数据挖掘和智能教学系统开发研究

摘要:本文首先讨论了现在流行的基于WEB的智能教学系统的特点和应用,其次把数据挖掘技术引入系统，为教师制定最优教学策略，改进教学方法，最后对基于数据挖掘和WEB的智能教学系统的发展做出展望。

关键词:数据挖掘;模式;教学

基于WEB的智能教学系统是通过互联网计算机系统提供实时、有效、全面且有针对性的学习、诊断。在互联网信息通讯高度发达的现代社会，包括海量题库、智能诊断、名师视频辅导、针对性教学等特色功能[1]，是更精准、即时进行学习诊断和智能化提分的智能教学系统，能减轻学生的负担，提高学生的成绩，必将成为提高教学效率的主流方式。

1智能教学系统的特点

智能教学系统（IntelligentTutoringSystem，ITS）是教育技术学中重要的研究领域，它借助人工智能技术，在没有人类导师指导的情况下帮助学习者获取知识和技能方面起着重要的作用[2]。20世纪70年代以来，许多国家和地区都十分重视智能教学系统的研究、开发和应用。伴随着计算机网络技术的发展，智能教学系统的研究获得了突破性的成果。很多研究人员将动态服务器技术、机器学习推理、数据挖掘等技术引入智能教学系统。智能教学系统的核心是学生,发挥学生的主观能动性,将教师关于课程设计的想法录入服务器作为指导算法,通过网络发送和接受师生的交互任务,帮助学生兴趣的培养和学习能力的提高。智能教学可以智能地发现学生和教师在学习和教学中不易发现的盲点，并智能扫除盲点，可以减轻学生的学习负担，提高教师的教学效率，最终达到提高学生学习成绩的目的。为了实现这一目标，智能教学系统开发者必须从心理学方面充分解析学生的认知行为[3]，并建立最适合学生的模型，才能选出最佳的教学策略。智能教学系统是以学生为主体,将学生的主观能动性充分调动起来,利用计算机技术和网络技术以及人工智能技术，使专家思维过程形成开放的网络教学系统,代替教师实现一定程度上的最佳教学方式,积极提高学生的创造力。随着数字化、网络化教育的发展和普及,智能教学系统能够针对每一个学生提供单独指导和教学指导,此系统包含多种学科专业知识,分析模块能够分析学习者的特征和习惯,可自动选择不同的指导方式实现以学生为主体的单独教学过程。

2数据挖掘技术

数据挖掘（英语：Datamining），还可以叫做资料探勘、数据采矿。它是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程，同时也是一种决策过程，它基于模式识别、统计学、人工智能、机器学习等技术。它是对海量的数据进行查找和解析的计算机辅助处理过程，在这一过程中发现以前没有发现的模式，然后从这些数据中挖掘某些隐含的信息，其中包括代表过去和预测未来趋势的数据信息。数据挖掘可以与用户或知识库交互[4]。它通过分析每个具体的数据，从数据库的大量数据中寻找其中的规律，主要有准备数据、寻找规律和表示规律三个步骤。准备数据是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集合；寻找规律是用某种算法将数据集合所含的规律挖掘出来；表示规律是尽量以用户可以理解的方式（例如可视化）将挖掘的规律表示出来。数据挖掘的任务有聚类分析、异常分析、分类分析、关联分析、特异群组分析和演变分析等等。数据挖掘就是利用统计分析和人工智能技术的应用程序，把这些高精尖的技术封装起来，使用户不用自己掌握这些技术也能完成同样的功能。对于不同领域的应用，数据挖掘的操作也会有所不同，面对不同的问题和需求，数据挖掘过程也会存在明显的差异。这些综合因素造成数据挖掘在不同领域中的实际应用和计划细节都具有的很大的差异。

