个性化远程教育模式研究毕业论文.docVIP

个性化远程教育模式研究毕业论文 　　 　　【摘要】文章分析了个性化远程教育实施的网络用法挖掘（WebUasgeMining）技术以及个性化远程教育的各特征要素，并以解释结构模型法（ISM）为基础，分析了各特征要素之间的关联，揭示了个性化远程教育系统的内部结构，并识别各特征要素之间的结构特性，最后建立了个性化远程教育平台模型。利用解释结构模型法还可以用于分析一些复杂的系统设计。 　　 　　【关键词】爪生化；远程教育；解释结构模型法；网络用法挖掘 　　 　　（一）引言 　　 　　远程教育也称为远距离（DistanceLearning）教育，是指师生主要凭借计算机网络或其他媒体所进行的非面对面的教育。随着信息时代的到来，人类知识更新的周期越来越短，如何使教学、培训能满足不同地点和不同学习时间的人们需要，如何最大限度地使广泛的人群享受到优质的教育服务，传统的面对面的教育方式在这方面已经力不从心。在这种情况下，个性化远程教育应运而生，它的优点在于使学生在时间和空间并不统一的情况下，利用计算机网络，就能与教师进行交互并完成学习任务，同时，还可以通过Web数据挖掘技术为学习者实施个性化远程学习服务，它是随着现代信息技术的发展而产生的一种新型教育形式，已经成为中国人接受教育的一个重要组成部分。 　　 　　本文分析了实施个性化远程教育的关键技术——web数据挖掘和解释结构模型法（ISM）技术，并利用该技术对个性化远程教育复杂要素问的关联结构进行研究，通过特征要素之间己知的零乱关系，揭示出系统的内部结构，以此建立了追求个性化教育的远程教育平台模型。 　　 　　（二）实施个性化远程教育关键技术 　　 　　1．网络用法挖掘（WebUasgeMining）技术远程教育作为一种学习手段，适用于各类层次人才的教育，它是一种提供终身教育的良好手段。其教育对象存在着极大的差异性，主要体现在：个人学习目标不同、学习能力不同、认识风格不同。这就必然决定了远程教育必然是一种个别化的教育，远程教学也必须是一种适应个别化学习需求的个性化教学。 　　 　　远程教育平台的访问个性化意味着每个学生在访问远程教育站点时应得到个性化的服务。然而，现有的基于Web的远程教育平台大多不能解决个别化学习的需求，所以也就无法对学习者实施个性化的远程学习服务，主要是现有远程教育教学系统存在一定的不足，其一是动态交互功能不强，很难在系统中进行发现式、创造式的主动学习；其二是系统的智能性较低，不能根据学生的具体情况提供合适的、智能化的交互界面，不能根据学生的学习能力和学习情况提供相应的指导，实现因“才”施教；其三是缺乏有效的引导，并且系统的测试和评价功能不强。为改善这些不足之处，有必要在现代远程教育系统中引入数据挖掘的相关技术，形成一种主动的、协作的、开放的远程教育学习系统，实现个性化、协作性教育教学，最大限度地发挥学习者的主动性、积极性，最大限度地利用优质教育资源。真正实现让学习者主动构建知识的意义，实现自己获取知识、自我更新甚至创造新知识的理想目标。要建立这种个性化远程教育服务系统，网络用法挖掘（WebUasgeMining）技术是我们应该优先选择的一种数据挖掘技术。WebUsageMining用于了解用户的网络行为数据所具有的意义，它所面对的是在用户和网络交互的过程中抽取出来的第二手数据。这些数据主要是用户在访问Web时在Web日志里留下的信息，以及其他一些交互信息，具体来说有用户访问日期、时间、用户IP地址、服务器IP地址、方法、所请求的URL资源、服务器响应状态、用户代理、发送字节等。 　　 　　WebUsageMining就是对ServerLogs、ErrorLogs、CookieLogs等各种日志信息，以及用户的注册数据进行挖掘，以发现有用信息，并对学员访问留下的日志文件进行分析提取，获得关于学员学习的信息，作为对学员提供个性化教学服务的依据，同时还可以利用这些信息建立起一个智能化的、个性化的远程教育系统。这个学习系统可以通过对学习者行为的分析和研究，了解和掌握学生学习的情况、需求、能力、进度、兴趣等，及时调整学习计划，呈现出符合个性的学习资源，使得学生身边似乎有了一个能针对自身特点进行教学的“老师”而获得个性化的教学服务。 　　 　　2．解释结构模型法（ISM）解释结构模型法是用于分析教育技术研究中复杂要素间关联结构的一种专门研究方法，作用是能够利用系统要素之间已知的零乱关系，揭示出系统的内部结构，并运用系统工程的方法，对系统的整体模式进行结构化建模，用整体设计中要涉及的内容结构矩阵来描述系统的设计方案，并以此来诊断系统设计中各方面因素，为系统的整体设计优化提供方向。 　　 　　解释结构模型法（ISM）是以图论中的关联矩阵原理来分析复杂系统的整体结构，将系