基于人工神經網絡技術的藥學專業學生考研成績預測探究

李思，魯澄宇

（廣東醫科大學，廣東湛江 523808）

人工神經網絡（Artificial Neural Networks，簡寫為ANNs）是20世紀80年代以來人工智能領域興起的研究熱點。人工神經網絡從信息處理角度對人腦神經元網絡進行抽象，建立某種簡單模型，按不同的連接方式組成不同的網絡。人工神經網絡是一種模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。人工神經網絡模型能使用單元節點模擬神經元，通過調整內部大量節點（神經元）之間相互連接的關系，從而達到處理信息的目的[1-3]。

數據挖掘（Data Mining）能采用數學、統計、人工智能和人工神經網絡等領域的科學方法，如記憶推理、聚類分析、關聯分析、決策樹、神經網絡、基因算法等技術，從大量數據中挖掘出隱含的、先前未知的、對決策具有潛在價值的關系、模式和趨勢，并用這些知識和規則建立用于決策支持的模型，提供預測性決策支持的方法、工具和過程[4-5]。數據挖掘是從大量數據中尋找其規律的技術，數據挖掘主要有數據準備、規律尋找和規律表示三個步驟。數據準備是從相關的數據源中選取所需的數據并整合成用于數據挖掘的數據集；規律尋找是用某種方法將數據集所含的規律找出來；規律表示是盡可能以用戶可理解的方式（如可視化）將找出的規律表示出來。

隨著信息技術的發展，探索新的學習方式、教學方法以及建設數字化校園成為當代教學工作的重點。隨著無紙化辦公的深入，越來越多的數據信息存儲在服務器內，如何合理、恰當、有效地運用信息技術，從海量的數據中提取并發現有用的信息，為教育教學提供參考依據，成為當前急需解決的新問題[6]。

考試成績是對學生學習情況的檢查和評定，它從一個側面反映了學校教育的成功與否。近年來，隨著高校學生考研需求的逐年增長，學生考研成績評估成為評價教學質量的一個重要依據。運用人工神經網絡技術能構建學生考研成績數據庫，分析學生的考研成績，找出對成績影響較大的因素，對學生的考研成績作出一定的預測，為學生填報志愿提供指導，提高考研錄取率，這將對改進學生的培養方式和提高教學質量帶來很大的幫助。

本文基于數據挖掘思想構建學生的考研成績數據庫，通過人工神經網絡技術來進行研究分析，探究學生的學習成績蘊藏的規律。

一、數據的采集

本文的實驗數據收集了廣東醫科大學藥學院2015、2016、2017級藥學專業學生的考研成績及相關主干課程的成績。考研成績為總分。依據藥學專業人才培養方案中的課程設置，筆者參照選取了相關主干課程成績：藥理學、藥物化學、藥劑學、藥物分析、天然藥物化學、藥用植物學與生藥學、生物藥劑學與藥代動力學專業課成績和有機化學、分析化學專業基礎課成績（建立模型時統稱為專業基礎）。本研究建立了藥學專業學生的考研成績數據庫和分析數據庫，通過人工神經網絡技術對學生的成績進行分析。

二、模型的建立

一個典型的人工神經網絡由一個輸入層（input layer）、多個隱藏層（hidden layer）和一個輸出層（output layer）構成。神經網絡的第一層稱為輸入層，被設計來從外部接收各種輸入；神經網絡的最后一層稱為輸出層，輸出處理結果；位于輸入層和輸出層之間有一到多個層稱為隱藏層，神經網絡大部分由隱藏層構成。

根據藥學專業主干課程的設置，模型選取了藥理學、藥物化學、藥劑學、藥物分析、生物藥劑學與藥代動力學、無機化學、有機化學、分析化學8門課程的成績作為輸入，以考研總分和專業基礎課成績作為輸出，從159名學生樣本中隨機抽取109名為訓練集，50名為驗證集，從而建立人工神經網絡模型，如圖1所示。模型包括輸入層（8個神經元）、隱藏層（6個神經元）和輸出層（2個神經元）。8門主干課程的成績通過輸入節點輸入之后，再經過隱藏層的數據處理，最后在輸出層節點得出輸出值。

圖1 基于人工神經網絡的考研成績預測模型

三、預測結果分析

藥學專業學生的專業基礎課程成績和考研總分成績預測結果如圖2所示。通過圖2可以看出，預測值與實際值之間的差異大小可以通過觀察預測值與實際值之間的差異來評價模型。由圖2可以看出，模型的預測性能能較好地通過檢驗。

圖2 預測-實測圖（專業基礎）

圖3 預測-實測圖（總分）

對輸入數據正態化可以保證神經網絡的輸出對各參數的梯度（導數）間不會相差過大，使我們僅用一個學習率的改變就可以滿足各參數的更新，達到模型的穩定。正態化是改進模型收斂性的工具。根據自變量重要性（見圖4）和正態化重要性（見圖5）的分析結果可以看出，模型選取的藥物化學等8門課程的正態化重要性較好，基本能保證預測模型的可操性和穩定性。

圖4 自變量重要性

圖5 正態化重要性

四、結束語

綜上所述，人工神經網絡模型對考研成績的預測具有較高的準確性，說明本研究整體的技術路線可行。人工神經網絡模型能通過藥學專業藥物化學、藥物分析、藥劑學、生物藥劑學與藥代動力學、有機化學、藥理學、分析化學、無機化學等主干課程的成績去預測考研成績。人工神經網絡模型能找出對學生成績影響最大的因素，學生可以根據自己主干課程的成績去預測自己的考研成績，從而判斷自己的考研策略[7]。教師要進一步了解學生的學習情況，及時對主干課程進行調整，對課程教學內容進行優化，對教學方法進行改革，不斷提高教學質量，從而滿足學生的學習需求和發展需要。教師要對學生的考研成績作出正確的預測，給學生填報志愿提供指導策略，提高考研錄取率。人工神經網絡模型能為高校教師管理各項教學工作、指導教育教學實踐、更客觀地評價教學質量的效果提供依據，也能為職能部門的正確決策提供科學的理論依據。