摘 要：本文在贝叶斯网络理论分析的基础上，以广州市某技校一个班级20名学生的数学学习情况为应用背景，在已建立的11项学习指标的评价体系基础上，对每个学生的数学学习情况得出了更客观的综合评价。
关键词：传统朴素贝叶斯分类器；课堂评价；学习指标
一、绪论
随着现代教育的发展，传统的单纯以考试的分数来衡量学生课堂学习成果的评价方式，已经很难满足现代技工教育的需求。本文利用朴素贝叶斯分类器，从学生在课堂的参与水平等五大方面出发，对每个学生的课堂学习情况评价进行数据分析，对每个学生的课堂学习情况进行综合评价。
二、样本选取
本文以广州市某技校一个班的20名学生的课堂学习情况为背景，建立起学生课堂学习的评价体系，从学生课堂参与水平、合作水平、学习水平、情感水平和发展水平五方面出发，考察了该班学生课堂学习十一个方面的情况。X1：喜欢数学学习，积极参加讨论、大胆发言；X2：能独立思考，提出自己的设想；X3：具有数学逻辑推理能力；X4：能组织好小组合作讨论和研究；X5：合理评价、管理自己行为；X6：喜欢提出疑问，有解决问题的初步设想；X7：能处理各种信息，得出综合结论；X8：敢于发表自己的观点，富有创造性思维；X9：上课时心情愉快，全身心投入，有自我调节能力；X10：通过自主、合作和老师的指导获得新知识；X11：能应用已学的数学知识解决实际问题。
三、贝叶斯网络简介
贝叶斯网络是一系列变量的联合概率分布的图形表示，在众多的分类器中，朴素贝叶斯分类器以简单的结构和良好的性能受到人们的关注，它是最优秀的分类器之一。NBC基于一个类条件独立性假设(朴素假设)：给定类结点(变量)后，各属性结点(变量)之间相互独立。如果用C表示类变量，用 来表示属性变量。令每一个数据样本都用一个n维特征向量 表示，分别描述对n个属性 的n个度量；假定有m个预定义的类别，类标号为 。当给定一个未知的数据样本x(即没有类标号)，分类器将具有最高后验概率(条件x)的类标号赋予x。
四、数据处理
接下来我们将朴素贝叶斯网络应用于上面的学生课堂学习的评价体系中。本文选用NBC，假设所有的属性 都条件独立于类变量C，即每一个属性变量都以类变量作为唯一的父节点。
下面需要获得网络中每个节点的CPT，即计算 和 。从调研得到20名学生的评价数据中，取一个学生的数据作为测试样本，其他19名学生的数据作为训练集学习网络的参数。评价系统所有因素的取值都已经离散化，学生1作为测试数据，即用x=（1，1，1，1，1，1，1，1，1，1，0，1）来测试，其余样本用来训练，根据前面建立的NBC网络结构，最大似然估计方法学习参数，有
我们得到 最大，则将这条记录划为 ，即朴素贝叶斯分类器对该学生的课堂学习综合评价为好。
按如上检验方式轮换检验，即每次选择一条记录作为测试样本，其余记录作为训练集进行测试，得到38条记录的测试结果。例如，学生1结果为1，学生5结果为-1（其他计算结果略），如前所述，其中每一个指标都分为3个等级，分别是好、一般、差。于是上面两个个学生的课堂综合评价分别为好和差。
这样，通过以上朴素贝叶斯网络分类器，根据20名学生11项的课堂学习表现情况的评价，得出了每个学生课堂学习情况，按好、中、差三个等级划分的综合评价。
五、小结
本文通过传统朴素贝叶斯分类器的数据分析，对每个学生的课堂学习情况进行了综合的评价。这种基于学生在课堂的参与水平、合作水平、学习水平、情感水平和发展水平五大方面情况，分析所得的综合评价，比传统的单纯的以考试分数来衡量学生的学习情况更客观，更符合现代职业教育的理念。
参考文献
[1]史忠植.知识发现[M].北京:北京清华大学出版社, 2000:1-56.
[2]史忠植.高级人工智能[M]. 北京:北京科学出版社, 1998:1-21
[3]田凤占,陆玉昌. 用动态贝叶斯网络建立宏观经济系统模型[J].清华大学学报44(9). 2004:1256-1259.