基于决策树的网络教学数据挖掘应用.docVIP

基于决策树的网络教学数据挖掘应用 　　摘要:网络教育经过十年的发展,网络学院已经积累了大量的教学和学生数据。对这些数据进行整理和预处理,采用基于决策树的数据挖掘,发现相关的学习规律,帮助教务员和教师调整教学策略,提高网络教学质量。 　　关键词:决策树;数据挖掘;网络教学 　　中图分类号:TP274文献标识码:A文章编号:1009-3044(2010)10-2313-02 　　Data Mining in Network Education Based on Decision Tree 　　YANG Hong-ying, LUO Huan, HE Qiang 　　(College of Network Education, Southwest Jiaotong University, Chengdu 610031, China) 　　Abstract: After a decade of network education development,there have been a lot of education and student data accumulate by network education colleges. After data preparation and data pretreatment, the adoption of date mining technology based on decision_tree can find related study regularity, which help teacher adjust instructional strategies and improve network education quality. 　　Key words: decision tree; data mining; network education 　　绝大多数网络教学平台采用数据库方式管理学生,但由于缺乏相关的数据分析和数据挖掘,数据无法为教学提供更好的反馈,无法帮助教务管理人员和教师调整教学策略达到更好的教学效果,无法为学生提供个性化的学习服务。 　　1 数据挖掘简介 　　1.1 数据挖掘定义 　　目前比较公认的对数据挖掘的定义是:数据挖掘,又称数据库中的知识发现,是从大量的,不完全的,有噪声的,模糊的,随机的数据中,提取隐含在其中的,人们事先不知道的,但又是有趣的潜在有用的信息模式和知识的过程[1]。常用的数据挖掘技术主要有人工神经网络、遗传算法、决策树、邻近搜索、规则推理、模糊逻辑等。 　　1.2 数据挖掘过程 　　数据挖掘过程一般需要经历确定挖掘对象、数据准备、数据挖掘、结果分析与应用四个阶段,如图1所示,这些阶段需要多方面人员配合,并且在具体实施过程中,可能需要重复多次。 　　2 基于决策树的数据挖掘的网络教学中的应用 　　2.1 确定数据挖掘对象 　　定义下清晰的挖掘对象,确定数据挖掘的目标是数据挖掘的第一步。 　　可以选择网络教学多个方面进行基于决策树的数据挖掘。例如,分析学生基本信息如性别、年龄等与成绩的关系;分析学生平时学习活动与期末成绩的关系;分析学生专业与基础课成绩关系等等。 　　本文选择分析学生基本信息、平时成绩、期末英语成绩与英语统考成绩的关系。 　　2.2 数据准备 　　数据准备对于数据挖掘的成功应用至关重要,如果没有数据的预处理阶段,单纯进行数据挖掘将成为一个盲目的搜索过程,可能会得出毫无意义或错误的结果。数据准备工作占数据挖掘总工作时间的80%左右。数据准备大致分为3步: 　　2.2.1 数据选择 　　在数据挖掘的数据准备过程中,我们需要对挖掘任务和数据进行深入理解,初步寻找有用特征,以缩减数据规模,在尽可能保持数据原貌的前提下最大限度的精简数据量。通过数据选择可以使得数据的规律性和潜在特性更加明显。因此,在进行数据挖掘时我们并没有使用所拥有的所有数据。有些数据对象和数据属性对建立数据挖掘模型是没有影响的,我们没有引入,比如学员的籍贯等等,加入这些数据时会大大影响挖掘效率,甚至可能导致挖掘结果的偏差。我们从学生报名数据表中提取了学生性别、年龄、所属学习中心等可能与英语成绩相关的数据,从平时成绩数据表中提取了学生的英语平时成绩,从期末成绩数据表中提取了学生的英语成绩,从统考成绩数据表中提取了统考成绩。 　　2.2.2 数据预处理 　　选择数据后,研究数据的质量,对数据进行预处理,为进一步的分析作准备,并确定将要进行挖掘操作的类型。对数据的预处理主要是对数据进行清洗,解决数据中缺值、冗余、数据定义不一致等问题。对于空值,我们首先翻阅纸质文档,补齐所缺数据。若纸质文档中也无此项数据,我们采用平均值