智能计算机辅助教学中数据挖掘应用探究.docxVIP

智能计算机辅助教学中数据挖掘应用探究 摘要：随着信息技术的快速发展和普及应用，行业信息化 发展迅速，高校教育信息化也不例外，比如计算机辅助教学 系统。然而传统的计算机辅助教学系统存在诸多不足，无法 满足个性化、智能化的教学需要。由于辅助教学系统中包含 丰富的资源信息，如何充分挖掘、利用这些有效信息，为教 师和学生提供个性化、智能化的服务平台，是智能化辅助教 学系统的主要目标。 关键词：数据挖掘ICAI智能化辅助教学 中图分类号：TP391.6文献标识码：A文章编号： 1007-9416 (2012) 11-0077-01 1、引言 伴随着计算机技术、信息技术的飞速发展，各行各业逐 步进入了信息化的发展时期，而高校教育事业也不例外。由 于社会经济、文化的髙速发展，人们对教育质量的追求日益 高涨，而传统的教学手段和模式已经无法适应这种快速增长 的需求，教学环节逐步和信息化技术相结合，比如计算机辅 助教学系统。然而，传统的计算机辅助教学系统依旧存在多 种弊端，比如个性化、智能化性能不足。而随着数据挖掘技 术、人工智能技术的快速崛起，人们将数据挖掘技术应用到 ICAI中，实现了个性化、智能化的应用，大大提高了 ICAI 的性能和效率。 2、智能计算机辅助教学系统 2、 1概念及意义 智能计算机辅助教学系统ICAI主要依托丰富的教学资 源，为学生提供不同层次的学习服务，为教师提供教学工作 的管理平台。学生可以根据需要制定学习计划，然后进行有 针对性的学习，教师可以对学生进行辅导工作，学生还可以 根据学习进度和效果进行调整。ICAI不同于以往的计算机辅 助教学系统，它具备更多个性化、智能化的功能。 2.2系统结构 ICAI系统通常主要包括四大功能模块：知识库、教师管 理模块、学生学习模块、智能管理接口。 3、 数据挖掘概述 数据挖掘简单理解为“数据库中的发现”，主要是从海 量的数据中提取、分析、挖掘有用的知识信息，通过发现可 用的模式，来发觉可用的内涵信息，用于提供未来发展趋势 的决策信息。数据挖掘的分析方法主要包括四种：分类分析 法、预测、关联规则、聚集分析法。 4、 数据挖掘应用于CAI 4. 1数据挖掘在知识库中的应用 数据挖掘在知识库中的应用主要表现在下述几个方面： 形成知识表示、改进教学模式与策略。 形成知识表示。该过程主要将知识库中的课程信 息、技能信息进行分析、拆解、建模，形成一定的知识体系, 然后采用人工智能技术将这些知识库转换为ICAI系统可识 别的表达模式，从而形成知识表示。在此过程中，使用聚类 分析法将知识信息归类，同类的知识间距大，否则间距小； 同时确定知识点的类标记，方便查找。需要注意的是，此过 程要符合教学规律的需要，便于为个性化教学、启发式教学 提供知识信息储备。接着，通过关联规则建立知识点、题目 库、项目集的关联信息。 改进教学模式与策略。对学生信息库中的数据进 行样本训练，将学生对知识点学习的情况作为分类依据进行 分类，标记每一个学生，并且描述学生的分类特征。根据这 些分类数据，可以改进教学模式和策略，比如控制学生的学 习进度，还可以直接向学生提出学习建议。同时，老师可以 通过从学生的聚类分析中发现规律，找出学生成绩优异、认 知能力强、学习能力差、学习能力一般等级别的学生，实施 个别辅导。 4.2据挖掘在教师模块中的应用 首先使用聚类分析法对学生的学习能力、成绩进行分 类，方便老师为学生提供个性化辅导，而重点就是如何进行 分类。主要使用主成分分析法、聚类分析法对学生的信息进 行提取、分析、描述，从而确定学生的能力分类，可以继续 分解为多个能力属性的分组，形成若干小类，大类可供参考 的信息包括：学生成绩信息、考核信息等。对于学生成绩来 说，小类可能包括：单一科目、综合成绩等；考核信息可能 包括：单一科目考核、综合考核等。综合课程的重难点特点 来分析、归类学生的学习能力趋势，据此建立每类学生和对 应学习指导知识库的关联关系。但是考虑到学生的基础以及 课程彼此间的关联性，因此对于刚入学的学生成绩参考性意 义不大，必须要借助成分分析法对学生成绩实施预处理，使 用其它的分类指标进行分类，更具有科学性；同时，还可以 使用样本训练中的“马氏距离”规则进行聚类分析。最终的 目的是形成学生综合能力的分类，然后建立学生类分组和教 学指导知识库的关联关系，方便教师为学生提供个性化辅 导。 4.3据挖掘在学生模块中的应用 学生信息的内涵较为丰富，包括基础信息、个人高考成 绩信息、个人履历信息、个人喜好信息等，丰富了知识库信 息。可以对这些信息进行分类，对这些类分组进行关联分析, 对于综合考评学生的综合能力具有指导意义。另外，需要考 虑到影响学生学习能力、成绩的因素较多，因此需要发掘潜 在的因素并进行归类。可以使用数据挖掘技术中