论文部分内容阅读
摘要：传统的计算机辅助课堂教学存在系统用户容量低、信息兼容性差、资源索引时间长等问题。为了提升辅助课堂教学效果，现对原有系统进行数据挖掘深入改造设计，本设计采用B/S机构框架，利用信息收集模块的形式来提升课堂信息数据处理效果。整个数据分析均采用个性化数据挖掘并行化技术，运用了
（1）K?means聚类算法;（2）Map Reduce并行计算框架，生成了新的教学规则，体现了教学系统的智能化和个性化特点。现针对数据挖掘为基础的计算机辅助课堂系统设计进行研究，希望能够为对应的单位提供参考借鉴。
关键词：数据挖掘;计算机辅助课堂教学;系统设计分析
在信息化教学模式改革下，传统的教学模式正在不断更新，由国家发起的高等人才培养信息化、综合化、多元化教学要求得到了教育领域广泛的关注。目前的流行的“计算机网络教育同步模式”是最为实用且流行的教学辅助工具，实现了网络作为知识传播载体的目标，体现了教学资源的高效、高速特征，全面提升了师生之间的互动性。此外，计算机辅助教学还具有打破空间教学、分组教学、特长教学等优势，现将其分析如下。
1.分析传统的计算机辅助教学模式存在的不足
二十多年来，数据挖掘技术作为计算机技术研究领域的重要组成部分，已经取得了重大的、广泛的进展。数据挖掘技术自开发以来就主要是面向应用领域的，关联规则挖掘作为数据挖掘中的一项重要技术，同样是针对应领域用的。目前，人们己经越来越重视从众多数据中找出相关的关联规则。传统的计算机辅助教学模式书属于旧式书本化教学的改革，在很大程度上实现了教学资源优化、减少教学压力、实现多元化教学的目标。但是在实际的教学应用中依旧存在信息化渗入程度不高、个性化能力差、智能化教学应用不明显等问题。
2.基于数据挖掘的计算机辅助课堂教学系统的应用初衷
以数据挖掘为基础的计算机辅助教学理念，目的是拓展传统教学的资源容量，提升信息过滤效率，完成数据信息增值。通过将数据挖掘技术运用在计算机辅助教学模式中，可以全面提升信息的利用效率，为实现信息交互、网络互动、学生资料管理等有推动作用，在很大程度重新定义了“教”、“学”。
3.简述计算机辅助课堂教学系统设计
3.1整体系统设计
参照国家教育教学要求，以数据挖掘为主的计算机辅助教学课堂系统设计需要考虑教学应用、资源过滤、使用管理等三个内容。基于B/S三层结构设计，可以将其分为用户登录、教学资源设计和教学应用层三个方面。其中教学用户登录区分了教师、学生、游客浏览三个等级，并采用权限登录的方式，访问各自的信息页。教学应用层是一个人机交互的界面，主要分为了信息收集、信息预处理、个性化应用和模块调度几个模块，分别实现不同功能;资源管理层是存储教学资源和基本用户信息的结构，属于后台运营以及数据分析的环节。
3.2系统硬件设计
首先，收集信息资源是系统硬件设计的关键，信息收集模块设计包括了学生信息数据的收集和储存，内容涉及到了OLAP、OLTP等多类型数据，可实现消息同步等功能。具体的设计采用模块化的方式，可完成数据和模块元数据交互配置，实现不同的数据统一收集和约束。信息收集的模块设计方法如下：①数据源提供数据信息;②将数据经过流动式同步、下载式同步的方式完成交互;③完成信息数据库收集或信息过滤任务。
其次，建立个性化的数据分析模块，此阶段运用到了
（1）K?means聚类算法、（2）Map Reduce并行计算两个算法，以保证个性化数据获取精准，实现用户信息预处理质量。按照后期的数据运用也可以将其分为个性化数据源处理以及个性化数据分析模型两个方面。通过两个处理方式以及两种算法系统会自动化生成新的教学规则，并将其存储到B/S框架中的资源管理层，之后通过人机交互递交给用户，从而实现智能化、个性化教学。
4.基于数据挖掘为基础的计算机辅助课堂教学应用结果研究
4.1系统功能性测试
计算机辅助教学系统需要大量的数据收集和准各，在这个过程中更需要对
数据进行有效的预处理，才能保障该系统的正常、有效地使用。
实验测试针对设计中的B/S框架进行功能性测试，分别针对三个区域的功能性质进行研究分析，结果表示：（1）判斷用户信息处理效果，数据库针对游客、学生、教师等用户实现了分类授权信息浏览需求，且所有的数据都能够被及时查询和更新，实现了教师信息、学生信息的综合处理。（2）学生的学习成绩以及个人信息状况分析，基于数据挖掘的算法，实现了学生学习成绩以及学习行为的评分研究，系统可自动生成学生学习、行为评分结果以及优化措施建议。（3）教学资源下载分析，在系统的特定权限内，学生可以按照自身权限下载一定的教学资源，且教学资源下载流程。系统的综合功能显著，表示设计有效。
