Web数据挖掘在个性化网络学习中的应用研究.docVIP

　　Web数据挖掘在个性化网络学习中的应用研究 摘 要 网络 中的海量数据造成了很多的 学习 者难以找到适合自己的学习模式，根据网络资源及传统的基于的网络学习的特点，结合当今流行的Web数据挖掘技术对传统的网络学习模型进行了改造，本文提出了个性化的网络学习模型，更加符合学习者的个性需求。 关键词 Web数据挖掘；网络学习；个性化1 问题 的提出 网络学习是指将网络技术作为构成新型学习环境的有机因素，可以充分体现学习者的主体地位，以探究学习作为主要的学习方式。现在的网络技术的鲜明的特点之一就是海量的信息资源，若是仅仅通过静态网页发布的学习 内容 ，网络学习者很可能会迷失其中。并且个人的学习能力、兴趣与习惯、学习基础都存在巨大的差异。相比之下，网络的学习 方法 和模式就显得十分单一，忽略了学习本身是一种个性化的过程，没有做到因人而异、因材施教，这就造成了两者之间越来越大的矛盾。随着Web数据挖掘技术的 发展 ，网络学习的个性化问题越来越受到了重视，就是学习应当考虑学习者的个别需求和特殊的学习方式[1]。Web数据挖掘技术与网络学习相结合可以为学习者创造一个个性化的网络学习空间，提供符合其学习个性的服务，从而提高学习者的学习效率。2 Web数据挖掘技术 数据挖掘是从大量的数据中抽取出潜在的、有价值的知识、模型或规则的过程。Web数据挖掘的对象是有关Web的数据，主要有Web页内容，如Web文档，Web结构数据如Web文档内的超链接，用户访问数据如服务器的log日志信息，相应的Web挖掘也分为三种：Web内容挖掘、Web结构挖掘、Web访问信息挖掘[2]。 Web内容挖掘是对Web页面内容进行挖掘，从Web页的内容数据中发现信息。尽管人们可以直接从网上通过抓取建立索引，实现检索服务来获得资源，但是大量的“隐藏”信息只能通过内容挖掘来获得。Web结构挖掘是对Web页面之间的结构进行挖掘，主要针对的就是页面的超链接，文档间的超链接反映了文档间的某种联系，如果有较多的超链接指向某一页面，那么该页面的内容就是重要的，发现的这种知识可用来改进搜索路径，优化学习网站的链接，提高学习者获得资源的速度等。Web访问信息挖掘是利用用户和网络交互过程中抽取出来的数据，这些数据主要是用户在访问Web时在Web日志里留下的信息，包括：访问日期、访问次数、访问时间、用户IP地址、服务器IP地址、所请求URL资源等[3]。Web访问挖掘就是对这些数据进行挖掘，以发现有用信息，获得学习者的学习信息，作为提供服务的依据。Web数据挖掘的原理如图1所示。图1 Web数据挖掘原理3 基于Web的传统的网络学习模型 传统的基于的网络学习指的是将普通学习的环节(如上课、答疑、作业、测试等)放到网上来，学习者足不出户便可享受到网上学校提供的服务，在家里就可以浏览课件、进行提问、和其它学习者交流、参加测试等。传统的基于Web的网络学习是一种非实时的网络学习，需要由网络支撑系统的支持，传统的网络学习，以系统自身为中心，并没有充分考虑学习者的需求与习惯，要求人来适应系统而不是系统去适应学习者，使得没有充分按照学习者的学习 规律 来进行学习，所以造成了交互性差，学习效果不明显等诸多问题。传统的网络学习模型如图2所示。 所谓的“网络学习模型”在大多数网络学习站点中只是一个美观的界面而己，它并没有把下面五个子系统有机地结合起来，使之成为一个真正的网络学院，各个子系统有各自独立的数据库(包括学习者信息和各自所用的基本信息)，界面所做的工作无非是提供指向各个子系统的链接。对于进行网络学习的学习者的行为不进行 研究 ，忽视学习者行为这一重要信息。这样，原有的网络学习模型显得不太具有个性化，智能化的特点。所以Web数据挖掘技术的发展有了进一步发展的今天，具有个性化的网络学习显得更为重要。图2 传统的网络学习模型4 个性化网络学习模型的构建4.1 Web数据挖掘技术在个性化网络学习的 应用 分析 Web数据挖掘技术会对未来的个性化网络学习产生极大地推动作用。它既可以对学习者个人提供多种帮助，促进学者自身的个性化学习，又可以对网站的完善、优化提供依据，促进网站的个性化服务。 1)对学习者自身的帮助 (1)帮助学习者进行学习个性分析。不同的学习者具有不同的学习个性，但并不是每个学习对自己的学习个性都有充分的认识。应用Web数据挖掘技术对学习者所留下的信息进行挖掘，形成每个学习者的学习个性模型并将此模型以某种方式提供给学习者，用以帮助学习者进一步了解自己的学习状况、学习能力、学习兴趣等，从而修正自己的学习目标、学习计划、学习策略等。同时通过学习个性分析有助于发现学习者潜在的能力和兴趣，可以帮助其再次认识自己，增强自己的信心，激发学习热情，激发创业动力。 (2)提供可参照的知识体系。人们查阅大量