數據挖掘在教師遠程培訓中的應用

賈海祎 黃敏

摘 ?要 當今社會已經進入大數據時代，只依靠簡單的數據處理和統計技術很難從海量數據中提取有效信息。教師遠程培訓是提升教師教學能力、個人素養的有效手段。介紹數據挖掘技術概況以及該技術在教師遠程培訓管理中的應用與探索，并對遠程教學質量的提升提出建設性意見。

關鍵詞 數據挖掘;遠程培訓;教學質量;大數據

中圖分類號：G645文獻標識碼：B

文章編號：1671-489X（2019）12-0034-03

Application of Data Mining in Remote Teacher Training//JIA Haiyi， HUANG Min

Abstract In the context of big data era， it is difficult to extract effec-tive information from mass data only by simple data processing and statistical techniques. Remote teacher training is an effective means to improve teachers teaching ability and personal accomplishment. The general situation of data mining technology and its application in the management of remote teacher training are introduced， then some constructive suggestions on the improvement of remote tea-ching quality are put forward.

Key words data mining; remote training; teaching quality; big data

1 前言

隨著社會對教育的重視程度逐年增強，教師的遠程培訓成為促進教師專業發展、提升專業素養的一種有效途徑。培訓過程中會產生各類素材資源，培訓結束后也要對學員數據、學習數據以及學習評價進行處理。對于培訓機構來說，有一些亟待解決的問題，例如：課程資源的設置如何滿足不同學員的需求？如何調動學員的學習積極性？如何客觀評價培訓效果？

隨著大數據時代的到來，信息即資源，培訓機構也開始進行信息化建設，但是這種信息化常常局限于簡單的查詢、統計。根據培訓開始前的問卷調查，對部分課程進行設置;培訓結束后評價打分，得到教師對培訓效果的評價;根據培訓學科人數的基數大小，決定送培送教的學科。這些統計是最基礎的，缺乏對數據的分析和探索。本文從數據挖掘技術的角度發現問題，獲取數據中隱藏的信息以及存在的規律。因此，客觀地發現和解決培訓管理過程中出現的問題，切實做出決策，從而增強培訓效果。

2 數據挖掘技術簡介

數據挖掘技術的概念 ?數據挖掘是數據庫領域的研究熱點。該技術可以為決策者做出正確的判斷提供依據，是一種對知識進行發現探索的過程。

數據挖掘技術的功能 ?數據挖掘的功能主要包括概念描述、特征描述、關聯分析、分類、聚類和孤立點分析等。概念描述主要用于描述對象的內涵并總結對象的相關特征。特征描述描述了對象的相同特征，并且區別描述了對象的不同特征。關聯分析是發現數據庫中兩個或多個數據項之間的關系并發現數據之間的規則。分類是使用模型對未來或未知對象進行分類，預測未知對象類別。聚類是通過根據相似性將數據庫中的數據分類為不同的類別來合并具有更高相似性的數據。孤立點分析（也稱為偏差分析）檢測數據庫中存在的異常記錄。

數據挖掘技術的方法 ?數據挖掘通過各種不同的方法實現數據挖掘功能。Apriori算法主要使用逐層搜索迭代方法來掃描數據庫并找到頻繁項目集來挖掘關聯規則。決策樹方法是一種歸納學習方法。貝葉斯分類算法是基于概率和統計知識的統計分類算法。人工神經網絡是一種數學模型，應用類似于大腦突觸連接結構的信息處理。遺傳算法是一種基于仿生學的技術方法，通過參考自然的進化規律演變為隨機搜索方法。

數據挖掘技術的過程 ?數據挖掘的步驟[1]：數據收集，收集需要處理的原始數據;數據預處理，選擇、凈化、推測、轉換和減少數據以形成目標數據;選擇挖掘方法，需要選擇相應的挖掘實現算法;數據挖掘處理，分析數據以獲得知識模型;挖掘結果評估，以確定知識的模型是否有效并獲得結果。

數據挖掘技術與培訓相結合的成功案例 ?Wang J[2]開發了一個混合框架，將數據挖掘技術與基于模擬的培訓相結合，以提高培訓評估的有效性。基于信念的學習概念，從兩個維度評估學生的學習成果：知識/技能水平和置信水平。數據挖掘技術用于分析受訓者個人數據和基于模擬的培訓所產生的數據，以評估學生的表現和學習行為。所提出的方法是以臺灣基于模擬的步兵射擊訓練為例。結果表明，該方法能夠準確評估學生的表現和學習行為，并能夠發現潛在的知識，以提高學生的學習成果。Bodea C N使用數據挖掘技術進行培訓和學習管理，以分析參與在線兩年制碩士學位課程管理的學生的表現。系統數據源是收集學生意見、學生記錄的操作數據以及電子學習平臺記錄的學生活動數據的調查數據。

3 數據挖掘技術在教師遠程培訓中的應用

培訓對象方面 ?教師遠程培訓需要對兩組人員進行培訓[3]。除了學員，即各學科培訓教師，還有一個重要的組成部分，即班級輔導者。班級輔導者通常是骨干教師，由教育局推薦學科帶頭人或管理能力較強者擔任，經過班級輔導者的培訓后，負責一定人數的班級，對學員進行網絡指導，批改學科作業，開展校本研究。

