以成績?yōu)閷?dǎo)向推薦體育選項的基本思路是：根據(jù)往屆學(xué)生的體質(zhì)健康數(shù)據(jù)和體育選項課成績，建立體質(zhì)健康數(shù)據(jù)與選項課成績的關(guān)系模型；然后預(yù)測待選課學(xué)生選擇特定選項后可能獲得的成績，由學(xué)生按照自己的意愿做出選擇。

　　摘要：本文使用數(shù)據(jù)挖掘方法，基于學(xué)生的體質(zhì)健康數(shù)據(jù)預(yù)測其在各個體育選項上可能獲得的成績，以吸引學(xué)生積極參與到體育選項推薦當(dāng)中來。成績預(yù)測的基礎(chǔ)是體質(zhì)健康數(shù)據(jù)與選項成績的挖掘模型，其建立步驟包括分割數(shù)據(jù)集、建立細(xì)分模型和挖掘預(yù)測模型。實驗研究表明，成績預(yù)測的結(jié)果符合傳統(tǒng)經(jīng)驗對于體質(zhì)健康狀況與體育選項匹配度的判斷。

　　關(guān)鍵詞：讀寫算雜志征稿投稿,體育選項推薦,數(shù)據(jù)挖掘,成績預(yù)測,細(xì)分模型

　　追求高分的選課訴求在學(xué)生當(dāng)中普遍存在，成績導(dǎo)向的選項推薦能使這種訴求得到滿足，從而激發(fā)學(xué)生參與選課指導(dǎo)的熱情。提供這種推薦模式，表面看是迎合學(xué)生追求高分的心態(tài)，實則是為了引起學(xué)生的關(guān)注。

　　實際上，如果學(xué)生具有某個選項所需的良好身體素質(zhì)，那么他就比較容易取得好成績；相反，基礎(chǔ)較差的學(xué)生選項成績一般也比較低。所以，預(yù)測成績低的選項往往是符合學(xué)生體質(zhì)發(fā)展需求的選項。在選課期間應(yīng)通過各種方式宣傳促進(jìn)身體素質(zhì)發(fā)展的選課導(dǎo)向，引導(dǎo)學(xué)生按照反向思維選擇適合自己的體育選項。

　　1選項推薦的實施過程

　　基于成績導(dǎo)向的選項推薦運用數(shù)據(jù)挖掘方法，其實施分三個階段。下面假定有m個運動項目可供選擇。

　　首先，按選項和性別將學(xué)生的體質(zhì)健康數(shù)據(jù)劃分為m?個數(shù)據(jù)集。每個數(shù)據(jù)集對應(yīng)特定選項、特定性別學(xué)生的體質(zhì)健康數(shù)據(jù)。其次，對于每個數(shù)據(jù)集，針對《國家學(xué)生體質(zhì)健康標(biāo)準(zhǔn)》①（以下簡稱《標(biāo)準(zhǔn)》）測試指標(biāo)和選項成績進(jìn)行相關(guān)分析，找出與選項成績密切相關(guān)的一項或多項測試指標(biāo)。接著，以相關(guān)系數(shù)高的測試指標(biāo)為依據(jù)，使用聚類算法將數(shù)據(jù)集劃分為若干個子集合，即數(shù)據(jù)集的細(xì)分模型。然后，在每個子集合中導(dǎo)入學(xué)生的選項成績，挖掘體質(zhì)健康數(shù)據(jù)與選項成績之間的關(guān)系，生成個性化選項推薦知識庫。一個數(shù)據(jù)集對應(yīng)的知識庫由多個預(yù)測模型構(gòu)成，每個預(yù)測模型對應(yīng)一個子集合，蘊含的知識就是該子集合中體質(zhì)健康數(shù)據(jù)與選項成績之間的關(guān)系。最后，基于每一位選課學(xué)生的體質(zhì)健康數(shù)據(jù)，逐個選項地匹配該學(xué)生所對應(yīng)的數(shù)據(jù)子集；然后依據(jù)相應(yīng)的預(yù)測模型預(yù)測他可能得到的成績，按成績由高到低的順序向?qū)W生推薦。

　　1.1建立細(xì)分模型

　　1.1.1建立細(xì)分模型的原因

　　選擇同一選項的學(xué)生個體之間，體質(zhì)健康狀況和選項成績的差異都很大。如果為每個數(shù)據(jù)集建立單一的預(yù)測模型，會大大降低成績預(yù)測的準(zhǔn)確率。這一結(jié)論在前期實驗中得到了充分的論證。②

