基于Web數據挖掘技術的遠程教育應用研究

彭浩

【摘要】 計算機技術與通信技術的發展，互聯網的普及，人們可以足不出戶，在家即可進行遠程學習。數據挖掘技術的運用，使得遠程教育更加智能化和個性化。本文從數據挖掘的概念出發，分析了如何將Web技術運用于遠程教育。

【關鍵詞】 Web數據挖掘 遠程教育 決策樹算法

隨著計算機技術與通信技術的發展，遠程教育以迅猛的態勢發展起來，英特網上出現大量的教學資源，這些教育信息十分繁多和龐大，如何在這些龐大的數據中了解學生特性，從而根據不同學生采取不同的教育方法，數據挖掘技術的出現很好的解決了上述問題。

一、數據挖掘技術

我們知道信息是無處不在的，數據挖掘就是對這些信息進行探索性分析，一種對數據分析的方法論。數據挖掘是數據庫挖掘中的一個步驟，涉及集人工智能、機器學習、統計學、數據庫等多個領域，實際數據具有大量，不完整的，模糊和隨機不可確定的特點，而作為一種新的數據處理技術，數據挖掘就是從這龐大的數據庫中挖掘出人們未知、潛在有用的最終可理解的信息。

二、數據挖掘常用技術方法

（1）粗糙集方法。其主要思想在于通過信息系統來表示知識，通過信息系統進行知識簡約，導出問題決策和分類規則，歸納后可以從知識庫中抽取更有價值的隱含知識和潛在規律。所以，粗糙集方法其實質就是在大量信息系統中進行信息系統屬性約簡，得到一種屬性約簡集的過程，最終得到抽取的規則和方法。（2）遺傳算法。它的基本思想是模擬生物生存進化過程中最優解的算法，其借鑒的生物學基礎就是遺傳和進化。通過遺傳算法我們可以在數據庫中進行搜索，并對其中隨機產生的規則進行優化。遺傳算法優點有以下兩點：①在適應值函數有噪聲下，遺傳算法可以以極大的概率找到整體最優解而不容易陷入局部最優；②大規模并行計算機很適用于遺傳算法。（3）決策樹算法。其主要方法是先對數據進行處理，然后用歸納算法產生可讀的規則和決策樹，最后對新數據進行決策分析。決策樹算法有以下幾個特點：①決策樹算法描述結構較簡單，容易為人所理解；②效率高，適用于大規模數據的處理；③擁有較高的分辨進度。

三、Web數據挖掘技術在遠程教育中的應用

（1）遠程教育介紹。遠程教育作為一種重要的教育方法，被廣泛的用在高等教育，職業教育和成人教育中。在現代遠程教育中，學習者是通過點擊鼠標和瀏覽網頁來完成他們的學習過程，因而他們的學習習慣可以完全被系統日志記錄。我們只需要分析和挖掘系統日志，就可以很好的對學習者的學習習慣進行分析，同時也可以了解到遠程教育系統是否能很好的服務于學習者。（2）Web數據挖掘。Web數據挖掘是數據挖掘技術與計算機網絡技術的融合，網站上有三種類型數據，分別是：內容數據，結構數據以及使用數據。Web數據挖掘一般包括數據獲得，數據預處理，模式發現，模式分析四部分。①數據獲得：按照數據挖掘的目的獲取不同學習者的數據。Web內容挖掘收集的信息來自于我們的網站資源。Web結構挖掘收集的數據來自于HTML內部痕跡和網頁之間的超鏈接。Web使用數據從客戶端收集，數據包括IP地址，URL等。②數據預處理：數據預處理是Web數據挖掘的關鍵一步，因為原始數據會受到不同程度的干擾，Web數據挖掘可能變得低質量而價值不高，因而數據預處理顯得尤為重要。數據預處理處理的好壞直接關系著模型發現和模型分析。常用數據清理進行處理。③模式發現：在數據預處理之后，這些數據消除了擾亂，我們就可以對這些數據用常用的算法進行處理，如決策樹算法。④模式分析：通過模式發現后，會產生一些規則和模型。怎樣讓學習者充分運用這些規則和模型，面對如此大量的晦澀的概念，我們通過模型分析，可以將這些規則和模型通過圖形界面程序傳遞給學習者，方便他們學習。（3）決策樹算法應用。決策樹算法是一種廣泛應用的分類算法，具有描述簡單，容易理解的特點。我們要將學習者的學習成績與哪些因素有關分析出來，如課前預習，課后作業復習等。同時生成相應的決策樹，可以得到做筆記認真完成作業的學習者，他們的學習成績好，可以評定成為優秀。沒有完成則評定為不優秀，循環往復。決策樹算法可以很詳細的記錄學習者的學習情況，及時給予評價，督促學習者不斷努力學習。

四、結語

綜上所述，互聯網技術與教育結合是未來教育發展方向，數據挖掘技術應用于遠程教育，使得教育平臺更加智能化和個性化。雖然數據挖掘技術處于剛剛起步階段，相信隨著更多的數據挖掘方法出現，數據挖掘將有更廣泛的應用空間。

參 考 文 獻

[1] 陳勇飛，王羨欠. Web日志數據挖掘技術及應用[J]. 硅谷. 2009（04）

[2] 董彩云，劉培華. 數據挖掘技術在遠程教育教學中的應用[J]. 計算機技術與發展. 2009（02）