3数据挖掘在基于WEB智能教学系统中的应用

基于WEB和数据挖掘的智能教学系统主要采用数据挖掘技术，对网站上后台保存的大量数据信息进行分类和分析，挖掘出学生常用的学习习惯和学习方式，提供给老师一份详实的学生学习情况，随后老师传送给学生对应的学习内容，建立起一个智能化、数据化的远程教育环境。基于数据挖掘的智能教学系统的核心是数据挖掘模块[5-6]，主要由关联规则子模块和分类子模块组成。利用数据挖掘方法对提取的关键特征进行数据整理和分析，论证各特征值之间的关系。通过对智能教学系统采集的数据进行数据挖掘，同时结合学生的历史学习记录，准确提取出符合该学生自身条件的教学内容，并将这些内容进行数字化调整。和使用各种浏览器一样，在学生使用智能教学系统的过程中，一定会留下痕迹记录(cookie),它会自动记录下学生的学习行为，如学习的具体内容、对不同类别知识的喜好、某个页面的停留时间、作业的质量情况、考试的成绩等等。智能教学系统具体内容来源于知识数据库，由主讲教师根据教学的实际情况编写，包含电子文档、演示文稿、教学录像、辅助课件、教案和大纲等多方面的教学资源，这些信息是智能教学系统的基础，对于学生的学习效果和学习主观能动性影响巨大。智能教学系统的教学策略库，由主讲教师从本身的教学经验出发，分析知识点之间的相关问题，对各个章节之间的教学内容分布解析，用二维矩阵或三维矩阵的方式进行标准化。学生在经过一段时间的学习后，根据其反馈[7-8]的内容生成一个动态的教学策略矩阵。智能教学系统的题库中存放了大量各章节的试题，主要是客观题，可用于网络作业和网络测试。教师将题目根据难易程度设计为不同的级别，如A、B、C、D等，智能教学系统可以依据学生学习的实际情况进行调配，同时主讲教师也可以通过手动设置进行调配，不同的学生采用不同的指导方法，不会因为作业或测试成绩的不理想而使他们学习的积极性受到挫伤[9-10]。当使用数据挖掘技术建立学生模型的时候，大数据信息的采集及数据分析的准确性极为重要。因为大多数用户注册时并不会填写真实的个人资料，所以也不会真实地去填写注册表信息,基于这种情况,需要将用户的浏览信息与注册表信息有机地结合在一起,利用数据挖掘的算法来推算用户的实际资料,做出最有利于用户的结果,提高准确性和真实性，推动智能化教学的大力发展。

4结语

基于数据挖掘和WEB的智能教学系统，使教学过程智能化、网络化以及个性化，而随着互联网的迅猛发展，教育领域中的在线学习发挥了越来越重要的作用。将人工智能技术、数据挖掘技术以及网络技术和组件技术等应用到计算机辅助教学中，按照每个学生的学历、需求和自身兴趣等特点，利用统计分析方法挖掘拥有的实际信息，对教学策略进行调整。在教学过程中能自动生成对学生的评价，给出教师推理策略和教学建议。

参考文献

[1]顾晟.面向知识管理的网络教学系统构建研究[J].长春理工大学学报,2011,6(1):184-185.

[2]李志平,刘敏昆,孙瑜.基于web的智能教学系统研究[J].计算机工程与应用,2006(2):208-210.

[3]刘寅,黄燕.基于Web的智能教学系统知识模型与学习控制[J].计算机工程与设计,2006,27(14):2640-2642.

[4]张治斌,王艳萍.数据挖掘技术在数字化校园中的应用研究[J].计算机系统应用,2007(3):27-30.

[5]王珊,王会举,谭雄派,等.架构大数据:挑战、现状与展望[J].计算机学报,2011(10):88.

[6]黄荣怀.基于Web的协作学习系统模型[J].中国远程教育,2001(5):42-47.

[7]张潇,挥爽,陆桑璐,陈道蓄.并行数据挖掘研究[J].计算机工程,2003,29(17):58-59.

[8]吴赞,冯珊,唐超.智能教学系统的发展与前瞻[J].计算机工程与应用,2002(6):6-7.

[9]张潇,挥爽,陆桑璐,陈道蓄.并行数据挖掘研究[J].计算机工程,2003,29(17):58-59.

[10]焦加麟,徐良贤,戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真,2003,8(20):49-51.

作者:田茁 单位:吉林农业大学信息技术学院