通用智能化網絡教學平臺的研究與設計

徐雅靜 徐惠民

摘要:網絡教學平臺是網絡教學的技術基礎,如何有效地管理和使用資源、為使用者提供更加個性化的服務,成為網絡教學平臺關注的焦點。本文研究并設計了一種通用智能化網絡教學平臺,該平臺采用分層的系統架構,通用的功能模塊,利用數據挖掘知識將智能課程推薦與平臺無縫融合,并采用了基于RSS的Web 2.0技術,有效提高了網絡教學質量和教學效率。

關鍵詞:網絡教學平臺;教學模式;智能課程推薦;RSS

中圖分類號:G642 文獻標識碼:A

1引言

網絡教學平臺作為網絡教學的技術基礎,在高等教育現代化建設中正發揮著越來越重要的作用。通過網絡教學,創造數字化學習環境,能夠促進教育觀念、教學內容和方法的改革,提高教育教學的質量和效益,從而提高學習者在信息社會中生存和發展的能力。

高等教育中的網絡教學作為課堂教學的一種新的輔助教學手段,充分利用了信息技術、多媒體技術、計算機技術的最新成果,使教學能夠跨越時間、空間的限制,具有極大的靈活性和交互性,網絡教學使教學資源的展示越來越靈活、形象、生動,是教師指導下學生自主學習的最有力手段,因此,越來越受到高校教師的青睞。但隨著教學資源的不斷豐富,網絡教學應用的不斷深入,對網絡教學平臺也提出了更高的要求。因此,如何構建一個通用、智能化的優質網絡教學平臺,是實現教育現代化與信息化迫切需要解決的問題。

本文研究和設計的“通用智能化網絡教學平臺”,提供通用的教學管理、課程管理等模塊,強調以認知科學為理論基礎,利用數據挖掘技術,針對不同用戶提供不同的推薦課程和學習策略決策支持,提供更加個性化的服務,有效地提高教學質量和教學效率。

2系統架構

在技術上,通用智能化網絡教學平臺采用分層的邏輯設計,自上而下分為四層邏輯構件,即表示層、業務邏輯處理層、數據處理層和數據存儲層。該結構符合MVC(模型-視圖-控制)設計模式,核心思想是將數據存儲、業務邏輯和界面顯示分離,易于系統的擴展和維護。

系統架構中表示層對應視圖角色,控制過程由業務邏輯處理層承擔,數據處理層和數據存儲層承擔數據處理角色,圖1展示了系統架構設計。

(1) 表示層

該層負責向不同用戶,比如管理員、教師、學生、訪客,提供靈活的用戶接口和豐富的多媒體展示手段。通過Web方式實現,邏輯上表示層不直接與數據庫關聯,易于系統的擴展性、實施和維護。

(2) 業務邏輯處理層

業務邏輯構件完成對用戶提交的業務處理請求的邏輯處理,并調用相關的數據,完成數據處理操作。對用戶提交的查詢、統計、下載請求分別調用相應的組件,根據數據處理層返回的查詢結果進行顯示。當然,它仍不與數據直接關聯,這是很重要的分工。

(3) 數據處理層

在Web方式下,這一部分通常是處理具體數據的若干專用對象,它們提供大量的方法,靈活的實現,支撐上層的調用,可以直接操作數據庫,因此,它仍使用通用的SQL語句,再由數據存儲層的語句轉換對象和數據庫操作對象來實現最終的數據操作。

(4) 數據存儲層

數據存儲層即數據庫,通常運行在獨立的數據庫服務器上。負責存儲、檢索大量的數據。數據存儲層為系統提供了可靠的、永久性的數據庫服務。此外,數據庫的事務服務、備份恢復和高速的檢索能力都是構造可靠、高效系統的保證

3系統主要功能

通用智能化網絡教學平臺提供了豐富的功能,能夠幫助教師快速建立自己的教學平臺,幫助學生方便獲取相關的學習資源,該平臺主要體現了以下的教學模式:

(1) 教師授課

每位授權的教師,可以開設自己的課程,在平臺上完成相關的教學環節,可以上傳教學課件以及其他教學資料、可以布置和批改作業、可以發布習題和自測題,等等。

(2) 學生學習

學生可以在自己登記的課程資源中進行學習,完成作業,查看作業批改情況,自主進行復習和自測,以檢查對于課程掌握的程度。

(3) 統一資源管理

同一門課程的不同老師可以使用課程的公共資源,比如試題,也可以為課程的資源建設作出貢獻。學生可以使用已選課程的公共資源。

(4) 討論區

按課程進行分類,可以在線答疑、留言等。學生可以和老師討論,也可以是學生之間討論。

按照這種新的教學模式,整個平臺的功能劃分為如圖2所示的六個部分,包括門戶網站(新聞管理、信息檢索和友情鏈接)、課程管理、教師管理、系統管理、討論區和站內消息。各功能模塊之間共享數據信息,但各自具備相對獨立業務邏輯,便于為用戶提供通用的服務,也方便開發和維護。

