基于Ｗｅｂ數(shù)據(jù)挖掘的個性化遠程教育系統(tǒng)的構(gòu)建

摘 要探討了智能個性化系統(tǒng)在遠程教育的主要功能，并提出了一個基于Web數(shù)據(jù)挖掘的個性化遠程教育系統(tǒng)的模型。

關(guān)鍵詞 Web數(shù)據(jù)挖掘；遠程教育；智能個性化系統(tǒng)

中圖分類號：G434文獻標識碼：A文章編號：1671-489X（2007）12－0081-03

Construction of Distance Learning System based Personality of Web Data Mining//Qiu Xiaohui

Abstract This paper inquiries the major function of intelligent personalized systems in distance education， and puts forward a model about personalized intelligent distance education system based Web data mining.

Key words Web data mining；distance education；personalized intelligent system

Author's address Department of Information Technology， Huazhong Normal University，Wuhan 430079

利用Web數(shù)據(jù)挖掘技術(shù)構(gòu)建遠程教育個性化系統(tǒng)，能彌補傳統(tǒng)遠程網(wǎng)絡(luò)教學(xué)不具備的真正的“以學(xué)習(xí)者為中心”、不能隨學(xué)習(xí)者個體的差異而調(diào)整教學(xué)的缺陷，為學(xué)生的個性化學(xué)習(xí)以及教師對學(xué)生教學(xué)指導(dǎo)提供便利。

1 個性化服務(wù)及其關(guān)鍵技術(shù)

1.1 個性化服務(wù)的概念

個性化服務(wù)的根本就是尊重用戶，研究用戶的行為習(xí)慣與興趣，為用戶選擇更需要的資源，提供更好的服務(wù)。遠程教育系統(tǒng)的個性化可根據(jù)用戶的需求、興趣愛好、能力差異等，為用戶選擇對應(yīng)的學(xué)習(xí)資源，提供智能化的學(xué)習(xí)指導(dǎo)，并根據(jù)用戶的需求變化，動態(tài)呈現(xiàn)資源。

1.2 個性化服務(wù)關(guān)鍵技術(shù)

個性化推薦系統(tǒng)中應(yīng)用的一項關(guān)鍵技術(shù)即Web挖掘（Web Mining），Web挖掘就是從Web文檔和Web活動中抽取用戶感興趣的、潛在的有用模式和隱藏的信息。Web挖掘根據(jù)需要分析的數(shù)據(jù)分為3種類型：Web內(nèi)容挖掘、Web使用挖掘以及Web結(jié)構(gòu)挖掘。

2 智能個性化學(xué)習(xí)系統(tǒng)實現(xiàn)的主要功能

智能個性化學(xué)習(xí)系統(tǒng)實現(xiàn)的主要功能有：（1）跟蹤學(xué)習(xí)者網(wǎng)上學(xué)習(xí)行為，統(tǒng)計分析學(xué)生近期訪問情況，分析瀏覽路徑，發(fā)現(xiàn)學(xué)習(xí)者興趣，預(yù)測學(xué)生可能的訪問頁面，進行頁面推薦；（2）根據(jù)學(xué)生的學(xué)習(xí)進度、作業(yè)與測試、答疑及交互信息，統(tǒng)計分析學(xué)生對知識點的掌握情況，為學(xué)生提供學(xué)習(xí)指導(dǎo)與建議，對掌握薄弱的知識點及感興趣的知識點進行推薦；（3）網(wǎng)上學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、認知特點等都存在較大差異，個性化學(xué)習(xí)系統(tǒng)根據(jù)學(xué)生的基本信息及學(xué)生學(xué)習(xí)行為的分析，提供不同的學(xué)習(xí)指導(dǎo)，推薦不同類型學(xué)習(xí)資源，適應(yīng)網(wǎng)上學(xué)習(xí)者的學(xué)習(xí)需求；（4）通過聚類、分類，能對相同學(xué)習(xí)偏好以及學(xué)習(xí)風(fēng)格的學(xué)習(xí)者進行分組，利于學(xué)生的協(xié)作學(xué)習(xí)；（5）通過統(tǒng)計分析，系統(tǒng)地為教師提供有關(guān)學(xué)習(xí)者個體以及群體的學(xué)習(xí)進度、學(xué)習(xí)績效等相關(guān)信息，并通過可視化呈現(xiàn)給教師，方便教師進行教學(xué)指導(dǎo)。

3 智能個性化遠程教育系統(tǒng)的構(gòu)建

3.1 個性化推薦系統(tǒng)的基本工作原理

為描述用戶的特征，有必要為每個用戶建立一個用戶概貌文件(user profile)以刻畫用戶的特征。本系統(tǒng)采用基于XML的RDF(resource definition framework)來表達用戶描述文件，利用支持XML的數(shù)據(jù)庫系統(tǒng)來存儲用戶概貌文件。系統(tǒng)采用顯示跟蹤和隱式跟蹤相結(jié)合的方式獲取學(xué)習(xí)者學(xué)習(xí)信息。在學(xué)習(xí)者首次登錄時，填寫注冊信息并進行個性化測試，結(jié)合對學(xué)習(xí)者網(wǎng)上學(xué)習(xí)行為、學(xué)習(xí)者基本信息、作業(yè)及考試信息以及交互信息的收集、處理、挖掘，建立學(xué)習(xí)者概貌文件（如圖1所示），根據(jù)該文件為每個學(xué)習(xí)者進行個性化推薦，并隨著學(xué)習(xí)者網(wǎng)上學(xué)習(xí)的繼續(xù)而不斷進行，逐步優(yōu)化學(xué)習(xí)者個性化概貌文件，從而提供最適合的推薦給學(xué)習(xí)者。學(xué)生個性化推薦的系統(tǒng)原型見圖2。

