Ｃ４．５算法在指導自主學習過程中的應用研究

摘要：在基于網絡環境的自主學習模式下，良好的自主選課是進行有效自主學習的前提，人為地對自主學習行為進行指導并不現實。利用面向屬性歸納和決策樹CA.5算法對自主學習信息進行分析，幫助自主學習者找出學習的專業取向。能夠使自主學習者有針對性地學習，實現高校對自主學習者的有效管理，促進自主學習模式的全面形成。

關鍵詞：J2EE；自主學習模式；數據挖掘；C4.5算法；面向屬性歸納

0 引言

信息技術的進步與學分制在全國各高等院校中的廣泛實施，為自主學習模式提供了發展環境；而質量工程的逐步開展、本科教學改革的全面深入，則會使得自主學習模式必然成為網絡教育發展的主要方向。在網絡環境的自主學習模式中，學習者可以根據自己的興趣學習自己喜歡的課程，但是這樣就會造成學習者所修的課程雜亂無章、沒有明顯的專業信息、學習盲目等諸多問題。為確保學習者完整系統地學習，也為了學校能夠更有效地管理自主學習情況，我們設計和實現了一套能夠在自主學習者的全程學習過程中提供選課指導的智能選課系統。

智能選課系統是智能導學系統的一種特例，體現了智能導學系統在自主選課方面的可行性和有效性。該智能選課系統運用專家系統和數據挖掘技術為學生(即自主學習者，以下均簡稱學生)提供實時的選課建議和指導。在具體實現時共設計了三個智能模塊，其中的學位預測模塊起到授位專業預測的作用。所謂授位專業，即學生畢業時學校所授學位的專業。如果系統在學生登錄時發現該學生已經完成了三年的學習，則會根據其前三年的學習情況，預測出該生畢業時所授學位的專業名稱，以便該學生在最后一學年作好修課安排，順利畢業。為了得到學生與授位專業之間的映射關系，需要總結出一系列由學生到授位專業的映射規則。由于基于網絡教育的自主學習模式中學生人數眾多，相關的學習信息龐大繁多，依靠人工找到相關規則和進行分類是不可能的，因此需要用數據挖掘的方法對上述映射規則進行提取并利用這些映射規則對正在學習的大三學生進行分類。

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。