面向《多媒体技术》课程个性化教学的数据挖掘与分析.docVIP

面向《多媒体技术》课程个性化教学的数据挖掘与分析 摘要：对多媒体技术在线学习平台中积累的大量教学基础数据进行挖掘与分析研究，建立了选课数据仓库雪花模型，通过Apriori算法挖掘出学生所选的各门媒体技术成绩与期末成绩之间的内在联系，利用k-means算法对实施个性化教学以来的所有学生成绩进行聚类分析，并对结果可视化处理，分析各类学生的特点，为改善个性化教学质量提供数据支持和决策参考。 关键词：数据挖掘，雪花模型，关联规则，聚类分析，个性化教学 中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）08-0190-04 Data Mining and Analysis for the Personalized Teaching of Multimedia Technology Course YANG Nan-yue （Industrial Training Center， Guangdong Polytechnic Normal University， Guangzhou 510665， China） Abstract： Since personalized teaching has been implemented in multimedia technology teaching in the past five years， a lot of teaching data accumulated from multimedia technology online learning platform. The article introduced data mining and analysis technology to process these data in order to obtain support and decision-making reference for the improvement of the quality of personalized teaching. First， the snowflake model of courses selection for data warehouse was built. Then the Apriori algorithm was used to dig out the inner link between the students’ media technology achievements and the final grade. And then cluster analysis with k-means algorithm on all students’ scores was conducted. Finally， the calculated results were visualized and analyzed. Practice proved that data mining and analysis technology is a useful tool for quantitative analysis in the teaching. Key words： data mining； snowflake model； association rule； cluster analysis； personalized teaching 我校的多媒体技术公选课面向全校各年级各专业本科生开课，因此选修本课程的学生来源较复杂，其计算机基础参差不齐。过往统一步调的授课模式满足不了不同层次学生的需求，所以从2011年开始，本门课程实施教学改革，以多媒体技术在线学习平台为基础，结合课堂授课开展个性化教学，把多媒体技术包含的四大媒体技术课程：图像处理、音频处理、视频处理和动画制作做成讲座的形式，每一门课程分别包含两到三次的讲座，学生根据自己的情况选听选学。每门媒体技术不同难易度的学习资料都放在学习平台里，学生可以自由选择学习资源，并通过网络或课堂与同学和老师进行学习交流。考核方式为每一门课程最后一次讲座讲完后在学习平台上进行随堂考试，要求每位学生至少选考其中三门。本门课程期末考试也在学习平台上进行，要求全体学生都必须参加。本教改实施五年来，学生反应良好，同时多媒体技术学习平台网站上存在着大量学生成绩和教师教学及管理过程中的相关数据，那么这些数据之间存在着怎样的联系，是否蕴藏着教与学之间的知识和规律？由于数据挖掘技术能够发现隐藏在海量数据中的潜在联系和规则，从而预测未来的发展趋势[1]，因此我们把该技术引入学习平台中的信息资源管理系统，把大量积累的教学基础数据建立数据仓库[2]，在这基础上运用数据挖掘手段从中快速准确地提取出