Web挖掘技术在个性化远程教育中应用.docVIP

Web挖掘技术在个性化远程教育中应用 　　[摘要]利用Web挖掘技术，结合远程教育标准，改进远程教学平台，充分体现“以学习者为中心”的教育思想，实现真正意义上的资源共享。 　　[关键词]Web挖掘 远程教育 个性化 教学平台 学习行为评估 　　中图分类号：G43文献标识码：A 文章编号：1671-7597(2008)1210036-01 　　 　　一、引言 　　 　　随着互联网技术的应用和发展，基于Internet技术的网络教育逐渐成为有效利用社会优势教育资源的一种途径。这种教育网络化的趋势不仅为学生提供了便利的学习方式和广泛的选择，也为学校提供了更加深入了解学生需求信息和学生行为特征的可能性。但是，目前的网络教学系统或教学平台主要是在己开发好的课件、素材、网络课程、教案等教学资源的基础上，提供浏览、下载、上传等机械化功能。主要是以“资料”为中心，没有体现以“学习者”为中心的思想。每一个学习者在学习过程中看到的都是基本不变的内容，教学平台不具备个性化和智能化的特性。由于受教育对象个体之间存在着极大的差异性，所以网络教育应该为不同的受教育者提供个别化的教育，网络教学也必须是一种适应个别化学习需求的个性化教学。 　　 　　二、Web挖掘技术简介 　　 　　Web挖掘是对数据挖掘的一种新的发展和应用，是将数据挖掘技术应用于Web的一门技术，涉及Web、数据挖掘、计算机语言学、信息论学等多个领域。 　　（一）Web挖掘概念 　　Web挖掘是从与WWW相关的资源和用户浏览行为中抽取有用的、感兴趣的模式和隐含信息。定义：Web挖掘是从大量Web文件或用户交互数据的集合C中发现隐含的模式P。如果将C看作输入，将P看作输出，其挖掘过程就是从输入到输出的一个映像ξ：C→P。 　　（二）Web挖掘的分类 　　根据 Web数据形式的不同、挖掘对象不同以及挖掘方法的不同，可以将Web挖掘分为三类：Web内容挖掘、Web结构挖掘和Web使用记录的挖掘。 　　1.Web内容挖掘是对Web页面内容进行挖掘，可以说，它是数据挖掘技术在网络信息处理上的应用，主要针对各种非结构化的数据，如文本数据、音频数据、视频数据、图形图像以及动画数据等各种数据相融合的多媒体数据。 　　2.Web结构挖掘是对Web页面之间的结构进行挖掘。它是从WWW的组织结构和链接关系中推导知识，这种模式可以用于网页归类，并由此获得有关不同页面相似度和关联度的信息。Web结构挖掘有助于用户找到相关主题的权威站点，且可以指向众多权威站点的相关主题站点。 　　3. Web使用记录挖掘是对用户访问Web时在服务器上记录下的访问记录进行挖掘，提取相关用户的知识，对用户的访问行为、频度、内容等进行分析，得到关于用户的行为和方式的模式，从而改进站点的结构，或者为用户提供个性化、智能化的服务。 　　（三）Web挖掘的方法和过程 　　1.数据源的收集。WWW服务器中保留有用户的访问日志和用户访问的交互信息，这也是Web使用记录挖掘的重要数据来源，对于这些数据，可以分为日志文件和用户访问数据。 　　2.数据预处理。数据预处理主要对数据源进行数据清洗、数据规范化和数据集成等，形成事务数据库，其目标是，通过对用户访问站点留下的数据，整理成为便于被模式挖掘算法所使用的数据形式，以供数据挖掘阶段使用。 　　3．模式挖掘。对数据预处理所形成的事务数据库，利用模式挖掘的一些有效算法来发现隐藏的模式或者规则。常用的技术有：统计分析、路径分析技术、关联规则发现、序列模式、分类和聚类等技术。 　　4．模式分析。由于用户使用模式挖掘出来的信息还不能直接被人们所理解，需要把这些模式解释为人们可以理解的知识，同时也要去除对人们没有用的模式，所以对于模式分析需要借助一些工具来实现。在此过程中，主要有两种技术：可视化技术和数据知识查询，可视化技术可以解释Web的行为，帮助人们有效地理解不同的现象，将我们感兴趣的知识明显地显示出来；挖掘出来的模式方便地查询到自己想要的模式，从而使用模式和分析更具有针对性。 　　 　　三、基于Web挖掘的个性化远程教育系统构架 　　 　　现代远程开放教育的特点是以学生自主学习为主，所以对学生在线学习的评估是本系统实现的主要功能。系统设计目标是通过对学生在线学习行为的数据采集、统计分析和数据挖掘，对学生在线学习作出客观的评估。 　　（一）系统总体结构 　　在线学习行为评估系统主要由三个模块构成：数据采集模块、统计分析模块和学习行为评估模块。 　　1.数据采集模块主要负责采集、量化学生在线学习行为的数据，建立学习者的个性化特征库，并存储于数据库中。 　　2.统计分析模块主要负责对数据库中的数据进行提取、加工，提供图形化界面实现对学生在线学习行为的实