基于多粒度粗糙集的大学生学习能力研究

学习能力是在校大学生的核心竞争力。大学生学习能力培养是高等教育改革与发展的使命之一，是提高大学生综合竞争力的重要途径。然而，影响大学生学习能力的因素众多并且复杂，从哪些方面提高在校学生学习能力成为一个难题。为了辅助高校更好地提高教学效果，帮助学生提高自身的学习能力，设计了大学生学习能力调查问卷并向在校大学生发放，从而整理获得基础数据，然后在设计的粗糙集属性约简算法的基础之上，利用多粒度粗糙集理论的悲观粒度约简算法和乐观粒度约简算法，从多粒度的角度从众多因素中挖掘出影响大学生学习能力的关键因素，从而辅助学校优化现有的教学体制和制定相关学习策略，有针对性地帮助大学生提高自身的学习能力，提高学生的核心竞争力。

随着国际竞争的加剧和科学技术的迅猛发展，迫切要求高校既要培养学生系统的科学文化知识，又培养学生独立学习和自主创新的能力。《国家中长期教育改革和发展规划纲要(2010-2020)》中强调，要“优化知识结构，丰富社会实践，强化能力培养。着力提高学生的学习能力、实践能力、创新能力，教育学生学会知识技能，学会动手动脑，学会生存生活，学会做人做事，促进学生主动适应社会，开创美好未来。” 学习能力是指以快捷、简便、有效的方式获取准确知识、信息，并将它转化为自身能力的本事。学习能力表征了个体对外界变化的态度，体现了个体在社会生活中的生存能力，是大学生发现和解决问题的本质能力[1]。因此，利用基于粗糙集的粒度约简算法发掘影响大学生学习能力的关键因素，帮助高校管理者更具针对性地提高大学生的学习能力，提高学生的综合素质，具有重要的研究意义。

粗糙集理论是波兰学者Z. Pawlak 在1982 年提出的一种能够有效处理不精确和不确定信息的数学工具[2] [3]。它通过知识约简，导出问题的决策或分类规则，从而发现隐含的知识，揭示潜在的规律。粗糙集理论最突出的优点是不需要数据的额外信息，“让数据自己说话”，所以对问题的描述或处理较为客观[4]。近年来，在数据挖掘、机器学习与知识发现、决策支持与分析等领域取得了广泛而成功的应用。

然而， 经典粗糙集是基于单粒度和单层次的， 无法从多粒度和多层次对数据进行处理， 因此钱宇华等[5] [6] [7]引入多粒度粗糙集，对数据进行处理。悲观多粒度粗糙集的约简算法强调“求同排异”，目标概念通过多个等价粒空间来近似描述，在多个独立的粒空间中，某个对象所处的信息粒只有全部包含在目标概念中才能将其放入下近似[8] [9]， 其上近似则定义为目标概念补集的下近似的补集。

乐观多粒度粗糙集的约简算法强调“求同存异”，在任意一个粒度空间上进行的决策与其他粒度空间没有关系，不会影响其他粒度空间上进行的决策，也不会受到其他粒度空间上决策的影响[10] [11]。

我们首先设计学习能力调查问卷表，然后向大一到大四的在校大学生在线发放问卷以收集数据得到决策表，删除不完整数据。对于最终保留的有效数据，基于多粒度粗糙集，从乐观和悲观两个方面对数