数据挖掘技术在Moodle课程管理系统中的应用研究.docVIP

［文章编号］1003-1553（2011）11-0069-05数据挖掘技术在 ［文章编号］1003-1553（2011）11-0069-05 数据挖掘技术在 Moodle 课程管理系统中的应用研究 王全旺， 赵兵川 （山西大同大学 教育科学与技术学院， 山西 大同 037009） 可以基于学生使用系统的数据，揭示新的、值得关注的 有用知识信息。 本文将以免费课程管理系统 Moodle 为 例探讨数据挖掘技术在远程教学中的应用。 一、导 言 课程管理系统（CMS）能将学生活动与交互的所有 信息记录到日志文件和数据库中， 所以其中积累了大 量对分析学习者行为非常有价值的信息。 基于学生的 学习行为开展学习绩效的评估， 提供课程改进与学习 建议，对学习资料和网络课程进行评价，为 E-learning 课程的师生提供反馈， 对于提高远程教育教学效果与 质量而言非常重要。 但是，由于系统每天产生大量的数 据，所以很难手动管理。 因此教师和课程创作者需要借 助工具来完成这项任务。 尽管一些系统提供一些报告 工具，但对指导教师而言，当面对大量学生时，选取有 用的信息显得非常困难。 因为当评价课程内容与结构 及其对学习过程的功效时， 这些系统不提供允许教师 全程跟踪和评定所有学习者行为活动的特定工具。 数 据挖掘则是实现这一功能的理想选择。 数据挖掘是一个跨学科的领域， 其中汇集了多重 计算范式，如决策树构建、准则归纳、人工神经网络、案 例学习、贝叶斯学习、逻辑设计、统计算法，等等。 CMS 中一些非常有用的数据挖掘技术和方法是统计、 可视 化、聚类、分类以及关联规则挖掘。 通过使用这些方法， 二、E-learning 中的数据挖掘过程 传统的 E-learning 课程开发是一项艰苦的工作。 开发者（通常是课程教师或在线教师）必须选择将要展 示的内容，决定内容的结构，以及为课程的每一类潜在 用户确立最合适的内容。 由于这些决策十分复杂，定向 设计几乎不可行。 许多情况下，可能需要基于学生的使 用信息评价和修正课程内容、结构和导航，更有甚者要 采取连续经验评估法。 为有助于此项活动，可以使用数 据分析方法和工具来观察学生的行为， 辅助教师发现 可能的错误和结果， 以及采取相应的改进措施。 E- learning 中传统的数据分析是基于这样一种假设，即用 户从问题开始，然后探寻数据以确认其直觉。 使用这一 方法的前提是涉及的影响因素和数据比较适中。 但当 用户想要从数据的不同关联关系中找到更复杂的图式 时，采用这一方法就非常困难。 相比而言，使用数据挖 掘技术，则可以自动地揭示数据中隐含的信息，因为其 假设来源于数据而非人为设定。 [1]数据挖掘构建了一种 基金项目：山西省教育科学规划“十一五”青年课题“Moodle 平台在中等职业学校教师专业化发展中的应用研究”（项目编号：QZ-09031） [摘 要] 基于课程管理系统中学习者的学习行为开展学习绩效的评估，提供课程改进与学习建议，对学习资料和网 络课程进行评价，为 E-learning 课程的师生提供反馈，对于提高远程教育教学效果与质量非常重要。 但由于许多课程管 理系统不提供允许教师全程跟踪和评定所有学习者行为活动的特定工具，因此，当面对大量系统数据时，选取有价值的 信息变得十分困难。 教育数据挖掘则是解决这一难题的有效途径。 本文在介绍 E-learning 数据挖掘过程的基础上，重点 阐述了统计、可视化、分类、聚类及关联规则挖掘等数据挖掘技术在 Moodle 系统中的应用。 [关键词] 数据挖掘； Moodle； 课程管理系统 [中图分类号] G434 [文献标识码] A [作者简介] 王全旺（1975—），男，山西原平人。 副教授，博士，主要从事信息技术教育、职业技术教育研究。 E-mail: HYPERLINK mailto:dtdxwqw@ dtdxwqw@。 环 境 建 设 与 资 源 开 发 关注的模式和趋向。E-learning 系统中数据挖掘技术的应用是一个多 重循环。 关注的模式和趋向。 E-learning 系统中数据挖掘技术的应用是一个多 重循环。 [2]挖掘到的知识进入系统循环中起指导、帮助 和促进学习的作用。 数据挖掘不仅把数据转换成知识， 而且还要筛选挖掘到的知识以供决策使用。 与一般数 据挖掘过程相同，E-learning 系统数据挖掘过程也分 为四步： 到测验成绩与测验时间， 还能详细分析每个学生的答 题情况以及对题目本身进行分析。 教师可以轻松获得 学习者个体行为活动的全部报告， 以及某一特定活动 的所有参与者。 每个学生的学习活动报告都是可获得 的，并且描述相关模块的详细资料（最后访问时间，访 问次数）以及每个学生的参与详情。