數(shù)據(jù)挖掘技術(shù)在遠(yuǎn)程教育的運(yùn)用

1、數(shù)據(jù)挖掘技術(shù)在遠(yuǎn)程教育的運(yùn)用摘要：木文從分析遠(yuǎn)程教育實(shí)踐中學(xué)生的學(xué)習(xí)支持服務(wù)需求入手,研究了數(shù)據(jù)挖據(jù)技術(shù)在遠(yuǎn)程教育領(lǐng)域中的應(yīng)用，基于決策樹算法根據(jù)學(xué)生知識(shí)儲(chǔ)備情況與學(xué)習(xí)行為的特征數(shù)據(jù)構(gòu)建了學(xué)習(xí)支持服務(wù)模型。關(guān)鍵詞：遠(yuǎn)程教育；數(shù)據(jù)挖掘；學(xué)習(xí)支持服務(wù)；Clementinel2.0基于教育數(shù)據(jù)挖掘(EducationalDataMining)技術(shù)對(duì)遠(yuǎn)程教育類數(shù)據(jù)集合的處理與分析可以為參與遠(yuǎn)程教育的學(xué)生有針對(duì)性的構(gòu)建學(xué)習(xí)方案，合理組織學(xué)習(xí)內(nèi)容與進(jìn)度，有效提升學(xué)生學(xué)習(xí)效率，對(duì)現(xiàn)代遠(yuǎn)程教育的發(fā)展起到了重耍的推動(dòng)作用。1遠(yuǎn)程教育的局限性對(duì)于接受遠(yuǎn)程教育的學(xué)生，其學(xué)習(xí)效果主要受到三類因素的影響：學(xué)習(xí)過程中的有

2、效交互，學(xué)習(xí)能力的培養(yǎng)，合理的規(guī)劃學(xué)習(xí)進(jìn)度1。而依靠其自身去解決這些問題存在著很大的難度，遠(yuǎn)程教育平臺(tái)應(yīng)根據(jù)學(xué)生的實(shí)際需求提供功能完善有效的學(xué)習(xí)支持服務(wù)，幫助學(xué)生克服學(xué)習(xí)過程中遇到的各類困難，為提升遠(yuǎn)程教育的人才培養(yǎng)質(zhì)量提供保障。2教育數(shù)據(jù)挖掘數(shù)據(jù)挖掘(Da匕Mining),作為涵蓋了計(jì)算機(jī)、統(tǒng)計(jì)學(xué)、數(shù)學(xué)建模等多個(gè)學(xué)科的新興技術(shù)，通過對(duì)存儲(chǔ)的海量數(shù)據(jù)的檢索與分析來發(fā)現(xiàn)研究對(duì)象所隱含的關(guān)系及規(guī)律，以強(qiáng)化組織決策能力。教育數(shù)據(jù)挖掘技術(shù)主要是基于數(shù)據(jù)挖掘技術(shù)對(duì)教育行業(yè)的相關(guān)數(shù)據(jù)進(jìn)行分析、整理與歸類，并依此對(duì)學(xué)生的學(xué)習(xí)行為進(jìn)行有效預(yù)測(cè)2。3基于數(shù)據(jù)挖掘的遠(yuǎn)程教育支持服務(wù)的實(shí)現(xiàn)本研究數(shù)據(jù)挖掘所分析的數(shù)據(jù)

3、來源是運(yùn)城廣播電視大學(xué)遠(yuǎn)程教育平臺(tái)自動(dòng)采集的連續(xù)3年的己結(jié)業(yè)學(xué)員在參與"Android應(yīng)用程序開發(fā)課程學(xué)習(xí)相關(guān)的信息，包括基礎(chǔ)性數(shù)據(jù)（前驅(qū)課程結(jié)課考試分?jǐn)?shù)）、過程性數(shù)據(jù)（參與學(xué)習(xí)該課程的次數(shù)、參與課程在線討論的次數(shù)和課程單元測(cè)試平均分?jǐn)?shù)）和結(jié)論性數(shù)據(jù)（課程結(jié)課考試分?jǐn)?shù)）。通過基于以上三類數(shù)據(jù)建立的學(xué)習(xí)者模型并分析研究三者之間的關(guān)聯(lián)，并以此為基礎(chǔ)創(chuàng)建個(gè)性化學(xué)習(xí)方案的動(dòng)態(tài)推薦機(jī)制，有針對(duì)性的為遠(yuǎn)程教育學(xué)員提供學(xué)習(xí)支持服務(wù)。同時(shí)，我們根據(jù)所選的課程內(nèi)容與特點(diǎn)，我們?yōu)檫h(yuǎn)程教育平臺(tái)的學(xué)員制訂了3種類型的學(xué)習(xí)方案，內(nèi)容簡(jiǎn)述如下：1）傳統(tǒng)學(xué)習(xí)方案。大部分學(xué)員習(xí)慣于傳統(tǒng)的循序漸進(jìn)的學(xué)習(xí)方式。設(shè)計(jì)方案