4智能課程推薦

智能課程推薦是數據挖掘技術在網絡教學平臺中的一種新的嘗試,其目的是推薦更符合學習者感興趣的課程,提高學習者的學習效率,縮短學習者自行搜索相關知識的時間和精力。傳統的課程推薦會使用一些調查問卷的形式進行手工篩選和評比,但這種方式無法依賴每個人的知識,產生合適的推薦,并且工作量大,操作復雜。因此,目前的智能課程推薦更加傾向于使用一些人工智能、數據挖掘、協同過濾等方法,對已有的歷史數據進行分析和處理,找出隱藏的知識,獲取相關信息。

鑒于上述分析,我們的智能課程推薦采用數據挖掘領域中關聯規則經典算法——Apriori算法思想,通過此機制向具有相似學習興趣的學習者動態地、智能地推薦基于Web的網絡課程,以此作為學習者在線選擇網絡課程的依據和參考,提供學習者以及管理人員的課程規劃的決策支持。

4.1Apriori算法

關聯規則是數據挖掘領域的一個重要的研究方向,主要應用于挖掘發現大量數據中項集之間有趣的關聯或相關聯系。其數學原理如下:

設I={i1,i2,..,im}是項集,其中ik(k=1,2,…,m)可以代表網絡教學中的課程或教師,I代表同一個學習者所選的課程或教師集合。設任務相關的數據D是事務集,其中每個事務T是項集,使得 。設A是一個項集, 。關聯規則是如下形式的邏輯蘊涵: , , ,且 。

關聯規則具有如下兩個重要的屬性:

(1) 支持度:P(A∪B),即A和B這兩個項集在事務集D中同時出現的概率。

(2) 置信度:P(B|A),即在出現項集A的事務集D中,項集B也同時出現的概率。

同時滿足最小支持度閾值和最小置信度閾值的規則稱為強規則。給定一個事務集D,挖掘關聯規則問題就是產生支持度和可信度分別大于用戶給定的最小支持度和最小可信度的關聯規則,也就是產生強規則的問題。

Apriori算法是經典的關聯規則算法,由Agrawal等人于1993年研究挖掘顧客交易數據庫中項集間的關聯規則問題而提出的,核心是基于兩階段頻集思想的遞推算法。其中,所有支持度大于最小支持度的項集稱為頻繁項集,簡稱頻集。

Apriori算法的基本思想就是首先找出所有滿足最小支持度的頻集,然后由頻集產生滿足最小支持度和最小可信度的強關聯規則。其基本步驟是首先產生頻繁1-項集L1,然后在L1中產生頻繁2-項集L2,直到找不到滿足條件的項集為止。

4.2Apriori算法在智能課程推薦的應用

智能課程推薦的一個前提就是認為身份或背景相似的學習者具有相似的興趣,選擇相似課程的學習者也具有相似的興趣。因此,智能課程推薦采用Apriori算法挖掘,根據系統用戶的歷史選課記錄,并結合每個用戶的基本信息、知識能力,挖掘系統中課程和課程之間的關系,以及教師和課程之間的關系。

(1) 設置數據集和參數

項集I={i1,i2,..,im},其中ik(k=1,2,…,m)代表一門課程,每一個項集I代表系統中一個學生的選課記錄。

任務集D,根據登錄系統的學生的專業和年級的信息,篩選出基本信息相同的學生選課記錄。

參數:默認支持度suppose = 1;表示該門課程至少被選擇過1次;默認置信度confidence=1,代表項集至少存在一次。根據系統數據可以調節。

(2) 獲取推薦課程

如果用戶是客人,則在所有項集中, 用Apriori算法按照降序尋找頻繁1-項集,即尋找同類學生選擇的最多的那些課程即可;

如果登錄的學生還未選課,則在任務集D中用Apriori算法按照降序尋找頻繁1-項集,即尋找同類學生選擇的最多的那些課程即可;

如果登錄的學生已經選課,比如該學生已經選擇了ABC三門課,則在任務集中先按降序尋找包含ABC三項的4-項集,則多出的一項即為推薦的課程;如果不存在這樣的4-項集,則再按降序選擇包含AB、AC、BC但不包含ABC的3-項集;依次類推,一直到1-項集。

如果以上三種情況,頻繁1-項集都不存在,則自動轉到專家推薦數據庫獲取推薦課程信息。

(3) 反饋機制

當用戶退出系統時,會自動彈出滿意度問卷,問卷使用五分量表方式,依序詢問:非常同意、同意、普通、不同意、極不同意,管理員根據用戶的反饋,及時調整系統各種參數,并在專家推薦數據庫中更新推薦意見。

此外,按照類似方法,系統對于教師也進行了推薦,方便學習者對于不同教師教授的同一門課程的進一步選擇,智能課程推薦的具體體現在系統首頁,如圖3所示。

：

5基于RSS的Web 2.0技術的應用

通用智能化教學平臺還采用了基于RSS訂閱和推送服務的Web2.0技術,用來為用戶提供更加個性化的服務,擴展平臺的功能。

5.1RSS簡介

RSS 是一種描述和同步網站內容的格式,是目前使用最廣泛的XML應用。RSS的解釋有多種,比如“Rich Site Summary”(豐富站點摘要),“RDF Site Summary”(RDF站點摘要),或“Really Simple Syndication”(真正簡易聚合),這主要是由于該技術有不同的來源,實質上RSS 是基于XML 技術的互聯網內容發布和集成技術,是一種描述新聞或其他Web內容的方式,通過“Feed(提要)”將信息從網站傳遞到Web用戶面前的一種技術。

