论文部分内容阅读
【摘要】本文以基于数据挖掘技术的智能教学系统为题，探讨了相关技术的应用和实践，揭示了智能教学系统的优势所在以及隐藏在其背后的技术支撑，为将来进一步优化教学资源，促进个性化、层次化以及差异化教学提供可靠的教学平台系统参考。
【关键词】数据挖掘 智能 教学系统 信息技术
【中图分类号】G64 【文献标识码】A 【文章编号】2095-3089（2017）23-0239-02
一、数据挖掘
一般而言，智能教学系统中数据挖掘技术包括以下四个方面，即：
（一）教学过程中学生数据采集
教学过程中學生数据采集主要是记录学生详细的学习过程，包括学习进度、学习内容，不同学习内容耗费的时间、测试内容、测试用时、测试结果、不同教学内容的访问频率等等，基本上是相关教学资源的全程记录， 通过学生学习数据的记录，为后续的数据挖掘过程奠定坚实的数据基础，需要指出的是，学生数据的采集并不局限于传统的结构化数据采集，还包括应用范围更广的非结构化数据，这是近年来数据模型构建过程NOSQL应用的重要应用方式。
（二）数据预处理过程
有了上一阶段的基础数据收集基础，还需对这些数据进行预处理，预处理工作主要完成数据清洗任务，数据拆分过程，通俗的讲就是对第一阶段产生的数据进行筛选、归类的工作。将一些无用的数据消息进行丢弃，为下一阶段的数据处理做好前置准备，具体到实现技术应用角度而言，以常见的Hadoop大数据框架技术为例就是将数据提交到Hadoop所支持的HDFS文件系统，筛选有用数据消息的工作，在此就不进行具体的展开了。
（三）数据挖掘工作
数据挖掘同样依赖于前一步骤所产生的清洗数据，利用服务器端计算机集群强大的数据存储以及计算资源，对数据进行挖掘分析，同样以Hadoop技术为例，就是实现MapReduce中MAP映射过程，通过一定的挖掘算法，对教学数据做进一步的统计分析、关联计算、数据建模以及用户追踪的工作。这一阶段的工作是真正进行数据挖掘步骤，是现实教学数据大数据分析的核心。
（四）数据汇总
数据汇总也就是人们常说的数据分析报告，结合Hadoop技术，是实现MapReduce中Reduce（归约）过程。具体到教学数据的汇总而言，可以得出系列特定用户数据或者非特定用户数据汇总结果。特定用户数据主要是指，某个学生的学习过程数据汇总报告，例如学生利用智能教学系统学习效率、学习覆盖率、学习结果等多维度的学习数据；而非特定数据是通过大量不同学生数据分析计算得出来的通用性较高的数据，例如学生重难点把握情况、整体的学习情况等等。总之，数据汇总是数据挖掘的最后阶段，是产生有效教学数据的过程。
二、基于数据挖掘的智能教学系统的设计和应用探讨
（一）智能教学系统界面设计以及功能模块的划分
智能教学系统界面设计就是人们场所的UI（用户接口）设计，从教学过程的划分，一般将其界面按照功能进行划分，如视频教学、阶段测试、学情分析、教学进度、互动交流等功能步骤，建议对功能模块所实现的功能“原子化”处理，即特定模块仅仅完成相应的功能即可，当然各个功能模块背后所承载的数据模型应保障一致性原则。由此可见，基于Web和数据挖掘的智能教学系统的设计和应用做好其节目以及功能模块的划分具有十分重要的意义。
（二）学生学习事件的追踪
学生学习事件的追踪是通过智能学习系统的终端编号或者用户ID的追踪方式予以进行的，对应到Web功能以及数据挖掘处理过程就是远程服务器资源的获取、教学过程数据的收集工作，通过用户事件的收集，产生了大量学生学习的实时数据，从而记录了学生学习进度、教学资源的应用、阶段性测验成果等一系列相关的教学数据，这是学生个性化学习定制的原始数据，具有十分重要的数据基础。当然通过学生学习进度等数据的展示，学生能够清楚的认识学习目标的完成度（以一种百分比的形式进行更为精准的展示），从而使得智能教学的目标性以及学生学习的积极性获得进一步的提升。
（三）教学诊断和能力测定
教学诊断是依据学生学习数据，对学生学习进度、学习效率以及学习目标的大程度进行汇总分析的阶段，对应于传统教学过程中即就是教学阶段性总结的过程，二者最大的区别在于利用智能化教学系统平台所产生的教学诊断数据更加客观、针对性较强，其诊断结果都是以客观的学生学习数据为依据的；而能力测定更多都是测试数据的汇总，一些教学系统将能力测定作为教学诊断的内容予以涵盖，这都是可行的。测试数据是学生阶段性学习情况最为真实的反馈，通过能力测定，智能系统能够适当的调整学生的学习习惯和学习过程，实现个性化学习、差异化学习。
（四）根据学生学习情况予以针对性的提升
