数据挖掘在高校网络教学平台中的应用研究
岳耀亮
摘要:智能教学系统以其绝对的优势已经为大多数人所接受,但在使用它的过程中也存在着一些不足。为更好地适应用户的个性化、主动性及知识库数据的重组,本文提出数据挖掘技术来解决这一系列问题,以期使智能教学系统为使用者提供更佳的服务。
关键词:数据挖掘 智能教学系统 个性化 知识数据库
中图分类号:G434 文献标识码:A 文章编号:1673-8454(2009)21-0075-02
一、教学网络平台设计思想
1.体系构架
面向服务的体系架构(SOA,Service-Oriented Archi-tecture)主要用于解决复杂环境下的分布式应用,即解决“异构系统通信”和“软件系统进化”两方面的问题。在SOA体系架构下,以“教育信息管理协议集”为公共标准,将解决网络教学平台中各软件模块不能进化和不能互联的问题。
2.几种应用技术
(1)人工智能与ICAI
将人工智能技术中的知识表示、学习、推理、自然语言理解等方法引入CAI,使计算机具有教学专家的智能,形成智能型计算机辅助教学(ICAI)。本教学系统除了具有专家系统应有的领域知识外,还需要有学生模型和教学策略库等。
(2)Agent技术
Agent是一个具有自适应性和智能性的软件实体,能代表用户或其他程序,以主动服务的方式完成工作。利用Agent管理学习者的信息,能动态地跟踪学习者的学习行为,为建立学生模型提供更加可靠的依据;为满足建构主义协同学习的需要,可以把每个学习者看成一个Agent,学习者之间通过Agent的协同机制完成协同学习;教师也可以理解成一个Agent,同样可以和学生交流信息,随时掌握学生的学习状态。
(3)数据挖掘技术
数据挖掘(Data Mining)旨在从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。数据挖掘在教育中的应用空间有:学习者特征分析、挖掘教育规律、合理设置课程、教学评价、个性化服务等等。
二、网络教学平台系统设计
1.典型的数据挖掘系统结构
典型的数据挖掘系统的结构如图1所示。
数据库、数据仓库或其他信息库:这是一个或一组数据库、数据仓库、电子表格或其他类型的数据库。可以在数据上进行数据清理和集成。
数据库或数据仓库服务器:根据用户的数据挖掘请求,数据库或数据仓库服务器负责提取相关数据。
知识库:这是领域知识,用于指导搜索,或评估结果模式的兴趣度。
数据挖掘引擎:这是数据挖掘基本的部分,由一组功能模块组成,用于特征化、关联分类、聚类分析以及演变和偏差分析。
模式评估模块:通常,此成分使用兴趣度度量,并与数据挖掘模块交互,以便将搜索聚焦在有趣的模式上。
图形用户界面:本模块在用户和数据挖掘系统之间通信,允许用户与系统交互,指定数据挖掘查询或任务,提供信息,帮助搜索聚焦,根据数据挖掘的中间结果进行探索式数据挖掘。
2.数据挖掘实现过程
数据挖掘系统结构中关键技术为数据挖掘技术,其过程主要由数据预处理、数据挖掘和结果分析与运用等主要阶段组成。
(1)数据预处理
数据预处理包括数据清理、数据集成和变换、数据规约。数据清理可以去掉噪声数据,纠正数据中的不一致现象;数据集成是将多文件或多数据库中的文件进行合并处理,解决语义模糊性以及清洗数据;数据规约可以通过聚类、删除冗余等方法来压缩数据,从而建立适应数据挖掘的有效数据集,提高数据挖掘质量,减少数据挖掘所需要的时间。
(2)数据挖掘
数据挖掘阶段进行实际的挖掘操作,利用人工智能、神经网络、机器学习、统计分析等方法,从数据库中发现有用的模式或知识等。具体步骤包括选择数据挖掘方法(如神经网络、机器学习、统计分析等)、选择数据挖掘算法(如统计分析算法、一般分类算法和聚类算法等)、进行数据挖掘(找出感兴趣的模式或知识)。
(3)结果分析与运用
运用运筹学、统计学的相关知识,采用关联规则等方法,把数据挖掘分析的结果放入一个个性化数据库中,当学习者下次进入系统时,系统就可以根据个性化数据库提供给其符合学习需求的页面。
3.网络教学平台的体系结构
本网络教育平台的开发环境可采用Windows 2000/XP,SQL Server 2005 以及ASP.NET进行设计,采用SOA +Agent 的解决方案,体系结构如图2所示。
整个教育教学平台由教学平台和管理平台组成。数据库具体包括知识点库、课件库、作业库、试卷库、图书库等必需的教学资源和学生管理、学校行政管理、科研管理等必需的管理资源。
网络教学平台功能介绍:
(1)系统管理
统一人机界面。让学生与教师无论用什么网络教学软件都有熟悉的界面。初级用户还可以在智能Agent个性化的帮助下学习系统的使用。