RSS通過一種“輕量級、多用途、可擴展的元數據描述及聯合推廣格式”,用于共享各種各樣的信息,包括新聞、簡訊、Web站點更新,等等。對內容提供者來說,RSS 技術提供了一個實時、高效、安全、低成本的信息發布渠道;對內容接收者來說,RSS 技術提供了一個嶄新的閱讀體驗。

下面是一個標準的RSS信息體的XML格式,用于建立標準和開放的頻道描述框架(Channel Description Framework)和內容收集機制(Content Gathering Mechanism):

< rss version = ″2. 0″> //遵從RSS2. 0規范

< channel >///收取信息的頻道,網站提供

< title > 頻道標題< / title >

< link > 頻道鏈接< / link >… //頻道參數

< item > //信息單元

< title > 標題< / title >

< link > 鏈接< / link >

< description > 摘要< /description >. . .

< / item > //信息單元實體

. . . //其他信息單元

< / channel >

< / rss >

5.2RSS在智能教學平臺中的應用

在分布式網絡教學中,需要將有用的學習信息和資源及時推送給學習者。信息提供者,采用RSS的方式可以整合學習信息和資源并發布為RSS Feed,信息訂閱者,使用閱讀器訂閱該RSS Feed,學習信息或資源就能夠及時呈現給用戶。通常,由于RSS閱讀器會通過設置較短的間隔時間自動去訪問提供內容發布的服務器來追蹤最新信息,所以RSS一般適用于經常變動、快速更新、時效性較強的信息和資源。

鑒于以上分析,通用智能化教學平臺作為信息提供者,首先將網站的資源進行分類,區分為動態和靜態,將動態信息進行發布。每當平臺中有課程資源更新、教師更新、新聞通告更新時,根據RSS標準信息推送模塊將資源中的用戶需求信息結果記錄的title、 identifier-url、description和date字段,自動形成RSS feed中Item描述的對應項,即< title >、< link >、< descrip tion>、< pubDate >[5];然后將生成的RSS文件部署到Web 服務器中,并將其網址(URL)加入到RSS 閱讀器中,用戶通過RSS 閱讀器可以得到通用智能化教學平臺推送的內容,當更新RSS文件,RSS Reader上所顯示的內容將同步動態更新。

RSS技術在通用智能化教學平臺中的應用,不僅改進了教育資源的信息傳遞、信息呈現方式,而且為學習者提供更加方便、快捷的獲取信息的途徑,時效性強、成本低,進一步推動了教學平臺智能化的發展。

6總結

通用智能化網絡教學平臺是實施網絡教學新模式的基礎。該平臺能夠滿足高等院校中大量并發用戶的需求,滿足高等教育的需要。

通用智能化網絡教學平臺開通以來,訪問量不斷上升,其豐富的教學資源、友好的頁面、智能的課程推薦以及信息訂閱等新技術的應用,都為學生提供了一個良好的學習環境。當然,通用智能化網絡教學平臺目前還存在一些缺陷,比如,對于訂閱信息的用戶還不能根據興趣進行資源推送、對于學生學習興趣及動力的激發手段方面也還需要進一步的研究與改進,以便更好地實施和推進高校網絡教學的智能化改革。

參考文獻:

[1] Gamma E, Helm R, Johnson R, et al. Design Patterns: Elements of Reusable Object-oriented Software[M]. New York: Addison Wesley,1994.

[2] 楊紅穎,侯麗敏,王向陽. 智能化網絡教學平臺的研究與設計[J]. 現代遠程教育研究,2007(3):61-64.

[3] 王志梅,楊帆. 基于相似學習者發現的資源推薦系統[J]. 浙江大學學報:工學版,2006,40(10):1688-1691.

[4]Jiawei Han, Micheline Kamber. Data Mining Concept and Techniques[M]. 范明,孟小峰,譯. 北京:機械工業出版社,2008.

[5] 胡晶晶,鄭志蘊. 基于RSS的個性化信息服務研究[J]. 計算機應用與軟件,2009,26(5):40-42.

Research on the Design of Generic and Intelligent Network Teaching Platform

XU Ya-jing, XU Hui-min

(School of Information and Communication Engineering, Beijing University of Post & Telecom, Beijing 100876, China)

Abstract: Network Teaching Platform (NTP) is the technical foundation for network teaching. With the richness of teaching resources and the depth of network application it gradually became the focus of NTP that how to effectively manage and utilize resources to provide personalized services. In response to above issues, a generic and intelligent NTP was proposed, which used hierarchical structure, generic functional modules and data mining algorithms to build intelligent courses recommendation. In addition, Web 2.0 technology, for example RSS also applied to the NTP. So the quality and effectiveness of network teaching are improved.

Key words: network teaching platform; teaching mode; intelligent courses recommended; RSS