《数据挖掘在网络教学平台中的应用.doc》由会员分享，可在线阅读，更多相关《数据挖掘在网络教学平台中的应用.doc（7页珍藏版）》请在三一文库上搜索。
1、数据挖掘在网络教学平台中的应用 摘 要：数据挖掘技术在教育事业中的应用对网络教学将有着积极的促进作用。分析了基于数据挖掘技术的网络教学平台的构建情况，从而探析数据挖掘技术在网络教学尤其是成绩分析中的应用情况。 作者简介：姜跃（1958-），女，安徽芜湖人，云南财经大学高等职业技术学院副教授，研究方向为数据库，数据库挖掘，人工智能。 0 引言 随着信息技术的不断发展及其广泛应用，信息化教育逐渐成为我国教育未来发展的趋势。而在教学过程中进行信息分析是教育信息化发展的必然要求。所以，教育信息化首先要处理的问题就是利用信息科学处理好各种教学信息，并对其进行有效的控制和评价。作为发现知识、探索知识的技术
2、，数据挖掘可以通过WWW、展开文件、数据仓库、关系数据库等数据集合中寻找出用户所要求的知识或者数据。由于这些知识往往存于海量的异构的信息化社会中，对其进行挖掘必须采取一定的技术手段。因此，要想将若隐若现、无以计数的、零散的教育信息联合成一个有利于教育决策的信息拼图，数据挖掘将发挥着重要的作用。 1 基于数据挖掘技术的网络教学平台的构建 随着信息技术的发展，教育越来越趋向网络化、信息化，网络教育也越来越重视数据挖掘技术的应用，数据挖掘技术在网络教学平台中的应用也开始从以网站为中心向以学生为中心转化。学生在通过网络进行学习、获得资源、进行考试、作业、实验的同时，他们也将会在Web服务器端上留下或者
3、产生许多有用的访问数据和信息，通过数据挖掘技术能够从这些数据和信息中获得可用于教学的知识，并指导着教师的教学活动和网站结构的改善。 1.1 数据挖掘在网络教学平台中的应用思路 通过数据挖掘来构建网络教学平台的关键是对学生学习的各个阶段进行差异化分析，从而根据参与学习学生的具体情况进行分类，对不同的学生设计不一样的教学内容和方法、进程。同时根据所搜集到的学生信息对学生学习的每个阶段进行信息反馈及评价，根据学生的个性设计相应的教学计划。利用数据挖掘技术于网络教学平台的思路主要是：首先对于每个主题知识，都设计初级、中级、高级3种学习方案；接着在学生用户进行注册时，学生们将其个人信息进行输入，此时，系
4、统会采取具体的SLIQ算法获取学生用户的个人信息并将其信息进行归类处理，将学生按照其学习能力或者成绩进行分类，并且在归类之后，学生用户所属的类别会因为其个人信息的更新和其成绩、学习能力的更改而会发生改变，例如，某一学生之前的学习能力为“低级”，或者其成绩为合格，在进行一段时间的网络教学之后，使其学习能力得到了提高，变为了“中级”，这时，此学生的属性将会发生改变，其类别将会进行重新计算，他的学习等级属性将发生提高。因此，学生用户的属性或者类别会随着他们的个人信息、学习情况的变化而发生变化，从而在进行基于数据挖掘技术的网络教学过程中必须保持学生数据的正确性、真实性。 1.2 数据挖掘技术基础下的网
5、络教学平台的结构 构建基于数据挖掘技术的网络教学平台，其具体的结构图如图1所示。 在图1中，学生的个人信息比如姓名、年龄、专业、年级、个人爱好等都存放在学生基本信息中；数字化校园信息主要是来自数字化校园的，里面有关于教师和学生的一些信息，如学生的学习情况等，利用数字化校园信息可以使教学效率大大提高；教学反馈信息主要是指对学生在网络教学中进行作业、测试、实验以及在线答疑的结果进行评价和反馈；学生访问记录主要是指学生对网站进行访问时在服务器端所留下的记录。在对以上这些数据进行预处理之后，通过专门的数据挖掘模块，采用具体的挖掘算法进行识别，数据挖掘出的结果将存放于结果库中，并通过专门的模式分析模块对