4、為：編程語法基礎(chǔ)玲算法實(shí)現(xiàn)玲UI界面設(shè)計(jì)好簡(jiǎn)單功能實(shí)現(xiàn)好復(fù)雜功能實(shí)現(xiàn)好完整項(xiàng)目開發(fā)。2）程序功能改進(jìn)。對(duì)于擁有良好程序開發(fā)基礎(chǔ)知識(shí)的學(xué)員，通過對(duì)現(xiàn)有程序的完善與改進(jìn)訓(xùn)練，可以有效提升程序設(shè)計(jì)能力。設(shè)計(jì)方案為：基礎(chǔ)程序代碼填空好單項(xiàng)功能改進(jìn)組合功能改進(jìn)好軟件項(xiàng)目綜合性能改進(jìn)。3）軟件項(xiàng)目實(shí)現(xiàn)。對(duì)于有一定程序開發(fā)經(jīng)驗(yàn)的學(xué)員，可以直接通過軟件項(xiàng)目開發(fā)練習(xí)以進(jìn)一步提升其軟件設(shè)計(jì)與開發(fā)能力。設(shè)計(jì)方案為：設(shè)計(jì)方案分析好軟件子功能實(shí)現(xiàn)好項(xiàng)目功能模塊整合好性能及功能測(cè)試。本研究的主要任務(wù)是通過對(duì)數(shù)據(jù)集的分析來找到影響課程學(xué)習(xí)的屬性與學(xué)習(xí)方案的關(guān)聯(lián)及映射關(guān)系。由此可知，本研究的數(shù)據(jù)挖掘任務(wù)屬于分類任務(wù)，而我們選

5、擇的分類算法是數(shù)據(jù)分類方法中最常用的是決策樹算法，其原理是通過分析預(yù)測(cè)變量和目標(biāo)變量之間的存在關(guān)系來構(gòu)建數(shù)據(jù)集，最終生成的結(jié)果樹中會(huì)顯示預(yù)測(cè)變量與目標(biāo)變量之間的相關(guān)度。本項(xiàng)目中采用了數(shù)據(jù)挖掘軟件Clementinel2.0作為數(shù)據(jù)分析工具并選用C5.0決策樹算法來完成獲取最終的個(gè)性化學(xué)習(xí)方案推薦規(guī)則3。在數(shù)據(jù)挖掘的具體實(shí)現(xiàn)過程中，首先將收集到的學(xué)員學(xué)習(xí)樣本數(shù)據(jù)整理存儲(chǔ)為Excel文件，并在Clementinel2.0中執(zhí)行"源lExcel”命令，導(dǎo)入數(shù)據(jù)文件。然后使用屬性過濾功能，選擇參與數(shù)據(jù)分析的各項(xiàng)屬性。數(shù)據(jù)建模則通過執(zhí)行建模玲C5.0下的執(zhí)行當(dāng)前流命令來完成模型的創(chuàng)建，最后雙擊

6、路徑圖標(biāo)，查看生成的數(shù)據(jù)模型。最后通過輸出玲分析功能，對(duì)該模型進(jìn)行評(píng)估并分析其準(zhǔn)確度。需要注意的是，為排除決策樹算法所生成的規(guī)則集中可能存在重復(fù)和冗余信息4o需要在Clemen-tinel2.0中將所創(chuàng)建規(guī)則集的最小實(shí)例數(shù)設(shè)置為10，以獲取最精簡(jiǎn)的規(guī)則集。此外，在樣本數(shù)量規(guī)模的選擇上本研究選取了2136條數(shù)據(jù)，最終生成的決策樹模型深度為17,經(jīng)過與真實(shí)數(shù)據(jù)的比對(duì)，本次數(shù)據(jù)分類的準(zhǔn)確度達(dá)到87.37%。結(jié)果分析表明，本研究有效并準(zhǔn)確的為學(xué)習(xí)所選課程的學(xué)員推薦了最優(yōu)的學(xué)習(xí)方案。4結(jié)束語本研究利用數(shù)據(jù)挖掘技術(shù)對(duì)遠(yuǎn)程教育平臺(tái)中獲取的學(xué)員基本信息及行為數(shù)據(jù)進(jìn)行分析，并基于決策樹嘗試構(gòu)建了遠(yuǎn)程教育學(xué)習(xí)支持服務(wù)模型，從而幫助遠(yuǎn)程教育學(xué)員制訂個(gè)性化的學(xué)習(xí)方案以提高學(xué)習(xí)效率，獲得更好學(xué)習(xí)效果。參考文獻(xiàn):陳思慧，寧曉梅.數(shù)據(jù)挖掘在個(gè)性化遠(yuǎn)程教育中的應(yīng)用J.福建電腦,2011,27(4)：138-139.2陳紅普.Web挖掘在遠(yuǎn)程教育個(gè)性化服務(wù)中的應(yīng)用J.中國(guó)教育信息化，2008(3)：83-85.丁琳，吳長(zhǎng)永.數(shù)據(jù)挖