基于數據挖掘的個性化遠程教育系統的研究

摘 要 本文從目前遠程網絡教育存在的問題出發，通過對學生在學習時產生的各種信息進行數據挖掘，從而構建了一個智能化、個性化的學習系統，對于學生學習時存在的差異性，給出了一種解決方案。

關鍵詞 遠程教育 個性化 數據挖掘 智能系統

中圖分類號：G43文獻標識碼：A

1 遠程網絡教學的現狀

隨著計算機網絡的不斷發展，遠程教育已經逐步成為諸多高校的一種重要教學手段，這種網絡教學突破了傳統教學模式時間和空間上的限制，具有信息量大、覆蓋面廣、隨意性強等特點，為更多的人提供了接受高等教育的機會。然而，經過對各類遠程教育系統的調查與學生的信息的反饋，可以發現不少系統仍存在一定的問題：

（1）動態交互性差，學習模式較為死板與被動。現有的遠程教育站點其教學內容在表現形式上基本上都是以靜態網頁的形式發布在網站上，一旦放上去后，就很少進行更新與修改。同時，教學課件的設計者并不知道他的教學內容是否合理，是否符合教學規律，頁面之間的鏈接是否適應學生的訪問習慣和學習內容進度的安排。學生只能是按靜態課件所設計的順序按部就班的學習，對以往學習中存有疑問的知識點及可能感興趣的知識無法主動獲取，這極大的限制了學生學習的自主性及積極性，從而不能達到最佳的教學效果。

（2）不能根據學生本人的情況因材施教，缺乏個性化教學。無論哪個學生訪問該站點，其教學策略、教學內容及授課順序都是一樣的，站點不能根據學生的自身情況提供適合于他個人的學習習慣、學習能力、學習進度的安排，結果使學生的個性無法發揮。

（3）系統測評功能不強。但是其評價測試結果并沒有和學生下一步學習相聯系，并沒有給出學生在今后學習過程中所要注意的學習重點和難點，對學生個人的學習方式也沒加以糾正和引導，缺乏對學生學習整個過程的監控管理。

這些問題的出現不僅嚴重地制約了學生在接受遠程教育時的學習效果，同時也成為了遠程教育這一教學模式進一步完善和發展的瓶頸。

2 個性化遠程教育系統的構想

針對當今遠程教育模式存在的諸多問題，主要是由于學習系統忽視了學生在學習過程中存在的差異性，例如每個人的學習目標不同、學習興趣不同、學習能力不同、學習方式不同等等。經過多年來遠程教育的不斷摸索與實踐，各大高校也都積累了一定的網絡資源，包括各種學生的注冊信息、登陸信息、瀏覽歷史、作業信息、測試信息、答疑信息、瀏覽習慣、等等。如何從這些龐大的數據信息中找出學生學習的規律，并且與教學資源有效地結合起來，從而構建一個智能化、個性化的網絡學習系統，將成為解決遠程教育模式缺陷的關鍵。

隨著計算機技術的發展，特別是數據庫管理系統的廣泛應用，人們所積累的數據量越來越大，要從如此龐大的數據背后找出隱藏的有效信息，數據挖掘已經成為一種十分有效的手段。在進行數據挖掘時，首先要對數據庫進行信息的收集，然后經過數據處理從而構建數據倉庫，最后進行信息分析從而得到有用的知識。

通過數據庫及WEB緩存對以往學生的學習信息進行數據挖掘是我們構建個性化學習系統的第一步，這是一個十分復雜并且數據分析量很大的過程。在這個過程中我們的目的是利用數據統計及關聯規則找出學生學習的規律，構建一個動態的個性化學習知識庫，這是個性化學習系統的核心模塊。該模塊的動態化表現在，最先得到的只是一個初始模型，在系統的不斷運作中通過對學生學習行為信息的采集進行知識的及時更新與歸納，以便對該學生的個性化學習進行準確的反饋。

在這個模塊中主要包括三個智能引擎：學習內容智能推薦引擎、學習難易程度變更引擎、學習方式智能推薦引擎。對于學習內容的推薦，我們可以效仿如今許多購物網站上的推薦模式，例如“購買了該物品的顧客還購買了XXX”，這種提示性的營銷模式會挖掘出顧客潛在的未被認識到的需求，同樣我們可以把它應用在學習內容推薦上。經過數據挖掘，利用關鍵詞并根據大量以往學生在學習時的瀏覽記錄，以及課程內容之間的關聯程度，我們能歸納出一張學習內容關聯表，大到課程小到章節。例如，學習了市場營銷這門課的同學有80%都學習了客戶關系管理，50%還學習了電子商務；在學習C語言這門課中的數組這一節時，系統會提示該節內容與指針相關，并提供相關的推薦鏈接。這樣，學生在學習時能更好地實現相關課程與章節之間的聯系，使知識結構更為緊密。同時，在學生學習的過程中，通過對作業、測試、答疑信息進行評分，分數的高低表示學生對于相關內容的掌握情況；另外可以對瀏覽次數及瀏覽時間進行分析，次數多時間長的可能表示對于該課程有較大的興趣，從而決定相關學習內容的的推薦情況與難易程度。對于學生興趣大并且掌握情況好的課程，可以適當加深難度，并且在學習過程中不斷進行反饋，根據學生的學習能力進行及時地調整。對于學習方式的推薦，可以根據學生學習時的瀏覽習慣進行判斷，例如學生經常通過在線視頻進行學習，系統會自動從網絡中搜索到相關的名師講解視頻進行推薦。對于學習方式而言，應該是多種多樣的，而不應該僅僅局限于網頁上的那些一成不變的知識，系統更多的應該增加互動性更強的學習模式，像師生在線答疑，支持郵件留言提問、練習、測試、評估等等。

除了核心模塊以外，個性化學習系統還包括學生學習信息數據庫、學習信息采集模塊、學生動態學習信息記錄模塊、學習資源庫。學生學習信息數據庫包括學生的注冊信息、瀏覽網頁時的WEB緩存信息、學習歷史、學習成績等等所有的學生信息。經過學習信息采集模塊篩選并加工處理后形成標準化、數據化的有效信息并傳遞給學生動態學習信息記錄模塊，同時核心模塊不斷地對學習信息記錄模塊中的數據進行分析與處理，系統再根據核心模塊的三大引擎對學生的學習內容、學習難度、學習方式進行推薦，提供給學生更具個性化的學習資源。最后，學生再將學習信息反饋給動態學習信息記錄模塊，如此不斷循環，以達到最佳的學習效果。系統具體運作如圖1。

圖1

3 個性化遠程教育系統的前景

基于數據挖掘的個性化遠程教育系統的構想其可行性并不困難，同時該系統針對當今諸多網絡學習系統的缺陷，采用了個性化、多元化的教學模式，使學生在接受遠程網絡教學時能更加自主、更加切合自身的情況，得到更好的學習效果，讓學生真正能學到并且學好一些自己想要獲得的知識。這一系統的實現將能改善現在遠程教育的一些現狀，并對其發展起到一定的作用。