6、其进行验证和筛选。这些结果在进行验证和筛选之后，将会通过在线服务处理模块进行反馈，将这些数据信息反馈给学生，从而实现对学生的个性化教学。在学生进行网站登陆之后，他们的访问信息将会在服务器端被记录和保存，同时也会传输到在线服务处理模块，此时，在线服务处理模块依照学生们的标识，在挖掘数据结果集中选取跟这些学生相对应的挖掘数据结果，比如：个性化网站结构、辅导资料、学习建议、推荐的文章链接、推荐的课程等，将这些信息及时向学生们进行反馈。 2 数据挖掘技术在网络教学中的具体应用 数据挖掘技术在网络教学中的应用涉及的范围比较多，领域也比较广，本文就不一一介绍，主要对数据挖掘技术在成绩分析评价中的应用进行阐
7、述。传统教学中，教师往往采取简单的通过考试分数对学生的学习效果进行评价，而对于学生成绩分析上却并没有花多少时间和精力，从而使得教学评价的作用并没有有效的发挥。目前，采取数据挖掘技术对学生进行成绩分析，主要从以下几个方面入手： 2.1 试题分析 通过数据挖掘技术，对考试成绩以及参与考试的样本进行分析，对那些存在异常情况或者反应的试题进行标记和警告，并对专家估计的试题属性值进行自动校正。在数据挖掘中，对试题的难度使用学生的通过率来表示，这个通过率将可以为试卷的组成提供选题的根据，从而对考试分数的离散程度和分布形态产生直接的影响。一般情况下，整个试卷的难易程度平均为0.5为最佳的，每个试题的难度系数
8、在0.2-0.8之间均匀分布的话，其为好。这一界限的设定将直接反应了题目的鉴别能力。通过对题目进行难易程度的划分，可以对试题进行一个良性的评价，同时有利于对学生学习情况的科学评价。 2.2 试卷分析 通过数据挖掘机是对试卷进行分析，主要是利用关联规则对试卷数据库进行分析来获取某次考试的得分分布、可信度和有效性等信息。从而对标准分数、效度、从信度进行评价。其中所说的信度主要包括3个方面的信度，即由客观题构成的试卷的信度、由主观题构成的试卷的信度和由主观题和客观题并存的试卷的信度。至于如何对信度系数的大小进行度量，一般结合所要测验的内容、条件、用途来进行的，同时也要考虑效度用以测验的功能和质量。同
9、时通过效标关系、效度进行预测为进一步改进测验或是在几个同类测验中合理选择提供依据。 2.3 学生分析 由于学生在考试或者测试之后往往对自己的成绩和排名非常关心，关心自己对哪些知识点学习的好、掌握的好，哪些没有充分掌握，下一步应该从哪些方面努力等等都非常关心。所以可以通过数据挖掘技术对学生的历次成绩和得分进行分析，从而分析学生的进步情况、学习障碍、知识点和知识单元的掌握情况等等，其中包括利用Z分数对应曲线图对学生同时进行的各科目测试成绩进行的横向比较、利用Z分数对应曲线图及二列相关系数的分析对学生分数在历次测验中进行的纵向比较、利用成绩分布曲线得出学生成绩频数分布图等。 3 结束语 综上所述，作为一种新型的教育教学手段，网络教学越来越受到人们的青睐，通过网络教学，学生们可以在任何地点、任何时间、通过任何形式、从任何环节或者内容进行学习，从而实现网络学习的个性化。可是在网络教学实施过程中，各种教学组织活动以及教学内容都不能根据学生的具体情况进行变动，从而致使教和学的脱节，教学效果低下。所以，可以通过数据挖掘技术去搜集跟学生学习相关的历史数据并进行具体分析，从而可以为教师深入理解学生的实际学习情况，制定相关的教学目标供其学习提供有力的决策支持，是提升教学效果的有力手段。