大数据在高校学生学习行为模式挖掘中应用.docVIP

大数据在高校学生学习行为模式挖掘中应用 　　摘要： 关键词： 中图分类号： 文献标志码： A文章编号： 2095-2163（2017）06-0167-02 　　Abstract： With the arrival of the era of big data， peoples lives and work are surrounded by massive data， and various kinds of information are also produced at the same time. And a lot of security risks are faced by big data in the process of collection， storage and use. This paper mainly discusses the big data information security issues， introduces the related technology of big data， and analyzes the techniques suitable for mining the learning behavior model. 　　0引言 　　随着大数据时代的到来，人们在通过各种方式获取信息的同时，也持续产生了各种各样的信息，如访问网站的浏览信息、电商网站的消费记录、各种登记信息等。不仅如此，科学计算、医疗卫生、金融、零售业等各行业也均有大量数据在不断产生和涌现，专家预计到2020年这一数值会超过40 ZB，因此引发了学术界和各国政府的热议与重视。本文即针对这一课题展开如下探讨论述。 　　1大数据作用 　　大数据技术目前已经被应用到各个领域，其现实作用可分为以下3类： 　　1）获取信息进行预测，如利用数据分析预测股票行情走势。 　　2）分析对象个性化特征，如对于网购客户的搜索信息分析后进行商品推荐。 　　3）去伪存真辨别真假，如对于论坛虚假信息进行过滤等。 　　2信息安全问题 　　研究可知，大数据的利益价值与其带来的信息安全问题同样不容忽视。而另有关于社交网络信息的分析研究表明，通过用户录入的个人信息可以发现其兴趣爱好、生活习惯、工作领域等信息。目前的保护技术仍有待改进，掌握了客户信息的企业常常认为经过匿名处理来隐藏用户标识符即可充分发挥保护作用，但事实上却并非如此，当相关信息进行相互结合处理时，部分用户信息还是会被显性识别出来。目前用户信息的收集、管理和使用等主要依托企业自律，尚待形成严密监管体系，用户也无法自行决定个人信息的使用和销毁。 　　当前，主要的大数据信息保护技术有匿名保护和数据水印技术。其中，匿名保护技术可用于大数据的发布时，如社交网站的发布信息为大数据的主要来源之一，利用匿名保护技?g既可以隐藏用户的标识和属性，也可以将用户间关系的保护一并展开完成。而水印技术则是将标识信息嵌入至数据信息中，而且也不会影响数据使用的技术。 　　3数据挖掘技术 　　数据挖掘技术具体包括了聚类、分类、关联规则、信息检索及序列模式等内容。其中，关联规则能够找到数据间的关联关系，序列模式能够发现数据中的频繁模式，而分类、聚类技术就能够分别在规则已知和未知的情况进行数据分类，另外的信息检索技术则主要用于提升搜索引擎的搜索质量和效率。本文即以笔者所在院校的学生学习行为模式作为研究对象，将各类数据挖掘融入了学生行为的研究管理实践，并以此为核心建构科学合理教学模式。 　　3.1院校大数据特点分析 　　为发现高校学生的学习行为模式，除学生自行安排的学习时间段外，为使数据收集准确且完整，还需要增补课余时间的安排情况，该过程不可避免地涉及到学生隐私，由此可能导致数据量不足或者由于人为因素得到噪声和不完整数据。相对应地，由网络系统记录的在线学习情况的数据则要更加准确和客观，但这却要有关技术和部门的支持与配合。高校学生专业特点不同，学习行为随学期而具备了阶段性变化，因此受到现实情况限制，只收集某专业某一届学生毕业前的学习行为信息，数据会呈现局部特征明显、但普遍代表性不高的特点。综上分析可知，在某专业数据信息收集、分析，并经时间离散化等结构化预处理后，可以存储于数据库中等待数据挖掘技术的实践操作研究。 　　3.2数据挖掘技术应用解析 　　1）分类、聚类技术。如果需要通过学习行为对学生进行分类，则适合采用分类聚类技术。具体来说，分类是一种有指导的技术，可以将学生划分至预先定义的各类中，如可以将学生简单按照成绩分为两组，也可以细化成按照优、良、中、差多个级别不等。而聚类是一种无指导的技术，需要先从数据出发找到学习行为中相近的记录实现分组，分组目标事先不能确定，主要依赖数据特征