Web個性化推薦系統(tǒng)分在線處理和離線處理。在線階段，根據(jù)用戶的推薦請求，觸發(fā)個性化推薦引擎，推薦引擎根據(jù)用戶ID以及用戶個性化數(shù)據(jù)庫產(chǎn)生個性化推薦結(jié)果，并把推薦結(jié)果通過服務(wù)器反饋到用戶瀏覽器。在離線階段進行對用戶各類信息的挖掘處理，從而縮短系統(tǒng)的響應(yīng)時間。

3.2 學(xué)生個性化推薦的離線階段處理

3.2.1 收集數(shù)據(jù)

遠程教育站點能提供大量有用的信息。在遠程學(xué)習(xí)中，學(xué)生以學(xué)號登錄系統(tǒng)，系統(tǒng)根據(jù)學(xué)號記錄學(xué)習(xí)行為，信息包括網(wǎng)絡(luò)日志（學(xué)習(xí)者訪問URL、訪問時間、資源類型等）和相應(yīng)的學(xué)習(xí)記錄（學(xué)習(xí)者的學(xué)號、訪問的課程、訪問時間、停留時間等信息；學(xué)生作業(yè)與測試信息：學(xué)生ID、考試時間、成績、題庫編號等；在線討論以及答疑信息：學(xué)生ID、討論時間、問題）。

3.2.2 數(shù)據(jù)預(yù)處理

在數(shù)據(jù)預(yù)處理階段，去除原始數(shù)據(jù)中的無關(guān)信息，并識別用戶，對用戶的訪問進行會話識別和事物識別，為數(shù)據(jù)挖掘作好數(shù)據(jù)準備。

3.2.3 進行數(shù)據(jù)挖掘

（1）統(tǒng)計分析。通過分析學(xué)習(xí)者日志文件以及服務(wù)器數(shù)據(jù)庫中的數(shù)據(jù)，讀出各種統(tǒng)計分析描述，如學(xué)習(xí)者在某頁面上停留的平均時間，學(xué)生作業(yè)及考試統(tǒng)計信息，學(xué)生交互信息(提問、回答的次數(shù))等等。

（2）關(guān)聯(lián)規(guī)則發(fā)現(xiàn).通過關(guān)聯(lián)規(guī)則發(fā)現(xiàn)學(xué)習(xí)者興趣知識點之間的聯(lián)系，并動態(tài)地呈現(xiàn)給學(xué)生。例如，當(dāng)訪問了頁面a后訪問頁面b的學(xué)生數(shù)量超過預(yù)定的值時，認為a與b頁面存在關(guān)聯(lián)，在學(xué)生訪問頁面a時，系統(tǒng)就會自動地提供指向頁面b的鏈接。

（3）分類聚類。聚類分用戶聚類和頁聚類，用戶聚類能挖掘出具有相似瀏覽模式的用戶，頁聚類發(fā)現(xiàn)相關(guān)內(nèi)容的頁面。用分類來為一組用戶建立概貌文件，利用分類聚類技術(shù)把具有形似瀏覽行為的學(xué)習(xí)者歸為一類，當(dāng)同類學(xué)習(xí)者登錄站點時，根據(jù)同類用戶概貌文件進行推薦。

（4）序列模式。序列是指在時間戳有序的事務(wù)集中挖掘訪問Web網(wǎng)頁的先后順序的模式。70%學(xué)完A、B章的學(xué)生一個月后學(xué)習(xí)C章，且頻繁訪問A、B章節(jié)中A1、A5、B3知識點，這說明對這些知識點的掌握情況在一定時間后開始下滑。因此在1個月內(nèi)可以對學(xué)習(xí)過A、B章的學(xué)習(xí)者推薦一些輔助練習(xí)和定期測試，幫助他們牢固掌握知識點。

綜合運用以上4種Web挖掘方法，建立學(xué)生概貌文件，得到用戶個性化數(shù)據(jù)庫，根據(jù)用戶登陸ID對學(xué)習(xí)者的網(wǎng)上學(xué)習(xí)進行實時推薦。

3.3 教師的個性化推薦

教師推薦模塊中，對學(xué)生的學(xué)習(xí)偏好、作業(yè)、提問以及學(xué)習(xí)風(fēng)格等信息進行挖掘，為教師提供學(xué)習(xí)者個體及群體的可視化圖表，便于教師掌握學(xué)生情況，因材施教。教師推薦流程見圖3。

（1）對學(xué)生網(wǎng)上瀏覽行為、作業(yè)與測試以及交互情況的統(tǒng)計分析，為教師提供有關(guān)全班學(xué)生的總體情況的信息。教師通過這些數(shù)據(jù)了解哪些知識點學(xué)生掌握較好，哪些知識點學(xué)生掌握不足，了解學(xué)生學(xué)習(xí)問題存在的普遍性和個別性。

（2）通過可視化圖表，大體獲得學(xué)生學(xué)習(xí)興趣、偏好以及學(xué)習(xí)風(fēng)格、學(xué)習(xí)進度等相關(guān)信息，使教師對每位學(xué)生有大致的了解，方便教師有針對性地進行教學(xué)指導(dǎo)。

（3）運用分類聚類，可以將有相似學(xué)習(xí)風(fēng)格以及相似學(xué)習(xí)偏好的學(xué)生進行分組，為學(xué)生進行合作化學(xué)習(xí)及小組學(xué)習(xí)提供幫助。

（4）對師生交互信息進行挖掘，使教師可以獲得學(xué)生對教師的評價，進行教學(xué)改進。