亮2王以宁3

（1．东北师范大学 信息科学与技术学院，吉林长春 130117；2．北京讯飞乐知行软件有限公司，北京 100193；3．东北师范大学 东师讯飞人工智能与教育融合创新联合实验室，吉林长春 130117）

教育大数据时代已经来临，网络学习空间和MOOC等网络学习平台的普及，使得越来越多的教学和学习数据的获取成为可能，基于大数据的教育教学决策已经成为常态。文章基于新高考的背景，发现高中生在高一年级面临着关乎其学业生涯发展的选科决策，而目前的选科决策存在随意化和盲目短视的问题。文章整合人工智能技术和大数据技术，设计并开发了高中生选科决策支持系统，通过收集学生的学业成绩数据，结合专业兴趣评测和学科潜能评测的数据，从成绩、兴趣和能力三个维度多层次剖析学生数据，利用人工智能技术建模分析，为学生提供精准的选科决策支持。

大数据；人工智能；决策支持系统；新高考

一 研究背景

国务院在2014年8月29日审议通过的《关于深化考试招生制度改革的实施意见》，明确指出要形成分类考试、综合评价、多元录取的考试招生模式[1]。从2014年开始，我国开始逐步推行“新高考”改革，其中的一项重要举措就是学业水平考试，所有科目不再分文理科，由高中生根据报考高校的要求和自身的特长，在思想政治、历史、地理、物理、化学、生物等科目中自主选择三个科目计入高考总成绩，简称“6选3”或“7选3”。在新高考改革地区，教育部门通常要求高中生在高一学年结束前做出6选3或7选3的选科决策，高二开始将根据选择后的科目进行走班上课。选科决策是一项影响深远的高难度决策任务：首先，6选3或7选3的组合数多达20种或35种，这项决策的复杂程度远高于文理分科。其次，基于学校教学资源、教学进度、学生学习时间等限制因素，学生做出的选科决策在进入高二之后很难更改。第三，各个高校会对不同专业提出不同的选考科目要求，因此学生选择的科目组合将直接影响高考时的专业选择范围，进而影响未来职业生涯发展。

《国家中长期教育改革和发展规划纲要（2010-2020年）》明确要求建立普通高中学生发展指导制度[2]。2013年，《普通高中学生发展指导纲要》明确提出学校应积极开设学生发展指导讲座、课程，建立发展指导室，对学生开展团体辅导和个体咨询，为学生建立发展成长档案[3]。2014年，教育部出台《关于全面深化课程改革落实立德树人根本任务的意见》，提出要建立普通高中学生发展指导制度，指导学生学会选择课程，做好生涯规划[4]。选科决策是中学生生涯规划的重要组成部分，也称学业规划，对学生生涯的长远发展影响巨大。高中生应当进行充分的信息收集和生涯探索，从个人未来生涯规划的角度思考当前的决策，但目前高中生的选科决策仍然存在如下问题：

第一，选科决策关注课程学习是否轻松，趋易避难。这种决策方式首先给学校教学带来了困扰，走班教学的意图原本是让具有相似兴趣、相似水平的学生在同一班级上课，这样教师的教学就会更有针对性；但由于很多学生是基于课程学习难度低的假设来选课的，使得走班后的教学班内学生兴趣和水平差异反而增加了，教师教学的难度增大。其次还导致了学生在高考填报志愿时与心仪高校和专业的选考要求不匹配，限制了自己的专业选择范围。

第二，选科决策仅关注分数博弈，单方面追求最高分组合，忽视专业职业规划。这会导致学生用田忌赛马式的博弈心态来选科，功利性地选择竞争压力小的科目，而逃避竞争压力大的科目——之前媒体热传的“新高考，弃物理”现象就反映了这种决策心态。这将会导致选考以物理为代表的理科科目的人数比例不断减少，从长远来看，这种现象不仅会影响学生对大学专业的选择范围，以及进入大学后的专业学习潜力，而且会影响高校的教学组织和大学生培养的质量。

因此，目前迫切需要建立一套高中生选科决策支持体系和方法，科学、有效地指导学生完成自己的学业规划。本研究通过收集智学网①中学习者的学业大数据，结合专业兴趣评测和学科潜能评测的数据，从成绩、兴趣和能力三大维度来多层次剖析学生数据，利用人工智能技术及大数据建模分析，为学生提供全面科学的选科分析报告，帮助高中生完成学业规划，避免短视盲目的学科决策。

二 系统架构和功能模块

基于大数据的高中生选科决策支持系统（下文简称“系统”）是基于大数据技术和人工智能技术设计开发的智能决策支持系统，以讯飞乐知云数字校园②为基础平台，数据来源包括三部分：①学生在智学网上的学业成绩基础数据；②学生参与平台专业兴趣评估的数据；③学生参与平台学科潜能评估的数据。其中，专业兴趣是学生的主观数据，而学业成绩和学科潜能是学生的客观数据，系统利用人工智能算法对这三部分数据进行分析，从而为学生提供有效的选科决策支持。系统架构如图1所示。