常用的学习工具包。如字典、计算器、多功能编辑器、批注笔记管理工具、学科用多功能作图板等。
智能学习辅助。包含了许多智能策略与算法,如学习计划管理能指导学生制定合理的“学习奋斗目标”,能根据个人的知识结构库、学习风格习惯、遗忘曲线个性化地安排学习进度、作业强度等。
评价管理。能收集学生操作电脑时的行为表现上传入学生行为记录库作为过程性评价的依据之一;含有“三向”智能评估机制中的“面向学生的发展性评价策略集”,能即时地把最佳评价反馈给学生。
交流通迅。以即时通迅工具为主,支持PZP,功能类似QQ。
安全防护。有防火墙功能,还有系统管理设置、自动升级等功能。
(2)教学平台集成
是网络学习的核心软件集合,有新旧各种教学平台,如流媒体课件点播系统、个别化自主学习系统、协作学习系统、游戏化学习环境等。要按开放标准开发软件,能与整个大系统无缝连接。开发时要注意集成“三向”智能评估机制,有远程考试、课程知识点检测、学习过程采集、智能学习进度控制等功能。
(3)教学支持平台集成
是让教师进行工作的一体化教学支持平台,分为学生(班级)管理系统、教学管理系统、工作业务管理系统、课程管理系统、网络课件维护与开发平台等。
三、结束语
把数据挖掘技术应用于现代网络教学网站设计,开展数据挖掘和知识获取,可以更好地通过对大量的网络教学信息进行数据分析和挖掘,提供一个指导学生学习和教师教学的网络教学系统框架模型。它势必会促进远程教育的进一步发展,对网络教学模式进行改进和完善。数据挖掘技术的应用可切实推进教育创新,深化教学改革,促进现代信息技术在教学中的应用,共享优质教学资源,全面提高教育教学质量,提升我国高等教育的综合实力和国际竞争能力。数据挖掘技术在网络教学系统中的应用前景极为广阔。?筅
参考文献:
[1]Claude Seidman,刘艺译.SQL Server 2000数据挖掘技术指南[M].北京:机械工业出版社,2002.1.
[2]何克抗.信息技术与课程深层次整合的理论与方法[J].电化教育研究,2005(1).
[3]安淑芝.数据仓库与数据挖掘[M].北京:清华大学出版社,2005.6.
[4]余胜泉,陈天,何克抗.网络教学平台的体系结构与总体设计[J].教育技术通迅,2000(7).
(编辑:金冉)
摘要:智能教学系统以其绝对的优势已经为大多数人所接受,但在使用它的过程中也存在着一些不足。为更好地适应用户的个性化、主动性及知识库数据的重组,本文提出数据挖掘技术来解决这一系列问题,以期使智能教学系统为使用者提供更佳的服务。
关键词:数据挖掘 智能教学系统 个性化 知识数据库
中图分类号:G434 文献标识码:A 文章编号:1673-8454(2009)21-0075-02
一、教学网络平台设计思想
1.体系构架
面向服务的体系架构(SOA,Service-Oriented Archi-tecture)主要用于解决复杂环境下的分布式应用,即解决“异构系统通信”和“软件系统进化”两方面的问题。在SOA体系架构下,以“教育信息管理协议集”为公共标准,将解决网络教学平台中各软件模块不能进化和不能互联的问题。
2.几种应用技术
(1)人工智能与ICAI
将人工智能技术中的知识表示、学习、推理、自然语言理解等方法引入CAI,使计算机具有教学专家的智能,形成智能型计算机辅助教学(ICAI)。本教学系统除了具有专家系统应有的领域知识外,还需要有学生模型和教学策略库等。
(2)Agent技术
Agent是一个具有自适应性和智能性的软件实体,能代表用户或其他程序,以主动服务的方式完成工作。利用Agent管理学习者的信息,能动态地跟踪学习者的学习行为,为建立学生模型提供更加可靠的依据;为满足建构主义协同学习的需要,可以把每个学习者看成一个Agent,学习者之间通过Agent的协同机制完成协同学习;教师也可以理解成一个Agent,同样可以和学生交流信息,随时掌握学生的学习状态。
(3)数据挖掘技术
数据挖掘(Data Mining)旨在从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。数据挖掘在教育中的应用空间有:学习者特征分析、挖掘教育规律、合理设置课程、教学评价、个性化服务等等。
二、网络教学平台系统设计
1.典型的数据挖掘系统结构
典型的数据挖掘系统的结构如图1所示。
数据库、数据仓库或其他信息库:这是一个或一组数据库、数据仓库、电子表格或其他类型的数据库。可以在数据上进行数据清理和集成。
数据库或数据仓库服务器:根据用户的数据挖掘请求,数据库或数据仓库服务器负责提取相关数据。
