数据挖掘在高校网络教学平台中应用研究.docVIP

数据挖掘在高校网络教学平台中应用研究 　　摘要:智能教学系统以其绝对的优势已经为大多数人所接受,但在使用它的过程中也存在着一些不足。为更好地适应用户的个性化、主动性及知识库数据的重组,本文提出数据挖掘技术来解决这一系列问题,以期使智能教学系统为使用者提供更佳的服务。 　　关键词:数据挖掘 智能教学系统 个性化 知识数据库 　　中图分类号:G434 文献标识码:A 文章编号:1673-8454(2009)21-0075-02 　　 　　一、教学网络平台设计思想 　　 　　1.体系构架 　　面向服务的体系架构(SOA,Service-Oriented Archi-tecture)主要用于解决复杂环境下的分布式应用,即解决“异构系统通信”和“软件系统进化”两方面的问题。在SOA体系架构下,以“教育信息管理协议集”为公共标准,将解决网络教学平台中各软件模块不能进化和不能互联的问题。 　　2.几种应用技术 　　(1)人工智能与ICAI 　　将人工智能技术中的知识表示、学习、推理、自然语言理解等方法引入CAI,使计算机具有教学专家的智能,形成智能型计算机辅助教学(ICAI)。本教学系统除了具有专家系统应有的领域知识外,还需要有学生模型和教学策略库等。 　　(2)Agent技术 　　Agent是一个具有自适应性和智能性的软件实体,能代表用户或其他程序,以主动服务的方式完成工作。利用Agent管理学习者的信息,能动态地跟踪学习者的学习行为,为建立学生模型提供更加可靠的依据;为满足建构主义协同学习的需要,可以把每个学习者看成一个Agent,学习者之间通过Agent的协同机制完成协同学习;教师也可以理解成一个Agent,同样可以和学生交流信息,随时掌握学生的学习状态。 　　(3)数据挖掘技术 　　 　　数据挖掘(Data Mining)旨在从大量的、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、但又是潜在有用的信息和知识。数据挖掘在教育中的应用空间有:学习者特征分析、挖掘教育规律、合理设置课程、教学评价、个性化服务等等。 　　二、网络教学平台系统设计 　　1.典型的数据挖掘系统结构 　　典型的数据挖掘系统的结构如图1所示。 　　数据库、数据仓库或其他信息库:这是一个或一组数据库、数据仓库、电子表格或其他类型的数据库。可以在数据上进行数据清理和集成。 　　数据库或数据仓库服务器:根据用户的数据挖掘请求,数据库或数据仓库服务器负责提取相关数据。 　　知识库:这是领域知识,用于指导搜索,或评估结果模式的兴趣度。 　　数据挖掘引擎:这是数据挖掘基本的部分,由一组功能模块组成,用于特征化、关联分类、聚类分析以及演变和偏差分析。 　　模式评估模块:通常,此成分使用兴趣度度量,并与数据挖掘模块交互,以便将搜索聚焦在有趣的模式上。 　　图形用户界面:本模块在用户和数据挖掘系统之间通信,允许用户与系统交互,指定数据挖掘查询或任务,提供信息,帮助搜索聚焦,根据数据挖掘的中间结果进行探索式数据挖掘。 　　 　　2.数据挖掘实现过程 　　数据挖掘系统结构中关键技术为数据挖掘技术,其过程主要由数据预处理、数据挖掘和结果分析与运用等主要阶段组成。 　　(1)数据预处理 　　数据预处理包括数据清理、数据集成和变换、数据规约。数据清理可以去掉噪声数据,纠正数据中的不一致现象;数据集成是将多文件或多数据库中的文件进行合并处理,解决语义模糊性以及清洗数据;数据规约可以通过聚类、删除冗余等方法来压缩数据,从而建立适应数据挖掘的有效数据集,提高数据挖掘质量,减少数据挖掘所需要的时间。 　　(2)数据挖掘 　　数据挖掘阶段进行实际的挖掘操作,利用人工智能、神经网络、机器学习、统计分析等方法,从数据库中发现有用的模式或知识等。具体步骤包括选择数据挖掘方法(如神经网络、机器学习、统计分析等)、选择数据挖掘算法(如统计分析算法、一般分类算法和聚类算法等)、进行数据挖掘(找出感兴趣的模式或知识)。 　　(3)结果分析与运用 　　运用运筹学、统计学的相关知识,采用关联规则等方法,把数据挖掘分析的结果放入一个个性化数据库中,当学习者下次进入系统时,系统就可以根据个性化数据库提供给其符合学习需求的页面。 　　3.网络教学平台的体系结构 　　本网络教育平台的开发环境可采用Windows 2000/XP,SQL Server 2005 以及ASP.NET进行设计,采用SOA +Agent 的解决方案,体系结构如图2所示。 　　整个教育教学平台由教学平台和管理平台组成。数据库具体包括知识点库、课件库、作业库、试卷库、图书库等必需的教学资源和学生管理、学校行政管理、科研管理等必需的管理资源。 　　网络