数据挖掘与应用 [数据挖掘在网络教学的应用]

数据挖掘在网络教学的应用

关键词：数据挖掘；
网络教学；
个性化 引言 目前，利用数据挖掘技术可以完善网络教学平台功能、 改进网络教学平台设计，可以根据老师、学生的自主需求， 转化新的网络教学模式，向学生提供个性化网络教学平台。

数据挖掘（ＤａｔａＭｉｎｉｎｇ）是从海量相关数据中挖 掘并提取有用数据信息的复杂过程。数据挖掘技术就是可以 在大量的数据中，以及信息不完全的海量碎片式信息中，提 取出隐含在其中的有用数据信息；
能够精确挖掘数据，将具 有潜在关联的数据组合在一起，整理集合对决策有用的信息 资料。在数据挖掘技术之中，通常可以依据关联规则、分类 技术、预测技术等，实现对有用数据信息的挖掘。个性化教 学重点突出独特性，独特性是不同人之间的个别差异。个性 化教学以分析研究、学生的个别差异为前提，依据学生的能力、兴趣、个性及程度，采用内容多样化、结构弹性化、形 式多元化的教学方式，促使学生能够轻松畅快地完成学习。

个性化教学离不开学生的主体意识和能动性，充分考虑学生 的个性化特征，提供适当的教学安排和教学活动，引导学生 主动学习、积极参与，提高学生学习的能动性。

１个性化网络教学平台设计 １．１设计理念 个性化网络教学平台不仅提供常规的教学活动，还要对 学习过程进行收集、分析和归纳。需要根据不同学生各自的 个性特点及学习任务的完成情况，通过数据分析挖掘，进而 形成不同的教学策略。学生在这个系统中占主导地位，随着 不断与系统深入交流，学生的学习兴趣、学习能力、对知识 的理解和认知能力也逐步推动教学过程的发展。因此这种智 能化的教学系统为用户提供了一个灵活、自主、活泼的教学 环境，教学质量可以得到不断提高，基于数据挖掘技术下的 网络教学系统可以达到以下几个目标：（１）能够分析学生 的理解能力、认知能力和学习状况等信息，可以自动调整学 习进度、学习内容和教学策略。（２）能够分析学生潜在的 特征和学习行为，进而为学习者提供一个灵活的学习环境。

（３）能够记录学生的学习行为，并进行诊断和评价，为学 生提供一个合适的学习方向和目标。（４）能够为学生提供 活泼轻松的教学内容、测试内容和练习环节。

１．２系统结构设计基于数据挖掘技术的网络教学系统设计，通过收集和分 析来自学习网站大量的学生学习信息，进而发现学生感兴趣 的规则和模式，为老师提供改进课程设计、重构学习平台信 息，根据学生的学习情况，设计不同难度的学习环境。构建 一个智能化、个性化的网络教学平台，平台从逻辑上分为学 生学习系统和教师的教学系统，系统用户由教师和学生两大 类组成。教师主要以课件、微课等方式展现教学内容、管理 试题资源，对学生的学习行为进行分析和评价，依据数据挖 掘的价值信息对教学进度和教学策略进行及时调整；
学生则 在学习过程中，通过自主学习、测试、答疑等环节向平台系 统提供数据来源，系统则会根绝每个学生不同的学习情况， 不断调整学习策略。系统的评价机制则是根据交互式的学习 环境，定制与定量相结合，在海量学习数据中提取有价值的 隐藏信息，将数据作深入分析发掘价值为教师教学提供参考 依据，向学生推荐学习内容，能够为学生提供一个智能活泼 的学习环境。系统对学生的引导主要体现在学习过程中的学 习状态引导、学习策略引导、后继学习引导等方面。个性化 网络教学平台系统一般包含以下几个部分，如图１所示。

