基于K均值算法的分層教學模型研究

常鳳　徐小華　胡忠旭　張子鋒

摘要：由于學生群體存在個性化差異，傳統教學模式已不能很好地滿足學生全面發展的需求。而分層教學關注學生個體差異和學習需求，有針對性地制定教學計劃和目標，有利于整體教學效果的提升。文章重點研究分層教學中的分層模型，并以計算機網絡課程為例，設計基于K均值算法（K-means）的分層教學模型，實現學生學習情況的分層。通過仿真實驗表明，基于K均值算法的分層教學模型相比專家分類算法、學生總成績排名的分層方法，更具有一定科學性和合理性，可以為其他學科提供借鑒和參考。

關鍵詞：分層教學模型;K均值;聚類;計算機網絡

中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）26-0054-03

1 引言

隨著高等教育改革的推進，高等教育規模不斷擴大，質量不斷提高，高等教育的發展環境、使命擔當和發展策略也發生了新的變化[1]。由于學生群體存在個體差異，進入大學后的目標也有很大的不同，在傳統的教學模式下，教師需要通過大量的考試才能更準確地掌握學生的學習情況，這種方法已不能滿足高校因材施教的教育原則及學生不同層次的學習需要[2]。傳統“一刀切”的方式也容易造成基礎水平高的學生覺得學習枯燥乏味，無法對知識進行深入學習和拓展研究，而基礎水平低的學生因為基礎薄弱而無法完成相應的任務，甚至有些學生平時非常努力，但因各種原因未掌握方法和技巧，所以考試失敗，只能參加補考。久而久之，部分學生將對課程失去學習興趣和信心。如何有效地面對全體學生，進行有效教學，激發學生學習興趣和積極性，使存在個體差異的學生獲得全面發展及個性發展，是教育教學面臨的巨大挑戰。

分層教學是教學改革的新方向，提供了教學的精準性。分層教學在一定程度上避免了“一刀切”的教學方法存在的弊端。分層教學依據學生現有的知識水平、學習能力以及學習潛力對學生進行分組，對于不同層次的學生，教師根據差異有針對性地調整教學方法和教學策略。根據分層教學理念，教師在課堂中重點關注較困難的學生，并挖掘出需要重點培養的對象，適應學生的全面發展需求。

傳統的教學分層方法主要是從學生作業完成情況、學習成績出發，依據數據的排列來將學生分成不同的層級，這種分層方法雖然高速直觀，但忽視了知識構造的分層化。K均值算法（K-means）是一種迭代求解的無監督的聚類分析算法，算法簡單易操作，執行效率高，可以有效地應用于學生學習行為的研究中。因此，本文采用K均值算法進行了分層教學模型的研究，并以計算機網絡課程為例，探索通過分層次教學提高教學質量的教學方法。

2 分層教學

實施素質教育，培養新的人才實踐能力和創新精神是當前高等教育改革與發展的基本目標，分層教學是素質教育的體現，是探索素質教育實施的新的教學方法[3]。分層教學落實對癥下藥、因材施教的教育理念，相對于原有的大一統思想和方案，分層教學改進和調整了教學方式方法，提高了教學效益，是實現因材施教和教學管理精細化的有效途徑。據研究發現，分層次的教學方案是高校教育方式改革中最具有針對性的，具有較強的可操作性，并且具有普遍的運用價值與實踐意義[4-5]。分層次教學遵循以人為本與因材施教的教育原則，具有能挖掘學生自身的學習潛能，能優化教學質量等優點[6-7]。

計算機網絡課程是高校中計算機相關專業十分重要的必修課，具有較強的專業性和實踐性。在實際教學中，學生課程基礎、學習能力、學習態度等各不相同，若采取統一授課，則易造成“基礎好的學生吃不飽，基礎差的學生跟不上”的局面，容易造成課堂教學效率低下，不利于提高學生的學習興趣，不適應高校教學的改革。根據計算機網絡教學需求，文章提出一種基于K均值算法的分層教學模型，以此達到優化計算機網絡教學目的，提高教學質量，滿足不同學生對該門課程不同需求的目的。

