- 相关推荐
浅谈网络教学平台下的数据挖掘技术论文
1 数据挖掘技术的基本认识
数据挖掘(Data Mining)，就是从大量数据中挖掘以及抽取出有用的数据知识。数据挖掘技术，可以在大量的数据中，以及信息不完全的海量碎片式信息中，挖掘出隐含在其中的有用信息数据;同时也可以避免在数据决策过程中的噪声影响，能够精确挖掘数据，将具有潜在关联的数据组合在一起，整理集合对决策有用的信息资料。在数据挖掘技术之中，通常可以依据关联规则、分类技术、预测技术等，实现对有用数据信息的挖掘。在网络自主学习平台中，应用数据挖掘技术，可以发挥积极应用价值。
2 网络教学平台用户的学习需求
设计基于数据挖掘技术的网络教学平台，提供基于网络的浏览教案、知识点;收看微课、视频;还可进行信息检索、下载保存、提交作业、在线测试，满足对学生个性化网络教学服务需求。除了这些日常教学功能外，还可以通过数据挖掘分析教学平台服务器日志数据，挖掘有用教学信息数据，以图文界面形式，将数据挖掘分析结果反馈给用户，提升该教学平台设计性能，满足学生对该平台的应用需求。
3 数据挖掘技术基础上的网络教学平台优化设计
3.1 总体设计结构
基于数据挖掘技术，设计网络教学平台，可以从学生、数据挖掘、教师三个基本模块出发，优化网络教学平台结构设计，以确保该网络教学平台符合实际需求。典型网络教学平台的总体结构如下图所示：
在网络教学平台中，应用数据挖掘技术，更好的评估学生对该平台的喜好，优化平台教学策略，能有效增强学生的学习兴趣，提高了学生的自学能力，培养学生主动性学习能力。
3.2 功能设计
(1)学生模块的功能：可以获取学生的基本状况、学习路劲与行为，分析学生的学习现状，并准确判断出学生在网络教学平台中各学习特征。
(2)教师模块的功能：确保教师可进行“课程资料管理”，同时能够在线进行相关课程信息的编辑，并应用论坛管理模块完成教学平台中师生互动行为。
(3)数据挖掘模块功能：根据所采集数据构建学生特征库，并分析处理数据。
3.3 数据挖掘
应用数据挖掘技术，可以有效识别在网络教学平台中不同学生群体的特征，并根据关键特征对学生群体进行划分，把大多数学生的学习行为、认知进行分类，分析每类学习行为的特性，增强对学生个性的认知。具体如下：
(1)学生网络学习行为与学习效果的关联分析：通过挖掘学生相关网络学习行为与考试成绩数据，反映两者之间的关系，给教师、学生提供借鉴。通过分析，让教师们充分了解不同学生的学习情况及特点。
(2)学生网络学习行为的聚类分析：由于学生个体之间存在极大的差异性，学生的学习兴趣不同，学生网络学习行为不同，并且学生对知识的需求也是不同的;学生可以在网络教学平台中，在线进行教学主题讨论，根据学生读帖次数、发帖次数、频率、时间等因素，应用聚类分析的方法，挖掘网络学习行为规律;根据学生实时学习(使用工具、交流时间、交流对象、交流内容)状况，可以预测在网络环境下什么样的学习行为是有效的。
4 网络教学平台下的数据挖掘技术应用策略
4.1 收集相关数据
在进行网络教学过程中，平台会记录大量的信息数据，供数据挖掘分析使用。本案例选取本校学生在2016 年1 月份通过网络教学平台参加计算机基础考试的成绩作为数据源。
4.2 数据预处理
数据挖掘中需要进行冗余数据的清除，修复缺失的数据信息。根据挖掘目的和需要，在网络教学平台学生原始数据表的基础上建立数据库。该部分的目的在于，通过数据挖掘技术，对学生在网络教学平台中的主要网络学习行为或者网络练习环节与学习效果之间的关系进行分析，找出对学习效果影响较大的学习行为。
4.3 模式识别
对预处理得到的网络教学数据，采用数据挖掘的方法进行数据分析，挖掘数据之间存在的关联规则，制定出符合该平台进行网络教学管理的挖掘算法。通过关联或决策规则，了解在网络教学平台中各种学习行为之间的关联性，分析其对学生学习成绩的影响程度;通过数据挖掘技术还可以分析出学生之间的特征，做好前期的网络教学平台教学设计工作，为优化网络教学策略提供参考依据。对照学生成绩表，为了进行有效的分类，对各项数据变量进行离散化处理。
4.4 模式分析
模式分析阶段可以解释以及评估数据挖掘的结果，清除那些无用、冗余、错误的信息知识，并且将感兴趣的信息转化为规则模型，供网络教学管理者进行教学决策管理。本案例选择Microsoft SQL Server 2008 的决策树算法对网络教学平台数据进行挖掘。将总分(total)作为主要预测对象，选择题(XZT)、WIN、WORD、EXCEL、PPT 和网络题(wlt)作为输入对象，建立决策树分类模型。
基于数据挖掘技术分析，EXCEL 属性与 total(总分)属性依赖关系最强，其次是 WORD 属性，再次是 wlt(网络题)，最后是PPT 和 XZT(选择题)，WIN 由于操作题目比较简单，平均考分较高，所以图中显示WIN 属性与 total(总分)属性没有依赖性，由此提醒教师和学生要注意教学目标重点，从而促进教学质量整体提升。
4.5 教学实践应用
结合教学实际，学生普遍认为 EXCEL 操作难度较大，也验证了数据挖掘分析结果。在网络教学平台中，应用数据挖掘技术，可以提高网络平台对学生学习过程的监控能力，能追踪学生的各项网络学习活动及在活动中花费的时间等。增强对网络学习过程数据的收集功能，以及增强网络学习平台的统计分析功能。教师应该充分发挥在网络教学中各主导作用，引导学生积极练习重难点;同时可以在该网络教学平台中，设计分层次的网络教学资源，以便可以满足教学中不同层次学生对于网络教学的学习需求，也可以全面提升网络平台的教学质量。
5 结语
综上所述，在当前网络教学改革实践过程中，随着网络教学平台的应用普及，教学平台处理数据量急剧增加，各类平台用户本身具备差一定异性，应用数据挖掘技术，可以挖掘网络教学平台中有用信息，用于改善用户自主应用该平台学习体验，提升学习者学习积极性。同时在网络教学平台中，应用数据挖掘技术，通过网络教学平台学生数据进行分析，可以找出影响学生网络教学成绩的关键环节及知识点，为今后教师调整网络教学平台教学重点提供理论参考依据，发挥积极影响价值。本文研究了网络教学平台中数据挖掘技术的应用，并为之提出优化策略，以供参考。
【浅谈网络教学平台下的数据挖掘技术论文】相关文章：
数据挖掘技术的研究论文05-02
浅谈数据挖掘05-02
数据挖掘论文04-29
移动通信网络优化中数据挖掘技术分析论文05-02
高校管理数据挖掘技术的应用论文05-02
基于数据挖掘的社交网络分析与研究论文05-02
基于云计算的数据挖掘技术探讨论文05-02
多层次技术的XML数据挖掘研究论文05-02
大数据崛起与数据挖掘分析论文10-31