（１）个性化信息收集模块，主要是指系统能从用户分析模 型中直接或间接获取信息反馈系统所需的相关数据，而数据 是个性化分析引擎的基础，它的质量将直接影响到信息反馈 ［１］。采集的基本信息包括学生经常访问的地址、感兴趣 的主题、停留时间、访问频率、经常提问的关键字；
作业与测试的完成过程及结果用户的必要个人信息。（２）个性化 分析模块，主要包括数据进行分析和处理。依照一些适用的 分析方法和分析内容，对采集到的数据进行处理，提取信息 以获得对教师教学、学生学习、以及系统运行情况的了解。

（３）个性化信息反馈模块，根据对数据综合处理的结果， 将有用的信息以一定的方式分别反馈到系统，以便于系统对 教学活动的调整。对于学生来说，其发出一个请求得到一个 响应，感觉不到其中的处理过程。

１．３个性化网络教学平台的实现过程 如图２所示。图２个性化网络教学平台的实现过程个性 化网络教学平台一般分为四个步骤来实现，为网络教学提供 有效支撑的。（１）收集相关数据，在网络教学平台中存在 大量的价值信息，包括教学平台的用户访问数据、学生的学 习过程信息、考试成绩等相关内容［２］。可以应用数据挖 掘技术，挖掘网络教数据中潜在的关键信息，对制定教学决 策提供数据参考［３］。（２）数据预处理，在进行数据挖 掘中需要清除冗余数据，修复缺失的数据信息。根据挖掘目 的和需要，在网络教学平台学生原始数据表的基础上建立数 据库。对学生在网络教学平台中的主要网络学习行为或者网 络练习环节与学习效果之间的关系进行分析，学习行为主要 指学生的登录次数、在线时间、点播视频、参与讨论等，练 习环节主要指知识测试、单元测试、强化训练、综合测试等， 通过预处理找出对学习效果影响较大的学习行为。（３）模式识别，对预处理得到的网络教学数据采用数据挖掘的方法 进行数据分析。先挖掘数据之间的关联规则，制定出符合该 网络教学平台进行教学管理的挖掘算法；
在网络教学平台中 通过关联或决策规则，了解在网络教学平台中各种学习行为 之间的关联性，以及其对学生的学习成绩影响程度，预测不 同学习行为可能产生的学习效果；
并且，通过数据挖掘技术 有效分析出学生之间的特征，做好前期的网络教学平台教学 设计工作，为优化网络教学策略提供参考依据。（４）模式 分析，主要解释以及评估数据挖掘的结果，可以对网络教学 平台中的数据挖掘知识结果进行优化分析，同时清除那些冗 余、无用、错误的信息，并将有价值的信息转化为规则模型， 为网络教学管理者进行教学决策管理。

２总结 网络教学是远程教育的最主要的教学方式，个性化则实 现了教师与学生、学生与学生的双向或者多向交流，在网络 自主学习平台中，应用数据挖掘技术可以发挥很大的应用价 值。能够更准确的评估该平台对学生的实用性，可以优化平 台教学策略，培养学生主动性学习能力，提高学生的自学能 力，能够满足不同层次学生对网络教学的学习需求，可以全 面提升网络教学平台的教学质量。

参考文献 ［１］王勤明．Ｗｅｂ挖掘技术在网络学习个性化系统 中的应用［Ｊ］．科技经济市场，２００７（８）：２３．［２］汪刚，朱琳．网络教学平台下的数据挖掘技术探 讨［Ｊ］．电子测试，２０１６（７）：５７－５８． ［３］宋莉，曹良林．数据挖掘技术在远程教学系统中 的应用［Ｊ］．九江学院学报（自然科学版），２０１３（４）：
１０３． ［４］楼树美，李淑玉．数据挖掘在网络教育中的技能 应用［Ｊ］．智能城市，２０１６（８）：３３２－３３３． ［５］吕洪涛，冯丽萍．教学管理中数据挖掘技术的应 用研究［Ｊ］．计算机与网络，２０１３：１６.