基于Apriori算法的试卷知识点关联分析

       

李毅

摘要 试卷分析是教学工作中的重要部分。传统试卷分析侧重借助统计方法从多个统计维度进行整体分析，缺乏对试卷知识点间关联关系的挖掘。本研究基于学生答题数据，运用Apriori算法分析了试卷中各知识点间的隐含关联关系。所得到的结论在帮助教师了解各知识点间的相互影响、改进教学方法，引导学生进行自主学习等诸多方面具有积极的作用。

關键词 关联规则 试卷分析 Apriori算法

一、引言

目前学校教学管理中，对学生试卷分析侧重于借助统计手段得到相关的试卷统计数据，比如，最高得分、最低得分、平均成绩、难度系数等一系列指标，缺乏针对考题知识点的评价，对学生取得这些成绩的知识层面的原因较难深入了解，对教学支持作用存在局限性。多数教师在试卷讲评环节中，对错误率高的题目进行重点讲解，再结合自身经验进行扩展延伸，这会导致试卷讲解过于主观。如何利用成绩数据理性分析学生知识点掌握情况，找出知识点间关联，是广大教师共同关心的问题。

Apriori算法是经典的关联规则挖掘算法之一，能够探究事物间的关联关系，建立关联规则。本文使用Apriori算法，依据学生答题数据，分析出了试卷中各题目对应知识点间的关联性，从而指导教师合理地开展教学。

二、关联规则算法

1.关联规则算法的基本概念

关联规则挖掘方法由R.Agrawal等人在1993年提出，用此算法可对商店顾客的购物数据进行分析，基本思想如下：

三、Apriori算法在试卷分析中的应用研究

1.数据的准备

本文以某中学初一年级上学期期末数学考试卷面成绩为数据基础，结合学科知识结构及教学主要知识点分布。首先，对试卷各试题所包含的知识点进行统计，如表1所示。然后，对学生题目的作答成绩进行录入，如表2所示。

2.数据的清理

重点检查数据缺失的情况，对于成绩的缺失，通常采用录入平均值的方式。对学生答题情况进行记录，客观题采用“0”和“1”来描述学生试题的正确与否，主观题以得分率进行记录。针对试卷知识点的关联分析中，那些难度过大或过小的题目会导致分析结果对这些题目的关联性过强，影响分析结果。因此需计算各题目的难易度，将过于简单或困难的题目排除。

3.数据离散化处理

由于关联分析只能对处于区间数据进行分析，需要对数据进行离散化处理，处理后，连续的数值会被区域数值代替。得分率小于或等于0.5的量化为0，得分率大于0.5的量化为1，如表3所示。

利用Apriori算法对形如表3所示的数据进行关联规则挖掘。当最小支持度下限设为0.5，最小置信度下限设为0.7时，产生如表4的部分挖掘结果。

4.计算结果分析

以下为得到的部分关联规则：

规则1：一元一次方程的应用=>数轴

此规则的意思是：在一元一次方程的应用知识点得分较高的学生对包含数轴知识点的题目得分也会高。这表明考察数轴知识点的题目会结合一元一次方程应用的知识，教师在讲解数轴时，注意带领学生回顾一元一次方程解法的相关内容。

规则2：有理数的混合运算=>频数直方图、用样本估计总体

此规则的意思是：在解有理数混合运算题目得分较高的学生解包含频数直方图和用样本估计总体的题目得分也较高。这说明掌握有理数混合运算是解包含频数直方图和用样本估计总体知识点的基础。

四、小结

通过对试题知识点进行关联分析，能够帮助教师发现一些隐含的知识点间的关联关系。教师可以了解各知识点间的相互影响，为教学提供参考，对日常教学活动进行针对性的调整，提高教学质量和效率。

本文由： 莲池周刊杂志社编辑部整理发布，如需转载，请注明来源。

莲池周刊杂志社编辑部

2019-05-06