C4.5算法在指导自主学习过程中的应用研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇C4.5算法在指导自主学习过程中的应用研究范文，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：在基于网络环境的自主学习模式下，良好的自主选课是进行有效自主学习的前提，人为地对自主学习行为进行指导并不现实。利用面向属性归纳和决策树CA.5算法对自主学习信息进行分析，帮助自主学习者找出学习的专业取向。能够使自主学习者有针对性地学习，实现高校对自主学习者的有效管理，促进自主学习模式的全面形成。

关键词：J2EE；自主学习模式；数据挖掘；c4.5算法；面向属性归纳

0　引言

信息技术的进步与学分制在全国各高等院校中的广泛实施，为自主学习模式提供了发展环境；而质量工程的逐步开展、本科教学改革的全面深入，则会使得自主学习模式必然成为网络教育发展的主要方向。在网络环境的自主学习模式中，学习者可以根据自己的兴趣学习自己喜欢的课程，但是这样就会造成学习者所修的课程杂乱无章、没有明显的专业信息、学习盲目等诸多问题。为确保学习者完整系统地学习，也为了学校能够更有效地管理自主学习情况，我们设计和实现了一套能够在自主学习者的全程学习过程中提供选课指导的智能选课系统。

智能选课系统是智能导学系统的一种特例，体现了智能导学系统在自主选课方面的可行性和有效性。该智能选课系统运用专家系统和数据挖掘技术为学生(即自主学习者，以下均简称学生)提供实时的选课建议和指导。在具体实现时共设计了三个智能模块，其中的学位预测模块起到授位专业预测的作用。所谓授位专业，即学生毕业时学校所授学位的专业。如果系统在学生登录时发现该学生已经完成了三年的学习，则会根据其前三年的学习情况，预测出该生毕业时所授学位的专业名称，以便该学生在最后一学年作好修课安排，顺利毕业。为了得到学生与授位专业之间的映射关系，需要总结出一系列由学生到授位专业的映射规则。由于基于网络教育的自主学习模式中学生人数众多，相关的学习信息庞大繁多，依靠人工找到相关规则和进行分类是不可能的，因此需要用数据挖掘的方法对上述映射规则进行提取并利用这些映射规则对正在学习的大三学生进行分类。

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。