智能系统之所以智能就在于其具有较强的针对性，通过实时汇总学生学习数据和学习情况，从服务器端产生学生学习数据库，并以此为依据给出学生学习策略，对于学习能力突出的学生通过知识结构的拓展以及学习进度的提升，实现其优质化学习，对于学习能力相对较弱的学生则通过知识点的细化、重难点的针对性讲解，使其能够达到基本的教学要求，从而提升其学习自信心，实现学有所获。除此之外，通过学生实时数据的汇总，教师在远程的管理端可以通过各种统计数据、报表等形式，清楚的了解各个学生的学习情况，使得教师对于全局教学过程的把控准确度以及精细化程度有了较大的提升，而这正是得益于数据挖掘技术的有效应用。
（五）教学资源有针对性的进行推送
基于数据挖掘的智能教学系统不仅能够根据学生学习进度以及课程目标让学生自主选择教学资源，而且还能够针对学生学习的实际情况以及测评情况予以极具针对性的教学资源推送，这是智能教学系统区别于传统的简单资源库教学系统的优势所在，以学生章节测试为例，智能教学系统会对学生的测评结果进行分析，将学生章节掌握的薄弱部分记录在相关数据库中，并在学生学习时推送相关知识内容，既可以是视频类型的知识讲解，也可以是相关一系列的练习题，让学生进一步加强和巩固相关内容，从而获得极具针对性的巩固和练习，提高学习效率。
（六）教师进行适当的引导和补充
智能教学系统的应用必然会促进当前教育教学工作的快速推进，在应用智能教学系统的同时还应做好教师的必要引导和知识的补充，不可否认智能教学系统的应用能够大幅度的提升学生学习的效率和质量，但是往往在一些需要教师面对面进行引导的教学部分，智能系统是不能替代的；另外智能教学系统的应用，要求学生应具备一定的学习主动性和积极性，而脱离了教师的监管和掌控，一些自律性较差、学习积极性不足的学生必然会出现一定的学习问题，这同样是不可忽视的智能系统应用问题。因此，从互补性的角度而言，除了有效的应用好智能教学系统之外，还应通过教师的适当引导和补充保障整个学习过程的有序和完整性。
三、小结
综上所述，基于数据挖掘的智能教学系统是信息技术与教学过程的高度融合，对于优化教学资源、创新教学形式都具有十分重要的意义，本文从智能教学系统、数据挖掘技术等进行了简要的讨论，并分析了数据挖掘技术在教学过程中的设计和应用。
参考文献：
[1]彭丽娟.基于数据挖掘的高职院校教学管理系统的设计与实现[D].电子科技大学，2014.
[2]梁岩.济宁市高级职业学校网络教学管理系统的设计与实现[D].电子科技大学，2015.
【关键词】数据挖掘 智能 教学系统 信息技术
【中图分类号】G64 【文献标识码】A 【文章编号】2095-3089（2017）23-0239-02
一、数据挖掘
一般而言，智能教学系统中数据挖掘技术包括以下四个方面，即：
（一）教学过程中学生数据采集
教学过程中學生数据采集主要是记录学生详细的学习过程，包括学习进度、学习内容，不同学习内容耗费的时间、测试内容、测试用时、测试结果、不同教学内容的访问频率等等，基本上是相关教学资源的全程记录， 通过学生学习数据的记录，为后续的数据挖掘过程奠定坚实的数据基础，需要指出的是，学生数据的采集并不局限于传统的结构化数据采集，还包括应用范围更广的非结构化数据，这是近年来数据模型构建过程NOSQL应用的重要应用方式。
（二）数据预处理过程
有了上一阶段的基础数据收集基础，还需对这些数据进行预处理，预处理工作主要完成数据清洗任务，数据拆分过程，通俗的讲就是对第一阶段产生的数据进行筛选、归类的工作。将一些无用的数据消息进行丢弃，为下一阶段的数据处理做好前置准备，具体到实现技术应用角度而言，以常见的Hadoop大数据框架技术为例就是将数据提交到Hadoop所支持的HDFS文件系统，筛选有用数据消息的工作，在此就不进行具体的展开了。
（三）数据挖掘工作
数据挖掘同样依赖于前一步骤所产生的清洗数据，利用服务器端计算机集群强大的数据存储以及计算资源，对数据进行挖掘分析，同样以Hadoop技术为例，就是实现MapReduce中MAP映射过程，通过一定的挖掘算法，对教学数据做进一步的统计分析、关联计算、数据建模以及用户追踪的工作。这一阶段的工作是真正进行数据挖掘步骤，是现实教学数据大数据分析的核心。
（四）数据汇总
数据汇总也就是人们常说的数据分析报告，结合Hadoop技术，是实现MapReduce中Reduce（归约）过程。具体到教学数据的汇总而言，可以得出系列特定用户数据或者非特定用户数据汇总结果。特定用户数据主要是指，某个学生的学习过程数据汇总报告，例如学生利用智能教学系统学习效率、学习覆盖率、学习结果等多维度的学习数据；而非特定数据是通过大量不同学生数据分析计算得出来的通用性较高的数据，例如学生重难点把握情况、整体的学习情况等等。总之，数据汇总是数据挖掘的最后阶段，是产生有效教学数据的过程。
