数据挖掘在全科师范生数学核心素养剖析中的应用①

王从徐

(滁州城市职业学院教育学院,安徽 滁州 239000)

0 引 言

近年来教育改革进程持续推进,核心素养培养成为教改的重点内容与方向。核心素养旨在考察学生知识掌握水平、技能熟练程度以及情感、价值观等内容的理解能力[1],是一种综合性素质培养方向。全科师范生数学核心素养主要指逻辑推理、数据建模、数学分析等能力的培养,力求帮助全科师范生将所学数学知识转化为解决实际生活问题的能力,实现数学教学与学生应用能力培养之间的有效衔接。现代师范类高校教学资源丰富、数据获取渠道广泛,但是还存在大量的数据资源没发挥其应有价值造成教学资源浪费、全科师范生数学核心素养培养不足等问题[2]。针对这种情况,为充分使用高校教学资源提高全科师范生的数学核心素养培养效果,基于数据挖掘技术设计了全科师范生数学核心素养分析子系统(下称系统),该系统集成在大学生教学智能决策平台中,系统录入师范生的社会背景、学科成绩、学习行为等数据建立学生核心素养数据库,采用信息化方式快速了解每个师范生的核心素养养成现状,进而设计个性化的教学指导方案。

1 基于数据挖掘技术设计了核心素养分析系统设计

1.1 系统总体架构

为快速、科学的剖析全科师范生数学核心素养的现状,使用先进的信息化手段关联规则数据挖掘算法设计了全科师范生核心素养分析系统[3],以智能方式统计师范生的社会背景、学科成绩、学习行为、时间表、课程表信息,作为数据挖掘的样本数据,从而完成师范生数学核心素养现状剖析,系统结构见图1。

图1 基于数据挖掘的全科师范生核心素养分析系统

系统包含数据模块、逻辑模块、应用模块、客户端四个关键部分,数据模块包含学生的社会背景数据、学科成绩数据、学习行为数据等等,传输至逻辑模块进行核心素养信息管理、分类规则挖掘、核心素养现状分析,最后在应用模块进行显示。

使用该系统一方面能够快速获取全科师范生的数据核心素养现状,及时掌握学生学习状态;另一方面可基于核心素养走西结果定制个性化的数学教学计划,贴合师范生的实际爱好与特长提升数学核心素养。

1.2 核心素养分析系统内容设计

数据库是存储全科师范生全部信息的抽象空间,系统使用实体-联系图的方式进行排布,形成连接客观事物的纽带[4]。系统所需的数据样本包括师范生的社会背景、学科成绩、学习行为、时间表、课程表等数据[5];经过剪枝处理,全科师范生数学核心素养现状剖析规则显著减少,内容精简短小、可读性较强。系统依据每个学生的差异性统计数据即可输出其数学核心素养培养现状。

师范生学习是一个动态发展的过程,因此其数学核心素养评价结果也是一个持续且变化的,系统可以根据学生行为、成绩的变化实时更新数学核心素养的养成情况,更加客观的剖析师范生核心素养现状。

1.3 数据挖掘技术

数据挖掘技术可以在海量的学生信息与教学资源中提取出潜在的且具有核心素养分析价值的内容,以在线处理的方式进行数据分析。系统通过挖掘全科师范生多方面的表现数据得到数学核心素养的客观现状,系统主要应用决策树方法进行暗知识挖掘[6],具体基于ID3算法挖掘数学核心素养剖析的分类规则,图2描述了ID3算法的标准应用结构。

图2 ID3决策树算法挖掘师范生数学核心素养的标准结构

叶节点、分支和内部节点构成了决策树的整体结构,叶节点表示数据分类、树的分支表示数据检验结果、内部节点表示检验属性[7]。基于ID3 算法挖掘数学核心素养过程中需要创建一个节点,如果师范生的学习样本全部归于一类,则使用树叶节点代替该节点并标记,当样本不归属于同一类别时需将该信息增益作为启发信息,确定最具合理性的属性对此样本实施分类,同时确定该属性为节点的测试属性[8]。核心素养信息分类决策树构建就是要对属性中全部值均创立分支并划分学生学习数据样本,循环操作该步骤构建分类决策树,终止条件是学习信息分类完成。

定义全科师范生的学习数据样本集合为Q,采用Ci表示Q的不同样本类别,i=1,2,…,m,相应的样本数量用qi表示,公式(1)为集合Q的期望表达形式:

