基于数据挖掘的高校网络教学平台构建与研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于数据挖掘的高校网络教学平台构建与研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：本文分析了高校网络教学平台的现状，所面临着无法科学的得到学生利用网络教学平台学习的反馈，从而引出了数据挖掘技术。介绍了数据挖掘技术的基本情况，阐述了数据挖掘技术在网络教学平台中所起到的作用，设计了基于数据挖掘技术的网络教学平台，并对本项研究进行了总结和展望。
关键词：数据挖掘；网络教学；教学质量
中图分类号：G434 文献标识码：A文章编号：1007-9599 (2011) 16-0000-02
Colleges and Universities Network Teaching Platform Building and Research Based on Data Mining
Huang Wei1,Wen Zhu2
(1.Nanning Vocational and Technical School of Information Engineering College,Nanning530008,China;2.Guangxi International Business Vocational College,Nanning530007,China)
Abstract:This paper analyzes the status of university network teaching platform,the face can not get students to use the scientific study of the feedback network teaching platform,which leads to data mining.Introduced the basic situation of data mining,data mining techniques described in the online teaching platform,the role played by the design of data mining technology based on network teaching platform,and this study is summarized and prospects.
Keywords:Data mining;Online teaching;Teaching quality
随着我国高等教育规模的快速发展、信息技术的广泛应用，我国高等教育的教学理念、教学模式、教学环境和教学手段等都有了重大变革，课程教学模式与教学管理模式得到了不断的改进。网络教学平台以其灵活的、开放的、基于资源的特点日益成为现代教育过程中不可替代的部分，不断增长的学生需求和网络所提供的开放式学习机会为网络教学平台的研发、应用和推广提供了优越的发展空间。然而，由于近年来许多高校不断扩招，造成了在校学生规模的剧增，给学校的教学工作带来了许多影响教学质量的问题。而现今的网络教学平台，多是提供教学大纲、教学课件、授课教案、单元测试等教学资源，供学生课后学习。通过信箱、留言板、课程论坛等提供师生实时或非实时的交流。这样的教学平台，只能将知识给学生，并不能从学生对网络教学平台的访问中，科学的获取学生的学习及反馈情况。教师迫切地需要科学地研究分析学生在学习过程中所反映的大量学习情况和知识点掌握情况的数据信息，从中获得知识，继而科学地实施教学改革和课程改革，更大的发挥网络教学平台的作用。
二、数据挖掘技术
传统的网络教学平台无法发现学生在访问该平台时产生的数据所隐藏的关联和规则，无法根据现有的数据预测潜在的规律或未来的趋势。随着技术的不断发展，越来越多的高校开始考虑将数据挖掘技术应用到网络教学平台中，通过对学生点击访问教学平台的数据进行分析和挖掘，对学生学习方式、学习态度、知识的把握度、学习反馈等有了科学的了解，对今后的教学改革、课程设置、教学平台设置等工作提供了决策支持。
（一）数据挖掘定义
数据挖掘是一门新兴的学科，它主要是面向决策支持，为决策者提供有价值的信息。数据挖掘又是一个交叉性的科学领域，涉及数据库技术、统计学理论、机器学习技术、模式识别技术、可视化理论和技术等。有人从商业角度将数据挖掘（Data Mining）定义为：数据挖掘是一种新的商业信息处理技术，其主要特点是对大型商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中挖掘出潜在的模式，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。
（二）数据挖掘分类
由于所用的数据挖掘方法不同、所挖掘的数据类型与知识类型不同、数据挖掘应用的不同，从而产生了大量的、各种不同类型的数据挖掘。
1.根据所挖掘数据库类型的不同来分类，可以分为：关系型数据挖掘、对象型数据挖掘、对象-关系型数据挖掘、事务型数据挖掘、数据仓库的数据挖掘。