　　1.1.2測試指標(biāo)與選項成績的相關(guān)性

　　建立細(xì)分模型的實質(zhì)是將數(shù)據(jù)集分類。理想的分類依據(jù)應(yīng)縮小學(xué)生個體之間的差異，即學(xué)生可能獲得的選項成績上的差異。但是，我們不能根據(jù)選項成績?nèi)シ指顢?shù)據(jù)集，這是因為它只能充當(dāng)數(shù)據(jù)挖掘算法的預(yù)測項，而不是輸入項。

　　體質(zhì)健康狀況是學(xué)生獲得選項成績的基礎(chǔ)，我們可以使用一項或多項體質(zhì)健康測試成績作為分類依據(jù)，前提是這些測試指標(biāo)與選項成績是密切相關(guān)的。通過分析體質(zhì)健康測試指標(biāo)（除身高體重指數(shù)）和選項成績之間的相關(guān)性，能夠找出符合條件（相關(guān)系數(shù)大于閾值）的測試指標(biāo)。以這些指標(biāo)替代選項成績充當(dāng)數(shù)據(jù)集的分類依據(jù)，就能減少子集合內(nèi)部元素之間的差異。

　　1.1.3建立細(xì)分模型的方法

　　在數(shù)據(jù)挖掘的常用方法中，分類③和聚類④都可以實現(xiàn)將特定選項、特定性別的體質(zhì)健康數(shù)據(jù)劃分為多個子集合的目的。建立細(xì)分模型是要最小化相同子集合內(nèi)部元素之間的差異，同時最大化不同子集合元素之間的差異。由此可見，聚類方法天然符合這一目標(biāo)。相關(guān)分析可能得到兩種結(jié)果：一是與選項成績密切相關(guān)的測試指標(biāo)只有一項；二是有多項。這兩種情況下都可以使用聚類算法，以密切相關(guān)的測試指標(biāo)為輸入項、以選項成績?yōu)轭A(yù)測項將數(shù)據(jù)集劃分為若干個子集合。對于子集合的數(shù)目，應(yīng)控制在3～6個之間，4～5個為宜。

　　1.2挖掘預(yù)測模型

　　接下來是最重要的階段——挖掘預(yù)測模型，即生成知識庫。每個子集合對應(yīng)一個預(yù)測模型。在執(zhí)行這項工作時，有以下問題需要解決：

　　（1）選擇哪些測試指標(biāo)作為預(yù)測模型的輸入。不能僅選擇與選項成績相關(guān)系數(shù)高的指標(biāo)，因為其他指標(biāo)對選項成績也會產(chǎn)生一定影響。如果挖掘預(yù)測模型時仍然將它們排除在外，會影響輸入信息的全面性，從而降低預(yù)測的準(zhǔn)確率。后面的實驗結(jié)果也驗證了這一點。

　　（2）使用測試指標(biāo)的測試成績還是其相應(yīng)的分?jǐn)?shù)。大多數(shù)情況下分?jǐn)?shù)與成績成正比例關(guān)系。《標(biāo)準(zhǔn)》在60分以上的分檔雖然比較細(xì)，但依然存在不同成績得分相同的情況。因此，使用測試成績作為輸入數(shù)據(jù)更能反映學(xué)生體質(zhì)健康狀況的差異。

　　（3）使用哪種數(shù)據(jù)挖掘算法。首先，分類比聚類更為符合挖掘預(yù)測模型的要求，而其他諸如回歸、時間序列分析等方法則完全不符合要求。其次，使用分類中的哪種算法取決于數(shù)據(jù)集的特點，不同數(shù)據(jù)集可能有各自適合的分類算法，具體可以通過實驗驗證。

　　2實驗分析

　　實驗選取足球和瑜伽兩個比較典型的項目，待預(yù)測對象為137名男生和90名女生。男生臺階試驗、立定跳遠(yuǎn)和坐位體前屈獲得優(yōu)秀、良好、及格和不及格的人數(shù)分別為16、47、48、26；4、20、80、33；21、49、54、13人。女生三個項目取得不同成績等級的人數(shù)分別為1、3、72、14；5、19、59、7；27、36、19、8。

　　根據(jù)傳統(tǒng)經(jīng)驗，耐力和力量素質(zhì)較好的學(xué)生比較容易在足球項目上獲得高分，而柔韌素質(zhì)較好的學(xué)生則更容易在瑜伽項目上獲得好評。本節(jié)實驗的主要目的就是建立足球和瑜伽項目的成績預(yù)測模型，并為實驗對象預(yù)測兩個項目的成績，以驗證這一結(jié)論的正確性。

　　2.1預(yù)測模型分析

　　隨機抽取C大學(xué)足球項目126名男生和77名女生、瑜伽項目66名男生和138名女生的歷史數(shù)據(jù)（含大一下學(xué)期測得的《標(biāo)準(zhǔn)》數(shù)據(jù)和大二上學(xué)期的體育選項成績），用以建立兩個項目的成績預(yù)測模型。

