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/network/">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.
　　[2]kantardzic 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.