信息化技术在高校教务管理中新型运用研究.docVIP

信息化技术在高校教务管理中新型运用研究 　　摘要：教务管理需要借助网络来进行教务管理或辅助教务管理，是计算机网络在教育中的杰出应用，已经在世界各国的成人高等教育、普通高等教育和中小学教育中开展的如火如荼，将对传统的教育形成补充和挑战。在Web2.0所提供的开放共享的网络环境下，新的教育应用形式Edu2.0应运而生。而网络多媒体技术是现代教务管理技术领域中新崛起的前言技术，随着它的飞速发展，探讨如何实现网络教育信息与教育资源的交流共享，扩大教育教务管理的范围，实现教育教务管理的最优化已成为现代教育教务管理发展的研究方向。 　　关键词：网络；数据挖掘；教育资源 　　中图分类号：G640 文献标识码：A 文章编号：1007-9599　（2012）　19-0000-02 　　1 前言 　　构建交互式网络教务管理与学习环境就成为解决方案之一。利用现代网络技术、网络多媒体技术与现代学习理论相结合，通过构建交互式网络教务管理学习环境，来实现现有各种分散的教育教务管理资源充分共享，以有效实施个性化教育及实现教务管理双方之间的充分沟通交流，使传统模式下的封闭或半封闭的课堂教务管理环境变成一个充满交互与交流的网络虚拟学习社区。 　　2 交互式教务管理模式设计 　　新世纪的今天，利用网络技术、多媒体技术大力发展网络教育、远程教育，已成为教育发展的主流。从目前多媒体网络教务管理系统技术实现的形式和方法来看，大致可分为两种学习模式，一种是以视频会议系统为主的在线式网络教务管理，它是通过控制与传输基于视音频的教育教务管理信息，将在空间上分离的教师和学生联结在一起，进行实时的、可视的交互式教务管理。 　　3 通用Web教务管理模式设计 　　研究关于基于web的通用网络多媒体学习平台的系统模式的设计与实现，就具有十分重要的现实作用与意义。为了解决这个问题，本章实现了一个新颖的以Voronoi　Diagram为基础的私有信息发布模型叫做Semi-Delaunay　Diagram（SDD）和一个隐私保护聚类算法叫做Voronoi　Diagram　Clustering（VDC）。这个模型使用Voronoi　cell的面积去代替相应点的准确信息。使用SDD和VDC，摘要：高校教务管理能够在数据???私性和数据可用性两方面找到很好的平衡。VDC聚类算法与DBSCAN聚类算法具有共同的优点，那就是他们都可以发现任意形状的类。 　　4 聚类算法在教务管理中的应用 　　聚类在教务管理信息数据挖掘中是一个非常基础的问题，在过去的几十年的发展中已经有了非常多的聚类算法出现。那些算法大体可以分为这么几类：partitioning　methods划分的，比如K-means[19-20]，k-modes等等。Hierarchical　methods分层的比如ROCK[25]，CHAMELEON[26]，BIRCH[27]等等。Grid-based　methods基于网格的比如STING[7]。 　　4.1 密度聚类算法教务管理研究 　　基于密度的聚类方法是以密度概念为基础的。我们的VDC聚类方法也是以基于密度为基础的。原有的基于密度的聚类方法有DBSCAN，DENCLUE和OPTICS。这些基于密度的聚类方法都能找到任意形状的类。一个好的聚类方法应该满足以下三条：第一，参数最少，因为对于大量数据来说确定一个好的参数是很困难的，同时参数的选定对最后结果又有很大的影响。第二，能找出任意形状的聚类，因为好多类是不规则的。第三，在进行聚类的同时能很好的保护数据的隐私。使用SDD和VDC，摘要：高校教务管理能够在数据隐私性和数据可用性两方面找到很好的平衡。VDC聚类算法与DBSCAN聚类算法具有共同的优点，那就是他们都可以发现任意形状的类。而像其它的聚类算法，比如著名的k均值算法都不能找出任意形状的类。这里需要注意的是，原始的DBSCAN算法需要两个参数Eps和MinPts，而我们的VDC只需要一个参数MaxArea。隐私保护教务管理信息数据挖掘大体上能够分为两类：安全多方计算和隐私保护数据发布。隐私保护数据发布是让使用者能够建立一个教务管理信息数据挖掘模型同时没有泄露准确信息。一个流行的方法是把原始数据加入噪音进行扰动，数据按一定函数分布对单个个体加入噪音，然后数据算法能够重构。一个基于压缩的方法在中实现，数据首先被聚类成组，让后从组中生成伪数据。隐私保护数据发布原则比如k-anonymity要求每一个等价类包含至少k个记录。最近，许多研究者意识到k-anonymity不能阻止隐私属性泄露。在中l-diversity实现了一个新的原则去克服这些问题。 　　4.2 面向对象协议解析教务管理方法研究 　　本课题综合采用面向对象和面向过程的设计方法，对不同的模块进行