　　經(jīng)過相關(guān)分析發(fā)現(xiàn)，與足球成績相關(guān)系數(shù)較高的測試指標(biāo)是臺階試驗和立定跳遠(yuǎn)；與瑜伽成績相關(guān)系數(shù)較高的測試指標(biāo)則是坐位體前屈。在建立細(xì)分模型時，4個數(shù)據(jù)集（足球-男、足球-女、瑜伽-男、瑜伽-女）被分別劃分為4、4、4和5個子集合。

　　在此基礎(chǔ)上，為足球-男、足球-女、瑜伽-男、瑜伽-女的每一個子集合建立了成績預(yù)測模型。在驗證模型的準(zhǔn)確性時，仍然使用這些學(xué)生的體質(zhì)健康數(shù)據(jù)。4個數(shù)據(jù)集預(yù)測錯誤的人數(shù)分別只有1、2、3和3人，準(zhǔn)確率達(dá)到99.2%、97.4%、95.5%和97.8%。

　　2.2預(yù)測結(jié)果討論

　　將137名男生和90名女生的體質(zhì)健康數(shù)據(jù)分別導(dǎo)入相應(yīng)的成績預(yù)測模型，為每名學(xué)生預(yù)測足球和瑜伽兩個項目的成績，結(jié)果如表1所示。對比他們的體質(zhì)測試成績可以看出，成績預(yù)測的結(jié)果與學(xué)生的體質(zhì)健康水平基本一致。

　　表1成績預(yù)測的人數(shù)分布

　　從項目之間的比較來看，瑜伽項目的預(yù)測成績明顯高于足球項目，因為學(xué)生的柔韌素質(zhì)明顯好于耐力和力量素質(zhì)。從男女之間的對比來看，女生的足球成績好于男生；雖然男生的柔韌素質(zhì)普遍比女生差，但他們的瑜伽成績并不輸于女生。究其原因，可能是因為足球和瑜伽兩個項目的性別傾向較為明顯，所以教師會照顧弱勢的性別群體，給他們較高的分?jǐn)?shù)。

　　下面以選擇足球的男生為例，分析成績預(yù)測結(jié)果與體質(zhì)健康水平的關(guān)系。

　　（1）臺階試驗測試成績不及格和及格者共74位，表1中預(yù)測成績在75分以下者有84人；兩者間存在一定差距，主要是因為足球成績還受立定跳遠(yuǎn)成績的影響（該指標(biāo)不及格和及格者總計113人）。（2）臺階試驗測試成績良好者47人，與成績預(yù)測70～89分者人數(shù)（47人）恰好一致；但與立定跳遠(yuǎn)成績良好者（20人）存在一定差距，主要是因為立定跳遠(yuǎn)及格者中有許多人的成績接近良好，只是按評分標(biāo)準(zhǔn)被劃分到及格范圍。（3）臺階測試成績優(yōu)秀者16人、立定跳遠(yuǎn)成績優(yōu)秀者4人，綜合來看多于成績預(yù)測90分以上者的人數(shù)（6人），這可能與教師對優(yōu)秀者評分較嚴(yán)格有關(guān)。

　　一般認(rèn)為，足球項目的成績主要受耐力素質(zhì)（臺階試驗）影響，同時也與力量素質(zhì)（立定跳遠(yuǎn)）有一定關(guān)系。表1的預(yù)測結(jié)果與該結(jié)論基本一致，這說明成績預(yù)測的思路和方法是正確的。

　　3結(jié)論

　　本文提出了基于學(xué)生的體質(zhì)健康數(shù)據(jù)預(yù)測其體育選項成績的方法，并通過實驗研究驗證了該方法的準(zhǔn)確性。

　　基金資助：江西省社會科學(xué)“十一五”規(guī)劃項目（10JY64）；江西省教育科學(xué)“十一五”規(guī)劃項目（09YB282）；江西省教育廳科技計劃項目（GJJ11091）

　　注釋

　　①《國家學(xué)生體質(zhì)健康標(biāo)準(zhǔn)解讀》編委會.國家學(xué)生體質(zhì)健康標(biāo)準(zhǔn)解讀[M].北京：人民教育出版社，2007.

　　②LanYu.StatisticalAnalysisandDataMiningCombinedYogaGradePrediction.20122ndInternationalConferenceonEconomic，EducationandManagement，pp.657-660，June2012.

　　③朱明.數(shù)據(jù)挖掘（第2版）[M].中國科學(xué)技術(shù)大學(xué)出版社，2008.

　　④呂曉玲，謝邦昌.數(shù)據(jù)挖掘方法與應(yīng)用[M].中國人民大學(xué)出版社，2009.