1、Web 数据挖掘技术在个性化网络教学中的应用研究摘要:本文针对 Web 数据挖掘技术在个性化网络教学中的应用进行研究,有助于形成一种主动的、协作的、开放的网络教育学习系统,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。 关键词:Web 数据挖掘;个性化教学;网络教育 随着互联网技术的应用和发展,基于 Internet 的网络教学逐渐成为有效利用社会优势教育资源的一种途径。 网络教学能够突破传统教学模式的时空限制,利用其多媒体和信息量大、交互性强、覆盖面广等特点,为更多的人提供接受高等教育的机会,有力推动了我国高等教育大众化的进程;网络教学也是实现
2、现代远程教育的重要桥梁,许多高校设立了网络教育学院,为学生共享学习资源、规划学习进度、自查学习效果、完成学位论文等提供了优良的网络环境;网络教学方式成为各高校必不可少的教学手段,是高校改革教学方法、优化教学过程、实施素质教育的必然结果。 1 网络教学现状 目前,基于 WWW(World Wide Web)的网络教学系统在国内外逐步发展起来,许多大学建立了自己的远程教学站点,以高校精品课程网站为代表的教学网站建设对于提高高等学校人才培养质量,改进学校育人环境,激发师生工作学习的积极性和创造性,有着重要的作用。然而,通过对网络教学系统的调查和学生反馈信息,发现不少网络教学系统存在一定的问题: (1
3、)动态交互功能不强。远程教育系统多是教学材料的堆砌,学生只能被动地浏览教学内容,不能实际地参与到系统中进行发现式、创造式地主动学习,这样就很难达到最佳的学习效果。 (2)系统的智能性较低。其一,不能根据学生的具体情况提供合适的、智能化的交互界面,调动学生的兴趣。其二,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。 (3)系统的测试和评价功能不强。现有的网上测试系统多是在固定的Web 页面上放一些固定的试题,不能根据学生的要求和学习情况自动选题组卷、变换题目,灵活性较差,不能根据学生某个知识点上的薄弱发现学生知识体系中其他相关弱点,而且难度级别较粗略,评价标准不够准确。 (4
4、)缺乏有效的引导。学生在网络环境中随意性较大,有的甚至盲目漫游,既浪费了时间又达不到学习的目的。 2 Web 数据挖掘技术在网络教学中的应用 目前网络教学系统之所以存在上述缺陷,主要是由于忽视了受教育对象个体之间存在着极大的差异性,例如:个人学习目标不同、学习能力不同、认知风格不同,所以网络教学必须是一种适应个别化学习需求的个性化教学。 为改善这些这不足之处,本文提出了个性化网络教学的概念,通过将传统的数据挖掘1(Data Mining)同 Web 结合起来,进行 Web 数据挖掘2,即从 Web 文档和 Web 活动中抽取学生感兴趣的潜在的有用模式和隐藏的信息,作为对学生提供个性化教学服务的
5、依据,协助管理者优化站点结构,提高站点效率,更好地为网络教学服务。其主要研究方法如下: (1)改进网络教学系统性能。对 Web 系统的特性数据进行分析,如:可以提供 Web 流量行为的分析,利用它来处理 Web 缓存、存取平衡等,可以改进远程教育系统性能。另外,随着网上交费等服务的展开,系统安全成为一个需要重点关注的问题,Web 使用挖掘可以提供有用的挖掘模式来检测远程教育站点入侵、欺诈等行为3。 (2)完善网络教学站点结构。对所有学生的浏览路径进行挖掘,发现其中某些页面的逻辑关联,把频繁访问的一些页面直接链接,以改善远程教育站点结构。 (3)提供智能化服务。学生如何使用远程教育网站来进行学习
6、对于远程教育提供者来说是很重要的。通过对学生行为和所选课程等关系的挖掘,发现其中的学生群学习特征和趋势等,为远程教育提供者提供决策依据。 (4)个性化需求设计。从单个学生的浏览信息发现学生的兴趣,向每位学生提供符合其兴趣要求的个性化界面。 3 基于 Web 数据挖掘的个性化网络教学系统设计4 实现个性化网络教学系统的关键就是在学习的各个阶段对个体进行差异化的分析处理和协助学习。首先需要对参加学习的个体情况进行分类以安排相应的教学内容和进程;其次在学习的过程中,知识表示的内容需要根据对学习者的个人情况要求具有不同的形式;最后就是要对每一个阶段的学习进行相应的考核评估和反馈。 个性化的网络教学系统
7、模型如图 1 所示。在该模型中引入了一个闭环反馈环节,让系统根据不同的信息自动调整来适应用户学习需求,其中个性化处理引擎包括三个主要组成部分:分别是用户信息收集中心、个性化分析中心、信息调度中心。 (1)用户信息采集中心。这一模块是个性化远程教育的基础,这是个性分析引擎的数据来源,其收集信息的质量与数量将直接影响个性系统分析的质量,采集的基本信息有用户的经常访问的地址与栏目感兴趣的话题、用户的 IP 地址、停留时间、访问的时间频率、经常提问搜索的关键字、作业与考试的完成过程与结果、进行电子讨论的话题访问的时间段、用户的必要个人信息。信息采集模块负责收集这些信息,并把这些采集的信息顺利的送往下一
8、步的个性分析中心。对于用户来说,用户一旦登陆这个网站,其在上面发生的大多数的行为都可能被信息采集模块所收集,用来进行用户的个性分析。 (2)个性化分析中心。个性分析中心有两大主要组成部分:一是用户的信息库,二是分析处理模块。它的工作方式是分析处理模块结合最新采集的信息与信息库中的数据资源进行新的分析,并把分析结果传递到信息调度模块,同时更新用户信息库中的数据。 (3)信息调度中心。根据个性分析引擎处理后的个性参数来调度几大子系统,并选择合适的教育信息资料将页面反馈给用户以满足其需求,同时把用户在子系统中的个性活动信息反馈给个性化分析中心,然后由个性分析中心进行再加工,来更新用户信息库。对于用户
9、来说,其发出一个请求得到一个响应,中间的过程是透明的,其个性处理的内部过程并不为用户所察觉。 (4)各子系统的工作协调。这些子系统之间的联系是由个性化引擎和用户个性信息库来完成。比如说,一个学生在答疑系统中对于某方面的问题提问次数比较多。那么相应地这一信息将会被个性化引擎及时捕获,并记录到用户个性信息库中,在下一次用户进入作业系统时,个性化引擎将根据这一个性信息调度作业系统对此学生着重进行这一方面问题的训练。4 结束语 随着远程教育的广泛开展,基于 Web 数据挖掘技术的教学网站将大大提高学习者的主动权,使学生明确学习目标,加快学习进度,使得不同方式、不同兴趣的个性化的学习需要得到充分的满足,真正做到因材施教。 参考文献 1韩家炜.数据挖掘概念与技术M.北京:机械工业出版社,2001. 2KANTARDZIC M.数据挖掘:概念、模型、方法和算法M.闪四清,陈茵,程雁,译.北京:清华大学出版社,2003. 3宋爱波.Web 挖掘研究综述.计算机科学J.2001,28(11):13-15. 4甘文丽.基于 Web 的个性化远程学习模型的研究与应用J.科技信息,2007(21):18-19.