3 K均值算法

4 K均值實現學生的分層

由以上的算法實現學生的分層有以下步驟：

1） 數據的收集

文章數據一共收集了400份的期末試卷，限于篇幅，文章只取了31個樣本作為研究對象。研究的過程忽略了學生性別、考試時間、教學大綱和考試大綱、學時數等數據。

2） 數據整理

數據整理是將收集的試卷的進行合理、有效、科學的處理。按照分層教學的要求，分層不僅要考慮入學考試的總成績，還應該包括學生每章節特別是重要章節的知識點得分率等，這樣便可以了解學生對知識的掌握。通過歸納整理，試卷共有8個較重要知識點模塊。分別用X1-X8表示，對應情況如下：X1網絡體系結構;X2數據通信原理;X3數據鏈路協議;X4 IP地址劃分及路由選擇協議;X5 TCP協議及UDP協議;X 6局域網的設計與搭建;X 7無線局域網WLAN;X8 DNS域名系統。

3） 數據規范

數據規范是將數據標準化。在對成績聚類分析時，需要將學生的所有章節或知識點的成績和總成績匹配成數值類型，進行規范化處理。

4） 數據分析

上述31個樣本作為算法的初始數據。在分層前，初始凝聚點為三類，選擇第1個、第14個、第25個樣本觀測值為初始凝聚點，然后進行分層分析，得到如圖1的輪廓圖。

從輪廓圖看出，將31個的觀測數據分為3類，每個觀測的輪廓值都大于零，并且都高于0.2以上，說明分為3類是非常合適的。其分層結果如表1所示。

從表中可以得到：第一類中學生有17人，總體表現優秀，該類學生在X1、X3、X7都表現較好，相對薄弱的模塊為X5（TCP協議及UDP協議）。第二類有10人，該類學生總體表現一般，在X1、X2、X6和X7模塊表現比較好，在其他模塊表現較差。第三類有4人，總體表現較差，該類學生在X2、X3、X5、X6極其薄弱。有了這些分層信息，有利于教師調整授課重點，使教學更具有針對性，提高課堂教學效率。

5 分層算法比對

K均值聚類結果與專家聚類、學生總成績排名對比如表2。從表中可以看出，K均值聚類與專家聚類有編號5、8、29不一致外，其余都相同。K均值聚類和成績排名也有不相同，如序號為8的學生，成績排名為18，但是從試卷答題來看，對重要知識點掌握很好，運算能力很強，但對基礎題型掌握稍差，所以歸為1類比較合理。從K均值聚類和專家分類、成績排名對比來看，K均值聚類具有一定的科學性和合理性。

6 結束語

在實際教學中，分層教學實行差異化教學，樹立“以學生為中心”的教學理念，實現分層定標、分層施教、分層練習、分層提高，能使教學更具有針對性，有利于教學效率的全面提高。文章以計算機網絡課程為例，設計以K均值算法為基礎的分層教學模型，相比專家分類算法、學生總成績排名的分層方法，該模型分類準確，具有一定可移植性和推廣性。

參考文獻：

[1] 劉國瑞.新發展格局與高等教育高質量發展[J].清華大學教育研究，2021，42（1）：25-32.

[2] 唐佳誠，文欣秀，王家輝，等.用戶畫像分層教學模型研究[J].實驗室研究與探索，2018，37（12）：196-200.

[3] 李惠.分層次教學在高等教育中的探討[J].亞太教育，2016（3）：63.

[4] 曾亮.基于聚類分析方法的高職高等數學分層教學的新探索[J].職業時空，2010，6（11）：58-60.

[5] 程樹林.高職院校《高等數學》分層教學方法的探討[J].產業與科技論壇，2011，10（2）：168-169.

[6] Han T Y，Wen J J.Normal Distribution and Associated Teaching Efficiency[J].Mathematics in Practice and Theory，2014（6）：183-193.

[7] 劉珊，亓健.基于K-means聚類的高等數學分層教學模型[J].科技通報，2016，32（1）：230-233.

[8] 崔雪征.基于改進K均值算法的醫保就醫行為研究[J].現代科學儀器，2021（6）：229-232.

[9] 張艷麗，張守祥.Hilbert-Huang變換在聲振信號檢測鋼管混凝土脫空中的應用[J].煤炭學報，2010（1）：165-168.

【通聯編輯：謝媛媛】

收稿日期：2022-04-19

作者簡介：常鳳（1989—） ，女，云南昭通人，助教，碩士，主要研究方向為算法理論、計算機應用;徐小華（1980—） ，男，四川南充人，副教授，碩士，主要研究方向為算法理論;胡忠旭（1983—） ，男，云南昭通人，通信作者，副教授，學士，主要研究方向為軟件開發技術;張子鋒（1985—） ，男，河南信陽人，講師，碩士，主要研究方向為數據結構。