1 专业兴趣评估模块

兴趣是个体对生活环境中的人、事、物的喜好程度以及对学习、职业等活动主动接触参与的积极心理倾向[5]。通过测试获取学生的专业兴趣数据，基于其专业兴趣数据提供选科决策支持，更有利于发挥学生的主观能动性，学好所选择的学科。目前，应用较为广泛的专业兴趣评估方法是霍兰德职业兴趣评估模型。如图2所示，该模型把职业兴趣分为六种类型：现实型（R）、研究型（I）、艺术型（A）、社会型（S）、经营型（E）、常规型（C），并用职业六边形模型来描述这六种兴趣类型之间的关系[6]。虽然该模型具有较为广泛的适用性，但对于高中生的选科指导针对性不强。因此，在设计专业兴趣评估模块时，系统基于对学生的人格和性格测试，融入专业星空图和学科专业覆盖率统计，为学生提供精准专业兴趣评估。

图1 系统架构

图2 霍兰德职业兴趣评估模型

专业星空图③是将92个本科专业分成9大专业群，分别是：理学科研群、基础工程群、应用工程群、生物医学群、管理科学群、金融经济群、社会科学群、人文历史群、艺术体育群，如表1所示。具体的分类过程是：①对92个专业所开设的专业课程进行数据采集。②依据专业课程对中学各门学科的依赖度，借助霍兰德职业兴趣评估模型，加德纳多元智能理论对专业职业的分类标准，为所有课程贴上相应标签，如为化学课程贴上常规型、现实型和研究型标签。③通过各门课程标签的重合度，计算92个专业之间的相关系数，然后进行聚类分析，在此基础上形成专业星空图中的专业群。在专业星空图中，专业之间的距离越近，说明专业相似程度越高；距离越远，说明相似程度越低。④在统计分析的基础上，参考2018年教育部《普通高校本科招生专业选考科目要求指引（试行）》的相关要求，对专业分类进行微调，最终确定九大专业群的分类结果。

专业覆盖率④指的是选考了物理、化学、生物、历史、地理、政治学科中的每一科，能够有资格报考的专业数量占全国所有高校同类专业的数量百分比。计算六个学科的专业覆盖率，有利于中学生快速、清晰地掌握不同专业的选考科目要求规律，做出合理的选科决策。

系统以北京市教育考试院于2018年5月发布的《2020年拟在京招生普通高校本科专业选考科目要求》为依据，统计了物理、化学、生物、历史、地理、政治六大学科在专业星空图的九大专业群上的专业覆盖率，如表2所示。

2 学科潜能评估模块

学科潜能评估模块是基于学业能力倾向理论而设计和开发的。所谓学业能力倾向，是指学生为完成学校课业学习所必须具备的能力，这些能力与学生未来的学习关系密切并能够预测其成功的可能性[7]。学科潜能评估模块包括两部分：①学科潜能评估主要考察学生的科学推理能力和循证阅读能力，帮助学生发现适合学习的学科，评估包含物理、化学、生物、地理、历史、政治六个学科的测评内容，学生可按照自己喜欢的顺序完成全部六个学科的测评；②学科兴趣评估包括兴趣测评和推理能力测评，通过此部分测评，学生可发现自身兴趣点，找到自己感兴趣的学科与专业，其中兴趣测评包括60道题，推理能力（包含语言推理能力和图形推理能力）测评包括30道题。

表1 专业星空图

3 学业成绩评估模块

学业成绩评估是系统的重要客观数据来源，通过智学网上累积的学生各个学科的形成性评价和总结性评价数据，展示学生在最近一次的成绩数据、选科前后的组合排位数据、历史成绩趋势分析数据、学科能力数据等详尽分析内容。

三 系统工作流程

基于大数据的高中生选科决策支持系统是乐知云数字校园平台的一部分，系统可以通过平台与智学网实现无缝对接，进行数据共享。学生使用乐知云数字校园平台的账户登录平台后，进入选科决策支持系统，在完成一系列测试后，系统会根据学生的相关数据，基于人工智能算法，提供精准的选科决策支持，具体的系统工作流程如图3所示。

①学生使用乐知云账号登录系统，进入选科决策支持系统。通过系统，学生可以查询自己近期的成绩数据、选科前后的组合排位数据、历史成绩趋势分析数据和学科能力数据。这部分数据由系统提供，并生成学业成绩分析报告供学生查阅。如果学生所在学校已经使用智学网进行教学和考试，数据将自动共享到选科决策支持系统；如果学生所在学校未接入智学网，学生可以手动通过包含自己学业成绩的Excel表格将成绩导入数据库，系统提供相应的Excel模板。

