数据挖掘技术在E-Learning中的应用.docVIP

数据挖掘技术在E-Learning中的应用 吴代文 王红艳 （渭南师范学院 传媒工程系 陕西 渭南 714000） 摘 要：数据挖掘是一种前沿技术，e-Learning的迅猛发展迫切需要满足个性化学习的需求。首先介绍数据挖掘技术，然后应用数据挖掘技术中聚类和关联规则两种方法，可以实现对学生练习结果进行科学的、客观的分析。数据挖掘技术在e-Learning学习系统中的应用提高了学习系统的个性化服务水平,为系统的决策分析提供了智能的辅助手段。 关键词：数据挖掘；e-Learning；个性化学习 Application of Data Mining in E-Learning System Wu Daiwen Wang Hongyan （Department of Communication Engineering,Weinan Teacher’s College,Weinan Shanxi 714000,China） Abstract：Data mining is a leading-edge technology, the rapid development of e-Learning urgently requires the demand of personalized-learning. First introduce data mining technology, and then use data mining association rules and clustering in the two methods, to achieve results for students to practice scientific, objective analysis. The application of data mining technology in the system raises the personalized service level of the learning system and offers intelligent supplementary means for systematic decision analysis. Key words：data mining; e-Learning; personalized-learning .e-Learning方面基本还是空白，本文就该技术在此方面的应用做初步的探讨。 1 数据挖掘技术 1.1 数据挖掘的定义 数据挖掘就是从数据库中抽取隐含的、以前未知的、具有潜在应用价值的信息的过程。也把数据挖掘称为知识抽取、数据捕捞、数据考古学等等。 1.2 数据挖掘的常用技术 1.决策树（decision tree） 决策树(decision tree)一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。.粗糙集（rough set） 粗糙集用于处理含糊性和不确定性，是由集合的下近似、上近似来定义的。粗糙集是具有三值隶属函数的模糊集，常与关联规则、分类和聚类方法结合使用，一般不单用[1]。粗糙集能有效地处理下列问题：不确定或不精确知识的表达；经验学习并从经验中获取知识；不一致信息的分析；根据不确定、不完整的知识进行推理；在保留信息的前提下进行数据化简；近似模式分类；识别并评估数据之间的依赖关系。 3.神经网络（neural network） 利用大量的简单计算单元（神经元）连成网络，实现大规模并行计算；分布式存储，自组织，自学习，通过学习来改变神经元之间的连接强度。 2 传统e-Learning系统存在的问题及应用数据挖掘的意义 传统的e-Learning系统，当学生从习题库随机抽取习题对所学知识进行练习后，系统只能对学生练习的结果进行对或错的简单评判，而不能深入的分析错误以及学生犯错误的原因。这样每次学生出现错误教师要对其进行个别指导，很多时候学生都是在重复同样的错误，教师在对多名学生进行指导后才发现是一个普遍存在的问题，这样就浪费了教师大量的教学时间。应用数据挖掘技术的e-Learning系统则可以有效的解决这个问题，使教师能够准确的把握学生对知识的掌握程度，以便及时的调整教学方法和教学重点，提高教学效果并使教学更加具有针对性[2]。 3 应用数据挖掘技术的E-Learning系统 3.1 系统的结构 应用数据挖掘技术的e-Learning系统与传统教学系统最大的不同，就是在原有系统的基础上，在学生练习和教师指导之间，加入了数据挖掘过程。数据挖掘过程由数据库部分和挖掘部分组成。数据库部分包括正确习题结果、错误习题结果、知识点关联关系库。目的就是通过对学生