2.根据所挖掘的知识类型来分类，可以分为：特征化、区分、关联、分类、聚类、孤立点分析（异常数据）和演变分析、偏差分析、相似性分析等分类。
3.根据所采用技术，可以分为：自动数据挖掘、证实驱动挖掘、发现挖掘和交互式数据挖掘。
4.根据数据挖掘应用来划分，可以分为：金融数据的数据弯角、电信行业的数据挖掘、DNA序列数据挖掘、股票市场数据挖掘、WWW数据挖掘等。
不同的应用通常需要集成对于该应用特别有效果的方法，因此，普通的、全功能的数据挖掘并不一定适合特定领域的数据挖掘任务。
（三）数据挖掘所能发现的知识
1.广义型知识，反映同类事物共同性质的知识；
2.特征型知识，反映事物各方面的特征知识；
3.差异型知识，反映不同事物之间属性差别的知识；
4.关联型知识，反映事物之间依赖或关联的知识；
5.预测型知识，根据历史的和当前的数据推测未来数据；
6.偏离型知识，揭示事物偏离常规的异常现象。
三、基于数据挖掘技术的网络教学平台的设计与实现
（一）解决方案
数据挖掘是一种决策支持过程，是深层次的数据信息分析方法，将数据挖掘技术应用于网络教学平台，对学生的学习方式进行分析，无疑是非常有益的，它可以全面的分析出学习结果与各种因素之间隐藏的内在联系，例如，经过分析，可以得出“什么样的知识描述方式是学生最喜欢的”等类似问题的答案，这是传统的网络教学平台无法具备的。
数据挖掘技术在网络教学平台中的应用，大致可以分析以下七个步骤：
图1：数据挖掘的步骤
（二）设计原则
基于数据挖掘技术的网络教学平台，不同于商业网站、企业网站等其他类型的网络平台，它主要面对的是学生和教师，其浏览网站的目的主要是进行学习、教学资源和信息查询以及师生交互。面对这样群体的需要，设计应遵循以下原则：
1.实现网络辅助教学功能的原则
2.以学生为中心原则
3.交互性原则
4.以人为本原则
5.科学性原则
6.教学设计原则
7.便于数据挖掘的原则
（三）方案实施细则
1.确定挖掘对象及目标。通过学生访问网络教学平台的时间、最常点击的栏目和知识点、下载量最大的内容、网上测验的成绩，挖掘出学生对教学平台使用的反馈，包括时间、知识点、内容、表达形式、测验结果，并用所获得的分析结果指导网络教学平台的改进和课程、上课形式的改革。
2.模型的选定。分析学生对网络教学平台的使用情况，首先找出所有的频繁项集，这些项集出现的频繁行至少和预定义的最小支持度一样，然后由频繁项集产生关联规则，这些规则必须满足最小支持度和最小可信度。
3.数据采集。基于分析的数据是学生对网络教学平台的使用情况，所以我们的数据采集主要来源是网站的访问信息，包括访问时间、时间的长短、知识点的点击率、下载率、题库的使用率。
4.数据预处理。首先将来自多个数据源的数据合并集合在一起，然后使用一定的规则填补遗漏的数据值。
5.数据转换。将选取的数据转换成一个分析模型，建立一个真正适合挖掘算法的分析模型，不同的挖掘算法采用不同的分析数据模型。
6.分类挖掘知识和信息。使用适当的程序设计语言来实现分析数据模型，在净化和转换过的数据集上进行挖掘，得到有用的信息。
7.知识的表示和应用。将数据挖掘得到的分析信息进行解释和评价，生成分类规则呈现出来，然后将规则应用到网络教学平台的改进和课程的改革中，以提高教学质量。
四、总结与展望
数据挖掘迄今为止，一直较多用于银行金融等经济领域，通过数据挖掘，能自动在大量数据里找寻潜在的预测信息，用于发现客户新的需要等。与此类似，数据挖掘对高校的网络教学平台有着非常直接的应用关系。
利用数据挖掘技术，能够分析出学生最常在什么时间段访问教学平台，从而可以安排任课教师在网络上与学生进行互动、交流；利用数据挖掘技术，能够发现学生对课程中知识点的访问频率，从而得出对课程的掌握情况，更加便于提高教师今后的教学质量；利用数据挖掘技术，能够挖掘出学生对网络教学平台表现形式的接受程度，某一些课程，教学平台的设计者理所当然的认为文字、图片、PPT等形式是学生最为容易接受的，然而通过数据挖掘，却发现动画表达形式才最为受学生欢迎。而某一些课程，以练习题的方式对知识点进行巩固和阐述，则是学生最为喜欢的方式；
由于网络教学平台是现今高校推进教学改革、提高教学质量的通用软件，而且各高校、各课程的网络教学平台具有极大的相似性，因此，在高校网络教学平台中注入数据挖掘技术具有相当大的可操作性。此外，基于数据挖掘的网络教学平台也需要在今后的使用和升级过程中进一步的完善和解决更多的技术性问题。如何进一步应用数据挖掘技术，为高校的教学、发展、改革提供更强大的决策支持，这也是未来需要深入研究的方向。
参考文献：
[1]徐春绵.浅谈教学网站的设计[J].中国科技信息,2007,22
[2]王光翔.数据仓库技术在招生决策系统中的应用[J].贵州大学学报(自然科学版),2006,11,23(4):389-391
[3]徐嘉莉,石琳,付平.改进的Apriori算法在基于J2EE架构的网络考试系统中的应用[J].成都大学学报(自然科学版),2007,9(26):3
[作者简介]黄伟（1979-），南宁职业技术学院信息工程学院软件技术专业带头人，讲师，硕士，专注于软件开发、软件工程、数据挖掘方向的研究；文竹（1982-），广西国际商务职业技术学院信息工程系信息技术教研室主任，讲师，硕士。