公式(1)中,Oi为qi与q的比值,定义属性T使用属性划分师范生学习数据样本集合得到{Q1,Q2,…,Qx},Qi表示属性一致的样本子集,基于属性T划分样本子集的期望值公式如(2):

公式(2)中,师范生学习数据样本子集的权重值用w表示,样本划分为m类别后的期望值用E(Qj)表示。属性T的信息增益计算方法见公式(3):

公式(3)中,将师范生学习数据样本集合Q中信息增益值最大的属性确定为测试属性,据此构建节点创建师范生数学核心素养信息分类的决策树分支[9],并进行有效的核心素养现状分类挖掘。

2 全科师范生数学核心素养的现状剖析结果

全科师范生数学核心素养现状剖析测试数据来源于教育学院的教务管理系统后台,测试对象包括80名全科师范生。其中,社会背景信息一般包括姓名、年龄、家庭信息等;学科成绩信息包括课程名称、授课教师、4 次大型测试成绩、社会实践成绩、数学竞赛等;学习行为包括学生在数学课堂表现、课后探究、应用实践等方面的表现,其他内容构成不赘述。

采集的原始学生数据需要剔除无效信息、补充残缺信息,以保障数据的完整性。系统采用A,B,C,D 四个等级描述学生个体的数学核心素养水平,A 为优秀、B为良好、C为合格、D 为不合格。

2.1 分类规则分析

数据经过预处理得到1206条有效数据可作为数学核心素养挖掘的样本信息,其中70名师范生的信息用以构造数据挖掘的决策树,10名学生的信息作为测试样本验证系统剖析数学核心素养现状的性能。

系统基于ID3决策树提取核心素养剖析的分类规则,由此挖掘出个体的核心素养现状。限于篇幅,仅举例两名师范生的数学核心素养剖析结果如表1所示。

表1 全科师范生数学核心素养现状挖掘结果

由表1可知,学生甲在日常数学测试中取得了优秀成绩,并且获得过数学实践类的竞赛奖项,高频率的参与数学实践活动,日常学习数学的时间安排较为充足,因此该师范生的数学核心素养等级为“优秀”;同时,学生乙日常数学测试成绩不合格,没有获得过数学实践类奖项、仅有零散的时间学习数学、参与数学实践兴趣较低,所以该名师范生的数学核心素养较差,且不合格。该结果显示,系统可以根据师范生的综合数据剖析出其数学核心素养现状,给出清晰的分类规则,指导教师了解每个师范生数学学习的薄弱环节。

2.2 核心素养剖析误差评价

系统生成10名师范生的核心素养水平后,人为统计核实这10名师范生数学核心素养的实际情况,进行决策误差对比,结果如表2所示。

表2 师范生数学核心素养剖析效果对比

1 A 级 B级2 A 级 A 级3 C级 C级4 B级 B级5 B级 B级6 D级 D级7 B级 B级8 B级 B级9 A 级 A 级10 A 级 A 级

根据表2数据可知,系统剖析师范生数学核心素养的结果与实际情况吻合度较高,只有第一位学生的评价结果与实际不符,仅误判了一个等级,该名学生的实际核心素养水平为A 级,而系统判定为B级。总体而言,系统剖析全科师范生数学核心素养现状的误差较低,教师可以根据分类规则进一步了解每个师范生在数学学习方面的不足,有针对性的制定授课方案,一对一提升全科师范生的数学核心素养。

3 结 语

数学核心素养是全科师范生的重要能力之一,新教学改革政策要求师范生学习数学不仅能够具有灵活解题能力,而且要将所学知识应用于社会实践,形成分析事物的逻辑能力、推理能力。基于ID3决策树挖掘全科师范生的综合性学习信息,获取核心素养现状的分类规则,快速掌握每个师范生的数学核心素养水平,以制定严谨的师范生数学能力培养计划。

系统剖析全科师范生数学核心素养现状不仅准确度高,而且设计了实体- 联系图形式的数据库,有逻辑性的存储师范生的学习信息样本,系统进行核心素养现状挖掘的包容性强。

该研究也存在一些不足,目前来看师范生学习信息采集较为全面,但是随着学习分析和数学核心素养研究的持续推进,师范生在学习中产生的数据规模与日俱增,加大了数据处理的难度与复杂度,进一步干扰决策分类的精度。对此,未来核心素养分析系统的研究应着眼于学生数据的有效处理与聚类,创造科学完整的样本集,为提升师范生数学核心素养自动化分析提供有利条件。