4.2系统信息检索时间分析
经过数据研究分析，在系统改革前，网页数据加载和传输的速度、检索新页面弹出的速度约为1.47秒-2.63秒左右，经过系统设计改革后，整个检索时间控制在了0.69秒左右，下载反应速度也控制在了1 .5秒内。对于常规的教学辅助系统来说，该系统的数据检索时间段，运行效率高，全面提升了计算机辅助教学系统的针对性和高效性，建议研究推广。
4.3实际教学资源占比分析
后测试本系统的承载运行能力和资源控制能力，现分析系统的资源占用率通过人机交互、信息与处理以及信息过滤等途径对比分析。传统辅助课堂教学的CPU占用率为36.48%，经过数据挖掘改革后，系统CPU占用率为18.52%，系统资源承载力更强，信息处理更流畅，建议推广。
5.结语
综上所述，基于数据挖掘为基础的计算机辅助课堂教学理念好，通过基于实践应用角度设计的计算机辅助程度，可以通过个性化的数据处理和信息控制提升数据处理质量，在后期的（1）K?means聚类算法、（2）Map Reduce并行算法影响下，教学规则生成明显，信息传输效率高，实现了个性化教学目标。综上所述，本系统可以全面提升学生的学习成绩，带动教学氛围，帮助教师和学生构建一个李湘的教学资源环境，建议研究推广。
参考文献：
[1]苏宏元，陈娟. 从计算到数据新闻：计算机辅助报道的起源、发展、现状[J]. 新闻与传播研究，2014，21（10）：78-92+127-128.
[2]Vegisari， Wilujeng I ， Hardiyanti S . Interactive conceptual instruction model assisted by PhET simulations on the improvement of physics multiple representations[J]. Journal of Physics Conference Series， 2020， 1440：012030.
[3]张国强.浅谈中职多媒体课件制作中的有关注意事项——以《计算机应用基础》课程为例[J].信息与电脑，2020，32（1）：156-157.
作者简介：胡蓉，1981年7月出生，女，汉族 ，籍贯贵州省贵阳市，副教授，学历本科，硕士学位， 贵州财经大学，研究方向：计算机应用。
（1）K?means聚类算法;（2）Map Reduce并行计算框架，生成了新的教学规则，体现了教学系统的智能化和个性化特点。现针对数据挖掘为基础的计算机辅助课堂系统设计进行研究，希望能够为对应的单位提供参考借鉴。
关键词：数据挖掘;计算机辅助课堂教学;系统设计分析
在信息化教学模式改革下，传统的教学模式正在不断更新，由国家发起的高等人才培养信息化、综合化、多元化教学要求得到了教育领域广泛的关注。目前的流行的“计算机网络教育同步模式”是最为实用且流行的教学辅助工具，实现了网络作为知识传播载体的目标，体现了教学资源的高效、高速特征，全面提升了师生之间的互动性。此外，计算机辅助教学还具有打破空间教学、分组教学、特长教学等优势，现将其分析如下。
1.分析传统的计算机辅助教学模式存在的不足
二十多年来，数据挖掘技术作为计算机技术研究领域的重要组成部分，已经取得了重大的、广泛的进展。数据挖掘技术自开发以来就主要是面向应用领域的，关联规则挖掘作为数据挖掘中的一项重要技术，同样是针对应领域用的。目前，人们己经越来越重视从众多数据中找出相关的关联规则。传统的计算机辅助教学模式书属于旧式书本化教学的改革，在很大程度上实现了教学资源优化、减少教学压力、实现多元化教学的目标。但是在实际的教学应用中依旧存在信息化渗入程度不高、个性化能力差、智能化教学应用不明显等问题。
2.基于数据挖掘的计算机辅助课堂教学系统的应用初衷
以数据挖掘为基础的计算机辅助教学理念，目的是拓展传统教学的资源容量，提升信息过滤效率，完成数据信息增值。通过将数据挖掘技术运用在计算机辅助教学模式中，可以全面提升信息的利用效率，为实现信息交互、网络互动、学生资料管理等有推动作用，在很大程度重新定义了“教”、“学”。
3.简述计算机辅助课堂教学系统设计
3.1整体系统设计