知识库:这是领域知识,用于指导搜索,或评估结果模式的兴趣度。
数据挖掘引擎:这是数据挖掘基本的部分,由一组功能模块组成,用于特征化、关联分类、聚类分析以及演变和偏差分析。
模式评估模块:通常,此成分使用兴趣度度量,并与数据挖掘模块交互,以便将搜索聚焦在有趣的模式上。
图形用户界面:本模块在用户和数据挖掘系统之间通信,允许用户与系统交互,指定数据挖掘查询或任务,提供信息,帮助搜索聚焦,根据数据挖掘的中间结果进行探索式数据挖掘。
2.数据挖掘实现过程
数据挖掘系统结构中关键技术为数据挖掘技术,其过程主要由数据预处理、数据挖掘和结果分析与运用等主要阶段组成。
(1)数据预处理
数据预处理包括数据清理、数据集成和变换、数据规约。数据清理可以去掉噪声数据,纠正数据中的不一致现象;数据集成是将多文件或多数据库中的文件进行合并处理,解决语义模糊性以及清洗数据;数据规约可以通过聚类、删除冗余等方法来压缩数据,从而建立适应数据挖掘的有效数据集,提高数据挖掘质量,减少数据挖掘所需要的时间。
(2)数据挖掘
数据挖掘阶段进行实际的挖掘操作,利用人工智能、神经网络、机器学习、统计分析等方法,从数据库中发现有用的模式或知识等。具体步骤包括选择数据挖掘方法(如神经网络、机器学习、统计分析等)、选择数据挖掘算法(如统计分析算法、一般分类算法和聚类算法等)、进行数据挖掘(找出感兴趣的模式或知识)。
(3)结果分析与运用
运用运筹学、统计学的相关知识,采用关联规则等方法,把数据挖掘分析的结果放入一个个性化数据库中,当学习者下次进入系统时,系统就可以根据个性化数据库提供给其符合学习需求的页面。
3.网络教学平台的体系结构
本网络教育平台的开发环境可采用Windows 2000/XP,SQL Server 2005 以及ASP.NET进行设计,采用SOA +Agent 的解决方案,体系结构如图2所示。
整个教育教学平台由教学平台和管理平台组成。数据库具体包括知识点库、课件库、作业库、试卷库、图书库等必需的教学资源和学生管理、学校行政管理、科研管理等必需的管理资源。
网络教学平台功能介绍:
(1)系统管理
统一人机界面。让学生与教师无论用什么网络教学软件都有熟悉的界面。初级用户还可以在智能Agent个性化的帮助下学习系统的使用。
常用的学习工具包。如字典、计算器、多功能编辑器、批注笔记管理工具、学科用多功能作图板等。
智能学习辅助。包含了许多智能策略与算法,如学习计划管理能指导学生制定合理的“学习奋斗目标”,能根据个人的知识结构库、学习风格习惯、遗忘曲线个性化地安排学习进度、作业强度等。
评价管理。能收集学生操作电脑时的行为表现上传入学生行为记录库作为过程性评价的依据之一;含有“三向”智能评估机制中的“面向学生的发展性评价策略集”,能即时地把最佳评价反馈给学生。
交流通迅。以即时通迅工具为主,支持PZP,功能类似QQ。
安全防护。有防火墙功能,还有系统管理设置、自动升级等功能。
(2)教学平台集成
是网络学习的核心软件集合,有新旧各种教学平台,如流媒体课件点播系统、个别化自主学习系统、协作学习系统、游戏化学习环境等。要按开放标准开发软件,能与整个大系统无缝连接。开发时要注意集成“三向”智能评估机制,有远程考试、课程知识点检测、学习过程采集、智能学习进度控制等功能。
(3)教学支持平台集成
是让教师进行工作的一体化教学支持平台,分为学生(班级)管理系统、教学管理系统、工作业务管理系统、课程管理系统、网络课件维护与开发平台等。
三、结束语
把数据挖掘技术应用于现代网络教学网站设计,开展数据挖掘和知识获取,可以更好地通过对大量的网络教学信息进行数据分析和挖掘,提供一个指导学生学习和教师教学的网络教学系统框架模型。它势必会促进远程教育的进一步发展,对网络教学模式进行改进和完善。数据挖掘技术的应用可切实推进教育创新,深化教学改革,促进现代信息技术在教学中的应用,共享优质教学资源,全面提高教育教学质量,提升我国高等教育的综合实力和国际竞争能力。数据挖掘技术在网络教学系统中的应用前景极为广阔。?筅
参考文献:
[1]Claude Seidman,刘艺译.SQL Server 2000数据挖掘技术指南[M].北京:机械工业出版社,2002.1.
[2]何克抗.信息技术与课程深层次整合的理论与方法[J].电化教育研究,2005(1).
[3]安淑芝.数据仓库与数据挖掘[M].北京:清华大学出版社,2005.6.
[4]余胜泉,陈天,何克抗.网络教学平台的体系结构与总体设计[J].教育技术通迅,2000(7).
(编辑:金冉)
