教育资源共享网络中教师聚类提取及应用.docVIP

教育资源共享网络中教师聚类提取及应用【摘要】教育资源共享网络中,教师间因对相同主题教育资源感兴趣而形成教师聚集现象,即教师聚类。文章分析了教师聚类形成几种原因,利用“k-核”分析法及其扩展提取教师聚类,特别讨论了在没有完整信息情况下,基于信息漫游的教师聚类提取策略。最后讨论教师聚类的应用。 【关键字】资源共享;教师聚类;“k-核”分析法 【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097(2010)06―0100―04 一 引言 教育资源个性化成为近几年教育资源研究领域的热点,文献[1][2][3]进行了相关的研究,其中聚类是常用的手段之一。教育资源共享网络中的教师聚类指在大量教师参与的资源共享网络中按某种策略划分的教师集合。在共享网络中,教师聚类现象是显然的,比如同一个学科的教师间发生关系的概率远远大于不同学科教师间发生关系的概率。 二 教师聚类的形成分析 1 基于自定义教育资源主题 自定义教育资源主题是教育资源个性化最简单的方法。系统将常见的资源分类主题列出,供教师选择。在教师定义感兴趣的资源主题后,系统定期将这些主题的资源以及这些主题的最新资源自动推送给教师。教师群体经过选择,自然地形成了以教育资源主题为划分标准的教师聚类。由于教师可能对多个主题的资源感兴趣,教师将同时属于多个聚类。 2 基于教育资源检索关键字 检索是获取信息最常用的办法,文献[4]指出截止到2008年底,我国网民使用互联网信息检索的比列为68%。每位教师使用的检索关键字往往反映了其对教育资源的需求,通过对群体使用关键字的计算:如相似性、频率等的统计,并将相关信息反馈给教师,可以促进教师对网络中其他教师的了解,进而形成以历史检索关键字为划分策略的教师聚类。 3 基于教育资源“标签云” 对于标签的内涵定位,多数学者认为[5],作为大众标注系统功能得以实现的手段,标签是一种自由形式的关键词元数据,赋予标签的过程可看作一种标注行为。在教育资源共享网络中,教师可以对自有资源进行标注,这些标签从另外一个角度反映了教师感兴趣的主题资源,与其检索历史记录也会有一定的正相关性。同理将这些标签汇集起来,以标签云的方式反馈给教师,顺着标签就可以找到拥有相关资源的用户。这样就形成了以标签为划分策略的教师聚类,同时标签云还反映了某个聚类的规模。 三 教师聚类提取――“团聚子群”分析 从社会学意义讲,教师聚类就是教育资源共享网络中的教师团聚子群――他们是这样一些行动者的子集,相互间具有相对较强的、直接的、高度的、经常的或积极的联系[8]。分析团聚子群,目的是要寻找网络中联系相对比较紧密的教师集合,需要确定网络中团聚度高和底的区域。可用与该教师有关系的教师数量(即“度”)作为测量标准。 1 “k-核”分析法及其扩展 S.B.塞德曼(Seidman)提出了k-核分析[6]。一个k-核是一个最大子图,其中的每个点都至少与其他k个点邻接,即k-核中所有点的度数至少为k。这样,“1k-核”就是一个连通子图,其中所有点都相连,因而其度数至少为1。而要确定一个2k-核,需要忽略所有度数为1的点,只去考察剩余各点之间的关联结构。2k-核由那些度数为2的剩余关联点组成。同理,确定一个3k-核则要去掉度数为2或1的点,依此类推。下图表示的是一个3k-核图,其中每个点的度数至少为3,尽管有两个点(B和J)的度数是4,但是该图不存在4k-核,因为一个k-核必须至少k+1个成员[7]。 (1)处理k-核中的弱关系 从图中可以看出,一个k-核就是整个图中团聚度相对较高的区域,但它不一定是最大的团聚子图,其中可能包括一些松散的关联。如上图中,团聚区域{E,F,G,H,J,K,L}和{A,B,C,D,E,I}是通过弱关系边(弱连接)IJ和CE连在一起的。从教育资源共享来讲,弱关系连接的两个区域可能代表了不同的教育资源主题,只是弱关系的两个端点才有一定的共性,即至少某个教师对资源的兴趣是多元的。因此需要在k-核中区分出这种弱关系。如下定义k-核中的弱关系: 定义:在k-核中存在关系(i,j),断开关系(i,j)后,节点i与节点j之间的最短路径Lij大于阈值M(M≥2)。 (2)利用k-核进行“嵌套” 通过“k-核”分析以及弱关系处理后,获取的高团聚子图内部关系紧密。如果以此提取教师聚类,将有大量的教师节点沦为“噪声”。比如只与该团聚子图内某节点直接连接的节点,它的度为1,显然不属于任何k大于1的团聚子图。但这有现实意义:该教师节点需要某团聚子图的资源,但其自己的资源并不被或还未被别人关注,那么该节点应该加入这个团聚子图以获得该子图的信息。因此,可通过类似嵌套的办