②接下来，学生将通过系统参加一个学科潜能测试，该测试包含90分钟的学科潜能测试和55分钟的推理测试与学科兴趣测试。系统通过学业成绩和学科潜能的交叉数据展现，帮助学生快速获取各学科在两个维度的表现情况，并以成绩和潜能的表现为基准，对学科的综合优劣势进行星级评级。同时，系统还允许学生以自己的判断为准，对学科进行筛选，排除个人认为属于劣势的科目（最多排除三科，最少可不排除）。

③最后，学生将参加一个60分钟、含有406道测试题的专业兴趣测试。系统将测试结果与九大专业群数据和不同专业群中各学科的专业覆盖率进行智能匹配，通过对各学科匹配度的表现情况，按照个人意愿排除不适合个人的学科，最终保留三科作为个人的最终组合，完成选科指导流程，通过系统向学生呈现选科指导意见。

图3 系统工程流程

四 结语

“数据驱动学校，分析变革教育”的大数据时代已经来临，整合人工智能技术、大数据技术和学习分析技术，构建教育领域相关模型，探索教育变量之间的关系，为教育教学决策提供有效支持将成为未来教育的发展趋势[8]。近年来，随着网络学习空间、MOOC等网络化学习系统的应用，使得对于学生个体学习行为数据的采集成为可能，基于大数据的教学和学习支持系统不断涌现[9]。但基于大数据的学生生涯规划支持应用还比较少见，而基于大数据的高中生选科决策支持系统正是一个整合大数据技术和人工智能技术、支持高中生生涯规划相关模型的系统。在新高考的背景下，该系统可为学生提供早期的选科决策支持，帮助学生精准选择适合自己的高考学科，为大学时期的专业发展打下基础。

[1]国务院. 国务院关于深化考试招生制度改革的实施意见[OL].

[2]国家中长期教育改革和发展规划纲要工作小组办公室. 国家中长期教育改革和发展规划纲要(2010-2020年)[OL].

[3]教育部. 普通高中学生发展指导纲要(试行)[OL].

[4]教育部. 教育部关于全面深化课程改革落实立德树人根本任务的意见[OL].

[5]蔡永红,林崇德,肖丽萍.中学生职业兴趣的结构及其特点[J].心理发展与教育,2002,(1):80-85.

[6]Holland J L. Making vocational choices: A theory of careers[M]. New Jersey: Prentice-Hall, 1973:322.

[7]Hopkins K D. Educational and psychological measurement and evaluation (eighth edition)[M]. New Jersey: Prentice-Hall, 1972:105-113.

[8]徐鹏,王以宁,刘艳华,等.大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J].远程教育杂志,2013,(6):11-17.

[9]李振,周东岱,刘娜,等.教育大数据的平台构建与关键实现技术[J].现代教育技术,2018,(1):100-106.

①智学网是科大讯飞针对学校日常考试、发展性教学与学评价的需求而推出的基于知识点地图和优质题库资源的智能化教学辅导平台。

②乐知云数字校园平台是讯飞乐知行公司开发的集办公管理、教育教学和教师发展等功能于一体的基于公有云的数字校园开放平台。

③专业星空图是科大讯飞自主研发的基于大数据挖掘的大学专业分类方法，已申请专利。

④专业覆盖率是科大讯飞依据教育部《普通高校本科招生专业选考科目要求指引（试行）》中不同本科专业选考科目规则提出的高中生选科决策关键指标。

⑤本表基于北京市教育考试院于2018年5月15日发布的《2020年拟在京招生普通高校本科专业选考科目要求》统计而成，由于不同研究机构对招生专业数量统计方式略有差异，覆盖率数据可能会有微小差别，特此说明。

The Design and Development of Decision Support System for Senior High School Students based on Big Data

ZHANG Li-wei1YANG Jun2LIAO Xi2CHANG Xue-liang2WANG Yi-ning3

With the coming of the education big data era, the popularity of network learning space and online learning platforms such as MOOC, it has become possible to acquire more and more teaching and learning data. Educational teaching decision based on big data has become normal. Under the background of the new college entrance examination, in which senior high school students are faced with the decision-making of their academic career development in the first grade. At present, there are problems of randomization and blind short-sightedness in the decision-making. This study integrates artificial intelligence technology and big data technology to design and develop the decision support system for senior high school students. According to the data collected from students’ academic achievement, professional interest assessment and subject potential evaluation, the designed system analyzes student data from three dimensions of achievement, interest and ability. Finally, in using the modeling analysis supported by artificial intelligence, the system can provide accurate decision support for students.

artificial intelligence; big data; decision support system; new college entrance examination

G40-057

A

1009—8097（2018）08—0005—07

10.3969/j.issn.1009-8097.2018.08.001

张丽伟，在读博士，研究方向为人工智能技术教育应用，邮箱为zhanglw347@nenu.edu.cn。

2018年7月9日

编辑：小西