二、基于数据挖掘的智能教学系统的设计和应用探讨
（一）智能教学系统界面设计以及功能模块的划分
智能教学系统界面设计就是人们场所的UI（用户接口）设计，从教学过程的划分，一般将其界面按照功能进行划分，如视频教学、阶段测试、学情分析、教学进度、互动交流等功能步骤，建议对功能模块所实现的功能“原子化”处理，即特定模块仅仅完成相应的功能即可，当然各个功能模块背后所承载的数据模型应保障一致性原则。由此可见，基于Web和数据挖掘的智能教学系统的设计和应用做好其节目以及功能模块的划分具有十分重要的意义。
（二）学生学习事件的追踪
学生学习事件的追踪是通过智能学习系统的终端编号或者用户ID的追踪方式予以进行的，对应到Web功能以及数据挖掘处理过程就是远程服务器资源的获取、教学过程数据的收集工作，通过用户事件的收集，产生了大量学生学习的实时数据，从而记录了学生学习进度、教学资源的应用、阶段性测验成果等一系列相关的教学数据，这是学生个性化学习定制的原始数据，具有十分重要的数据基础。当然通过学生学习进度等数据的展示，学生能够清楚的认识学习目标的完成度（以一种百分比的形式进行更为精准的展示），从而使得智能教学的目标性以及学生学习的积极性获得进一步的提升。
（三）教学诊断和能力测定
教学诊断是依据学生学习数据，对学生学习进度、学习效率以及学习目标的大程度进行汇总分析的阶段，对应于传统教学过程中即就是教学阶段性总结的过程，二者最大的区别在于利用智能化教学系统平台所产生的教学诊断数据更加客观、针对性较强，其诊断结果都是以客观的学生学习数据为依据的；而能力测定更多都是测试数据的汇总，一些教学系统将能力测定作为教学诊断的内容予以涵盖，这都是可行的。测试数据是学生阶段性学习情况最为真实的反馈，通过能力测定，智能系统能够适当的调整学生的学习习惯和学习过程，实现个性化学习、差异化学习。
（四）根据学生学习情况予以针对性的提升
智能系统之所以智能就在于其具有较强的针对性，通过实时汇总学生学习数据和学习情况，从服务器端产生学生学习数据库，并以此为依据给出学生学习策略，对于学习能力突出的学生通过知识结构的拓展以及学习进度的提升，实现其优质化学习，对于学习能力相对较弱的学生则通过知识点的细化、重难点的针对性讲解，使其能够达到基本的教学要求，从而提升其学习自信心，实现学有所获。除此之外，通过学生实时数据的汇总，教师在远程的管理端可以通过各种统计数据、报表等形式，清楚的了解各个学生的学习情况，使得教师对于全局教学过程的把控准确度以及精细化程度有了较大的提升，而这正是得益于数据挖掘技术的有效应用。
（五）教学资源有针对性的进行推送
基于数据挖掘的智能教学系统不仅能够根据学生学习进度以及课程目标让学生自主选择教学资源，而且还能够针对学生学习的实际情况以及测评情况予以极具针对性的教学资源推送，这是智能教学系统区别于传统的简单资源库教学系统的优势所在，以学生章节测试为例，智能教学系统会对学生的测评结果进行分析，将学生章节掌握的薄弱部分记录在相关数据库中，并在学生学习时推送相关知识内容，既可以是视频类型的知识讲解，也可以是相关一系列的练习题，让学生进一步加强和巩固相关内容，从而获得极具针对性的巩固和练习，提高学习效率。
（六）教师进行适当的引导和补充
智能教学系统的应用必然会促进当前教育教学工作的快速推进，在应用智能教学系统的同时还应做好教师的必要引导和知识的补充，不可否认智能教学系统的应用能够大幅度的提升学生学习的效率和质量，但是往往在一些需要教师面对面进行引导的教学部分，智能系统是不能替代的；另外智能教学系统的应用，要求学生应具备一定的学习主动性和积极性，而脱离了教师的监管和掌控，一些自律性较差、学习积极性不足的学生必然会出现一定的学习问题，这同样是不可忽视的智能系统应用问题。因此，从互补性的角度而言，除了有效的应用好智能教学系统之外，还应通过教师的适当引导和补充保障整个学习过程的有序和完整性。
三、小结
综上所述，基于数据挖掘的智能教学系统是信息技术与教学过程的高度融合，对于优化教学资源、创新教学形式都具有十分重要的意义，本文从智能教学系统、数据挖掘技术等进行了简要的讨论，并分析了数据挖掘技术在教学过程中的设计和应用。
参考文献：
[1]彭丽娟.基于数据挖掘的高职院校教学管理系统的设计与实现[D].电子科技大学，2014.
[2]梁岩.济宁市高级职业学校网络教学管理系统的设计与实现[D].电子科技大学，2015.