基于LS-SVM的非法律專業(yè)大學生法律素養(yǎng)研究

段興華，張小華，孟田華，黃榮

（山西大同大學物理與電子科學學院，大同037009）

0 引言

中共中央、國務院曾于2004年出臺文件以期提升我國大學生法律素養(yǎng)水平并加強其思想政治教育觀念，而到2013年，我國大學生甚至青少年的違法犯罪行為不僅沒有得到遏制卻似乎愈演愈烈。因此，通過科學手段全面提升和改進大學生的法律素養(yǎng)，不僅是目前全社會的迫切需求，更是對黨和國家出臺各項教育政策以及依法治國政策的強有力落實。當前學術界，對于大學生的法律意識[1-3]、法律素質(zhì)、法制思想教育以及大學生的違法犯罪行為的研究較多，而對于非法律專業(yè)大學生法律素養(yǎng)問題的研究較欠缺[4-6]。文本針對非法律專業(yè)大學生的法律素養(yǎng)情況，進行問卷調(diào)查和SVM預測模型研究。

1 LS-SVM簡介

SVM是一種有堅實理論基礎的新穎的小樣本學習方法，它在小樣本訓練集上能夠得到比其他算法更好的結(jié)果[7-9]，且SVM泛化錯誤率低，具有良好的學習能力，學到的結(jié)果具有很好的推廣性，因此，它是適合于對本文有限樣本數(shù)據(jù)的研究的。LS-SVM（Least Squares Support Vector Machine）是最小二乘支持向量機的回歸和模式識別軟件包。Windows系統(tǒng)的可執(zhí)行文件和源代碼都為該軟件所配備以便使我們能夠輕松進行操作和應用。LS-SVM是原標準支持向量機的引申和擴展[10-11]，最小二乘損失函數(shù)的設定是其對原支持向量機性能的一大改進，再通過其他設定的提升，這樣使求解問題也更為快速準確。因此，它也被廣泛應用于回歸模型的預測和研究中[12-13]。LS-SVM有五種常用核函數(shù)，其中線性核函數(shù)最為常用，但對于它們在程序中的選擇問題，一般沒有固定解，還需要對比擇優(yōu)。LS-SVM的預測功能目前主要被廣泛應用于股市預測、風速風功率預測、話務量預測、焦炭強度預測、養(yǎng)老保險滿意度預測以及輿情分析預測等[14-17]，但尚無對法律素養(yǎng)方面的相關研究。本文即通過將問卷調(diào)查與支持向量機相結(jié)合來對大學生法律素養(yǎng)情況進行研究，進而探究非法律專業(yè)大學生法律素養(yǎng)水平現(xiàn)狀。

2 抽樣問卷調(diào)查

2.1 調(diào)查對象和內(nèi)容

本實驗抽取了山西大同、太原、臨汾、晉中和忻州市部分高校的非法律專業(yè)的各年級大學生，發(fā)放問卷總數(shù)1000份，收回有效問卷966份。本問卷的30道題目先對被調(diào)查者的基本信息（性別、年級、專業(yè)）進行收集，再從法律素養(yǎng)的三個方面法律知識、法律意識和法律知識應用能力來展開討論，以方便最終對于山西地區(qū)非法律專業(yè)大學生法律素養(yǎng)現(xiàn)狀的研究分析。

2.2 問卷結(jié)果初步分析

分析所回收問卷的結(jié)果顯示，男女占比分別為41.81%、58.18%，說明被調(diào)查男女比例基本均衡；被調(diào)查學生的年級和專業(yè)分布如圖1和圖2所示，主要以低年級的經(jīng)管類、理工類和文史類學生為主。

圖1 各年級人數(shù)占比圖

圖2 各專業(yè)人數(shù)占比圖

統(tǒng)計問卷三方面結(jié)果時，我們先將問卷調(diào)查各問題選項按照能夠體現(xiàn)被調(diào)查者法律素養(yǎng)的高低程度進行打分標記，體現(xiàn)程度越高的選項標記的數(shù)字越大。對于某一單項選擇題來說，例如，問題為“您認為您對法律基礎知識的掌握程度怎樣？”，A項“非常好”，B項“還不錯”，C項“一般”，D項“完全不會”，觀察選項可知，“A”、“B”、“C”、“D”對于法律素養(yǎng)體現(xiàn)程度依次由高到低，故用數(shù)字標記為“4”、“3”、“2”、“1”；而對于某多項選擇題來說，若問題為“下列屬于法律部門的是？”，A項“民商法”，B項“經(jīng)濟法”，C項“社會法”，D項“刑法”，E項“憲法”，F(xiàn)項“訴訟法”，觀察上述選項可知，六個選項都是該問題的正確答案，所以被調(diào)查者選定選項越多，則得分越高，選擇一個選項標記為“1”，兩個選項標記為“2”…以此類推。運用上述方法即可將所有問卷選項結(jié)果轉(zhuǎn)化為數(shù)字，再將三部分問卷分數(shù)分為差、中、良、優(yōu)四個等級：

總體來看，位于“差”等級的人數(shù)占總被調(diào)查者人數(shù)的10.48%，“中”等級人數(shù)占74.26%，位于“良”等級的僅占48%，達優(yōu)秀的占7.61%。對三個方面進行分開統(tǒng)計的結(jié)果如圖3、4、5所示。