参照国家教育教学要求，以数据挖掘为主的计算机辅助教学课堂系统设计需要考虑教学应用、资源过滤、使用管理等三个内容。基于B/S三层结构设计，可以将其分为用户登录、教学资源设计和教学应用层三个方面。其中教学用户登录区分了教师、学生、游客浏览三个等级，并采用权限登录的方式，访问各自的信息页。教学应用层是一个人机交互的界面，主要分为了信息收集、信息预处理、个性化应用和模块调度几个模块，分别实现不同功能;资源管理层是存储教学资源和基本用户信息的结构，属于后台运营以及数据分析的环节。
3.2系统硬件设计
首先，收集信息资源是系统硬件设计的关键，信息收集模块设计包括了学生信息数据的收集和储存，内容涉及到了OLAP、OLTP等多类型数据，可实现消息同步等功能。具体的设计采用模块化的方式，可完成数据和模块元数据交互配置，实现不同的数据统一收集和约束。信息收集的模块设计方法如下：①数据源提供数据信息;②将数据经过流动式同步、下载式同步的方式完成交互;③完成信息数据库收集或信息过滤任务。
其次，建立个性化的数据分析模块，此阶段运用到了
（1）K?means聚类算法、（2）Map Reduce并行计算两个算法，以保证个性化数据获取精准，实现用户信息预处理质量。按照后期的数据运用也可以将其分为个性化数据源处理以及个性化数据分析模型两个方面。通过两个处理方式以及两种算法系统会自动化生成新的教学规则，并将其存储到B/S框架中的资源管理层，之后通过人机交互递交给用户，从而实现智能化、个性化教学。
4.基于数据挖掘为基础的计算机辅助课堂教学应用结果研究
4.1系统功能性测试
计算机辅助教学系统需要大量的数据收集和准各，在这个过程中更需要对
数据进行有效的预处理，才能保障该系统的正常、有效地使用。
实验测试针对设计中的B/S框架进行功能性测试，分别针对三个区域的功能性质进行研究分析，结果表示：（1）判斷用户信息处理效果，数据库针对游客、学生、教师等用户实现了分类授权信息浏览需求，且所有的数据都能够被及时查询和更新，实现了教师信息、学生信息的综合处理。（2）学生的学习成绩以及个人信息状况分析，基于数据挖掘的算法，实现了学生学习成绩以及学习行为的评分研究，系统可自动生成学生学习、行为评分结果以及优化措施建议。（3）教学资源下载分析，在系统的特定权限内，学生可以按照自身权限下载一定的教学资源，且教学资源下载流程。系统的综合功能显著，表示设计有效。
4.2系统信息检索时间分析
经过数据研究分析，在系统改革前，网页数据加载和传输的速度、检索新页面弹出的速度约为1.47秒-2.63秒左右，经过系统设计改革后，整个检索时间控制在了0.69秒左右，下载反应速度也控制在了1 .5秒内。对于常规的教学辅助系统来说，该系统的数据检索时间段，运行效率高，全面提升了计算机辅助教学系统的针对性和高效性，建议研究推广。
4.3实际教学资源占比分析
后测试本系统的承载运行能力和资源控制能力，现分析系统的资源占用率通过人机交互、信息与处理以及信息过滤等途径对比分析。传统辅助课堂教学的CPU占用率为36.48%，经过数据挖掘改革后，系统CPU占用率为18.52%，系统资源承载力更强，信息处理更流畅，建议推广。
5.结语
综上所述，基于数据挖掘为基础的计算机辅助课堂教学理念好，通过基于实践应用角度设计的计算机辅助程度，可以通过个性化的数据处理和信息控制提升数据处理质量，在后期的（1）K?means聚类算法、（2）Map Reduce并行算法影响下，教学规则生成明显，信息传输效率高，实现了个性化教学目标。综上所述，本系统可以全面提升学生的学习成绩，带动教学氛围，帮助教师和学生构建一个李湘的教学资源环境，建议研究推广。
参考文献：
[1]苏宏元，陈娟. 从计算到数据新闻：计算机辅助报道的起源、发展、现状[J]. 新闻与传播研究，2014，21（10）：78-92+127-128.
[2]Vegisari， Wilujeng I ， Hardiyanti S . Interactive conceptual instruction model assisted by PhET simulations on the improvement of physics multiple representations[J]. Journal of Physics Conference Series， 2020， 1440：012030.
[3]张国强.浅谈中职多媒体课件制作中的有关注意事项——以《计算机应用基础》课程为例[J].信息与电脑，2020，32（1）：156-157.
作者简介：胡蓉，1981年7月出生，女，汉族 ，籍贯贵州省贵阳市，副教授，学历本科，硕士学位， 贵州财经大学，研究方向：计算机应用。