培訓開始前，班級輔導者的相關信息由教育局報送，包括其姓名、性別、年齡、學校、區域、職稱、學科、職務等信息。培訓過程中會產生很多過程性資料，比如班級輔導者發布的公告、簡報、論壇回復、批改作業情況。使用數據挖掘技術，可以處理上述信息以獲得有價值的培訓和資源信息。可以在分析問題之前假設一些信息之間的關聯，比如論壇回復的情況和年齡的關系、簡報質量和職稱的關系、公告數和性別的關系等;然后通過數據挖掘，利用足夠的信息迭代，對之前的假設進行作證，并且修正種種問題，特別是班級輔導員和受訓人員的行為和需求及其在培訓過程中的指導，它可以為教師培訓決策提供科學依據，從而提高教師培訓的有效性。

課程設置方面 ?遠程培訓中最重要的環節就是課程的設置[4]。遠程培訓是學員通過觀看視頻教學來獲取所需要的知識，通過學習得到想要的知識，并將其運用到教學和工作中且有改善。但是有時由于學員背景等因素，簡單的分數并不能反映課程的合理性。比如課程安排的順序會對學員的能力提升造成影響，必修課和選修課之間的聯系也會對學員的學習造成影響。這些看似沒有什么關聯的數據，通過數據挖掘，可以發現其中都有潛在的強關聯性。可以從數據庫中提取大量學員的分數，并且可以使用諸如相關分析和時間序列模式分析的功能來分析和獲得與課程之間的規則相關的信息。了解不同課程設置順序對學員表現的影響，并更合理地安排課程順序。通過使用關聯分析和數據挖掘技術的統計分析功能，可以從數據庫中提取選修課程和必修課程的學習。判斷每個科目的選修課的偏好及其對最終成績的影響，培訓機構將制定有利于學員的合理選修課程。

將數據挖掘與時間序列分析和相關性分析以及其他相關功能相結合，從這些海量數據信息中挖掘出有用的信息資源，幫助分析這些數據信息之間的回歸、相關性等，并繪制一些相關的有價值的信息和規則，在此基礎上對課程進行更合理的安排。并且可以進一步認識到設計培訓內容的缺點，也可以找到一些意想不到的數據信息，這更有利于后續培訓內容的設計。

培訓質量評價方面 ?培訓質量評估分為兩個方面。培訓機構對參與者學習成果的評估并不簡單，需要對參與者的各個方面進行全面評估。可以對學員各方面的行為進行統計，建立評分項，利用決策樹的挖掘方法將信息分類為一個樹狀結構，對每項數據進行不同權重的比例分配，如登錄次數、登錄時長、視頻學習時長、論壇發言情況、提問狀況、工作坊活動數量、工作坊發起評論數量、資源利用情況、作業成績等。決策樹方法可以幫助預測數據的某些特性，可以用群集算法尋找數據中的自然分組。可以基于數據挖掘方法評估和分析學員的學習成果。

參與者對培訓效果和培訓管理的評估[5]，其中大部分是通過評估系統和問卷調查完成的。數據挖掘技術可用于優化評估系統并獲得滿足培訓機構實際需求且可操作的評估系統，并對數據進行挖掘和分析，以獲取有價值的信息，提高培訓質量。在評價方面，不僅要關注總結性評價，還要從多個方面、多個階段、多個角度關注形成性評價。

鑒于評估系統的多因素、模糊性和多樣性，采用數據挖掘技術從教學評估數據中挖掘。分析各種因素之間隱藏的內在聯系，如探索教學效果與教師年齡結構、學術結構、職稱結構等之間的關系。通過有效地利用這些數據來評估教學質量和教學效果，可以改進和建立適合培訓機構的有效評估模型。利用數據挖掘技術，在保證綜合評價內容、多種評價方法的基礎上，通過分析和其他功能，分析和處理收集的海量數據，包括學員的成績、學員的行為以及學員對教師的評估數據等，及時了解培訓結果，及時糾正培訓過程中出現的問題，促進教學質量的提高。如通過對課程選擇的聚類分析，可以得出結論，以學員歡迎哪種類型的選修課程作為選擇課程的參考。數據挖掘技術使培訓機構能夠找出影響教學質量的因素以及影響學員學習質量的因素。

4 結語

利用數據挖掘技術應用在教師遠程培訓中的各個環節，可以更加清晰地掌握學員信息，對學員信息、學習情況等進行宏觀把控的同時，找尋有意義的信息，對資源設置、學員個性化培養方案[5]的制訂有很大幫助。學員從中獲取更多有用的、想要獲得的知識，教師從中不斷反思和更新自己的教育方式和講課內容，培訓機構也會制訂出更加符合學員和教師要求的實施方案，真正意義上確保教師遠程培訓持續性和有效性。

參考文獻

[1]呂海燕，周立軍，張杰.大數據背景下教育數據挖掘在學生在線學習行為分析中的應用研究[J].計算技術與自動化，2017，36（1）：136-140.

[2]徐海霞，寇藝儒.數據挖掘技術在教師培訓系統中的應用研究[J].軟件導刊，2012，11（7）：113-114.

[3]蔣紅，朱敏.數據挖掘技術在教師培訓需求分析中的應用：以寧波市教師培訓項目數據為例[J].寧波教育學院學報，2015，17（3）：73-76.

[4]張琳，李小平，張少剛，等.基于遠程教學視點下的大數據挖掘模式問題研究[J].中國電化教育，2018（4）：41-49.

[5]徐鵬飛，鄭勤華，陳耀華，等.教育數據挖掘中的學習者建模研究[J].中國遠程教育，2018（6）：5-11，79.

[6]李幸，孫力.遠程教育個性化學習支持服務研究[J].中國教育信息化，2017（17）：9-12.