论文部分内容阅读
从1999年起,教育部开始大力发展网络教育,几年来,网络教育已成为当今教育发展的新生长点和现代教育技术主流的发展方向。当前的网络教学中普遍存在教学模式单一,教学资源简单堆积,智能化程度低等问题,而接受教育对象的学习能力、个人兴趣和习惯、个人学习基础、努力程度,都存在巨大的差异,由此带来的是网络教学平台不能适应学习者个性化需求的矛盾。本文以Web挖掘技术为基础,研究了网络教学中的个性化服务问题,主要工作包括:(1)介绍了远程教育教学平台的现状及问题,研究了个性化教育的现状和远程教育标准,阐述了本文的研究意义和解决个性化教学问题的思路,即利用Web挖掘技术,结合远程教育标准,改进远程教学平台,充分体现“以学习者为中心”的教育思想,实现真正意义上的资源共享。(2)对数据挖掘技术和Web挖掘技术进行了介绍,探讨了Web使用挖掘的数据模型和体系结构并分析了代表性的关联规则挖掘算法和改进算法。(3)提出了个性化教学平台模型,扩展了传统网络教学环境的学习平台,使网络教学能适应不同学习者的特点,为其产生个性化的内容。该模型的特点是有两个基本平行的挖掘过程分别对访问日志和交互数据进行挖掘,并利用数据挖掘的方法,阐述了在该模型中的Web挖掘过程。(4)提出了实现个性化教学模型的关键子模型---个性化推荐模型OLPR,也是本文的核心内容。模型分为离线和在线两部分描述。离线部分由数据准备和特定的访问挖掘任务组成,特定的访问挖掘是利用聚类算法来生成网页聚类。模型的在线部分主要是利用离线部分生成的网页聚类,再根据用户的当前访问操作行为,动态地为用户推荐下一步访问操作。并研究了该模型的关键算法:LEARNER算法、个性化分析算法、个性化过滤算法和CBR算法。(5)对本文的工作做了总结,并对未来的工作进行了展望。