数据挖掘在个性化学习系统中地应用研究.pdf

论文摘要 目前，网络发展日益迅速，网络学习应运而生，为了满足学生的不同需求，如何 在网络学习中加入个性化思想也就成为了值得研究的课题之一。传统的网络学习一般 仅仅以“资料”作为中心，但由于网络上的资料非常巨大，如果学生只是简单地进行 静态页面的学习，由于学习者之间的学习能力、兴趣、态度、爱好等都存在一定程度 上不同，这就会造成学习方式比较单一的问题。学习本来就是一个个性化的过程，如 果所有人面临的学习资源均是一样的，那么就无法达到实际的目标。 本论文就是要做到从学习者的角度出发，围绕学习者不同的需求，在网络学习系 统的环境下提出一个新的个性化学习模型，来对不同程度的学生提供不同的个性化服 务。此模型将两种数据挖掘技术融合在一起，以学习者在学习系统中记录的学习行为 作为原始数据，比如做过的试题、试题难易程度、测试结果等信息，首先对学习者的 学习能力进行评估，并以此为根据用聚类算法对学习者进行分类，其中，对于采取的 k．n舱ans聚类算法在如何选取初始中心以及收敛速度两个方面进行了优化，其次，对 关联规则算法作了相关改进，使其适应此模型的数据特点，在每一类的基础上对学习 者的学习行为进行挖掘，获得学习者的频繁学习行为及其潜在的规律，对学习者的学 习路径起到针对性的指导，真正的实现为学习者提供个性化推荐。 在建立了新的个性化学习模型来指导学习者的学习行为后，还要将其应用到实际 的系统中得到验证并加以实现。本论文以Java编程实验系统作为平台，在搭建完模 型之后，首先需要对系统的需求及目标进行分析，描述需要解决哪些问题，其次通过 画出系统逻辑设计图及描述内部结构的类图更好地理解系统所实现的功能，并对内部 如何实现有一个基本的把握，再次还需进一步细化个性化学习的推荐流程，最后，对 系统进行实现以及效果评价。本文从中获取真实数据，用Java语言来实现提出的个 性化学习模型，并将其嵌套在系统中，可以满足动态要求，随时对学生的数据进行分 析，以便提供更好的服务，使网络学习系统更加科学化、人性化，发挥其最大优势。 主题词：数据挖掘 以学习者为中心个性化学习模型 聚类算法 关联规则算法 万方数据 Abstract cameinto orderto Currently,networkdevelops being,in rapidly,networklearning meetthestudents’differentto into idea has needs，howjoinpersonalizedE-learning becormone ofthemost in sets”information” worthystudy．TraditionalE-learninggeneral asthe becausetheinformationOnthenetworkis thestudent center,but verylarge，if learmit static thedifferent simply by pages，considering learning willresultin isa preferences，it singlelearningrnodel．Originallylearningpersonalized facesthesame cannotreachthea