圖3 法律知識中各分數(shù)占比圖

圖4 法律意識中各分數(shù)占比圖

圖5 法律知識應用能力中各分數(shù)占比圖

觀察以上三圖可知：被調(diào)查者法律知識、法律意識和法律知識應用能力三方面的達標率（達“優(yōu)”和“良”等級總?cè)藬?shù)）都不足30%，達優(yōu)秀者更是少之又少。從法律知識部分的問卷分數(shù)來看，被調(diào)查者對問題“我國有幾部大法？”的回答中，有67%的人選擇了D項4部法律；在對問題“下列屬于法律部門的是？”的回答中，95%的人不能完整地選擇所有正確選項，這說明被調(diào)查者對于法律的構(gòu)成體系、對于部門法的了解都很淺顯甚至有著錯誤的認識；在法律意識方面，低分率明顯降低，在對問題“如果由于某些因素（金錢、權利等）致使一些法律案件不能得到公正處理，此時你會？”的回答中，90.17%的人都選擇了C項“依然相信法律，并且希望通過自己的綿薄之力為法律的公正貢獻力量”，說明其主觀法律意識并不薄弱，而對問題“如果您的學校因為您沒有過英語四級而不發(fā)學位證，你認為該行為是否合法？”的回答中，只有16.66%的人選擇“否”，說明被調(diào)查者雖有信仰法律的意愿，但對某些行為是否合法卻不能正確區(qū)分；在法律應用能力方面，對問題“在生活中遇到糾紛時你會選擇用什么手段解決？”的調(diào)查中，62.22%的學生選擇私下自行解決，而只有28.86%的學生會選擇用法律手段解決糾紛，說明大多數(shù)同學并不具備法律思維，不會適時恰當?shù)厥褂梅墒侄尉S護權益。總言之，該地區(qū)非法律專業(yè)大學生法律素養(yǎng)水平較低，學生對所學法律知識的實踐應用能力不強，法律素養(yǎng)各方面水平都有待提升。

3 LIBSVM模型預測

3.1 樣本預處理

由于LS-SVM算法不能識別文字樣本信息，故先運用上述提到的分數(shù)標記方法將所有問卷選項結(jié)果轉(zhuǎn)化為數(shù)字，然后我們把得到的數(shù)據(jù)分成322份訓練數(shù)據(jù)和644份檢測數(shù)據(jù)，并把他們分別通過宏工作表轉(zhuǎn)換，即可得到最終的訓練樣本和檢測樣本。

3.2 模型的建立

本文采用較為常用的gridregression.py函數(shù)來進行自動尋優(yōu)，通過LS-SVM程序，得到的最優(yōu)參數(shù)分別為c＝1.0，g＝1.0，p＝0.0009765625。選用線性核函數(shù)RBF進行模型訓練[18-20]，得到預測模型的相關參數(shù)如下：

3.3 模型檢驗以及對預測結(jié)果的評價

預測值與真實值的對比如表1所示，將其轉(zhuǎn)換為對比圖如圖6所示。

表1 真實值和預測值對比表

圖6 真實值和預測值對比圖

分析對比表格，可以得出，兩組數(shù)據(jù)誤差的絕對值遠遠小于1，從對比圖也可看出預測值與真實值基本重合。這說明模型預測很準確，偏差極小。

此外該預測模型得均方誤差MSE=3.12768^10-6，平均相對誤差為E=2.41246^10-5，這說明，對于前面核函數(shù)的選取，參數(shù)尋優(yōu)和預測模型的構(gòu)建步驟都十分合理，且該方法是適用于本實驗文字樣本的處理預測的，且可靠性非常強。通過上述對問卷結(jié)果的分析，我們可看出本次問卷設計基本合理，通過對問卷各部分問題的剖析我們即可了解該部分相應情況，且便于從中尋求解決之法。綜上，LIBSVM適用于對選題小樣本數(shù)據(jù)的預測，通過小部分訓練數(shù)據(jù)樣本來預測大部分檢測樣本確實行之有效，這也對我們研究其他類似文本或數(shù)據(jù)提供了一定的指導和參考。

4 結(jié)語

本文將LS-SVM這一新興機器學習算法和問卷調(diào)查相結(jié)合來研究我國非法律專業(yè)大學生法律素養(yǎng)。通過問卷結(jié)果和SVM可靠的預測結(jié)果可知，山西地區(qū)非法律專業(yè)大學生法律素養(yǎng)遠沒有切實跟進我國當前法制建設的步伐，法律素養(yǎng)水平實不理想。對法律知識中的法律常識、一些基本法和基本的法律程序問題了解太過表面化，掌握程度不夠深入；雖然被調(diào)查者基本都懷有對于法律的信仰和期待，愿意接受法律，有維護法律的意愿，但是由于法律基礎知識掌握不到位，故不能正確區(qū)分很多日常行為的合法性；再者，從法律應用能力來看，雖然大多數(shù)人維法護法意識很強，但在日常生活實踐中的應用能力卻很弱，大多數(shù)被調(diào)查者并不會恰當?shù)厥褂梅墒侄稳ゾS權，自身法律應用能力與其處理實際問題所需也不成正比。總之，我們可以看出當代非法律專業(yè)大學生法律素養(yǎng)極其缺乏，同時，其法律素養(yǎng)的提升空間也相當大。