基于数据挖掘的Internet远程教学研究

研究了基于数据挖掘的Internet远程教学模型和方法，提出利用数据挖掘解决基于Internet的远程教学还存在的诸如怎样获得准确的反馈信息、怎样实现个性化学习、怎样实现自动答疑等问题的思想。研究表明，数据挖掘可以解决Internet远程教学中现有的一些问题，促进Internet远程教学的发展。关  键  词  远程教学;  数据挖掘;  显式反馈;  隐式反馈;  间接交互基于Internet的远程教学是一种通过互联网表现教学内容和实施教学活动的教学形式，它的出现极大地丰富了远程教学的方法和手段。但是，目前Internet远程教学还存在一些问题：(1)  学生虽可通过实时消息、电子邮件、BBS等方式与教师实现一定程度的实时或非实时交互[1-4]，但教师仍然难以及时准确地搜集反馈信息；(2)  教师不能分辨学生的个性差别，难以实现个性化教学；(3)  教师难于应付教学中极其繁重的答疑、考试分析等工作。总之，Internet远程教学系统在反馈信息获取、个性化学习服务、答疑等问题上都缺乏特别有效的措施。本文研究了基于数据挖掘解决Internet远程教学诸多问题的模型。1  基于数据挖掘的Internet远程教学Internet远程教学系统采集的反馈信息是大量含噪声的、不完整的、模糊的数据，靠人工很难从中获得准确的信息。而数据挖掘正是一种指导人们从海量数据中发掘有用信息，实现科学决策的技术。因此，可以利用数据挖掘从教学反馈信息中挖掘有意义的信息来指导和改进教学。本文将远程教学中的反馈信息分为显式反馈和隐式反馈。1.1  从“显式反馈”中挖掘知识所谓“显式反馈”，是指通过某种方式明确和直接地表达出来的反馈信息，如通过E-mail、BBS留言簿、即时消息等方式表达的反馈。显式反馈记录了学生的学习感受、知识疑点等信息，其表述可能在完整性、准确性上都存在问题，需要利用数据挖掘对大量的反馈信息进行总结、聚类分析等。(1)  反馈文档聚类。聚类分析常用于把一个数据集划分成若干组或类，是一种无监督的学习。通常可利用划分方法、层次方法、基于密度方法等算法来实现聚类分析，即先对电子邮件、BBS留言等反馈文档进行预处理，提取出描述反馈内容特征的关键词，获得文档的特征词向量表示，然后对文档向量进行聚类分析。本文采用CHAMALEON[5]层次聚类算法，在聚类过程中，如果两个聚类之间的连接度和相似度与聚类内部的连接度和相似度相近，则将两个聚类合并，这样有利于发现自然和同质的聚类。