基于數據挖掘技術網絡化訓練分析系統研究與實現

摘 要： 對于教育測評所積累的大量數據，通過數據挖掘技術能產生出對學生、教師、教育管理者有用的知識。為此，從教育測評的目的、數據準備、數據積累方法，到數據的知識挖掘等幾個方面，系統地研究了教育測評的知識發現的過程，并分別就三種需求的知識發現方法進行探討，以改變教育測評僅能提供定性的結論而不能發現知識的狀況，豐富教育測評的內涵。

關鍵詞： 教育測評； 知識； 知識發現； 數據挖掘

中圖分類號：TP391 文獻標志碼：A 文章編號：1006-8228（2013）04-12-03

Research and implementation of network training analysis system based on data mining technology

Huo Xiaogang

（Zhejiang Technical Institute of Economics， Hangzhou， Zhejiang 310018， China）

Abstract： As for a large amount of data accumulated in education evaluation， useful knowledge for students， teachers and education administrators can be produced through data mining technology. Therefore， from the purpose of the education evaluation， to the data preparation， data accumulation method and data knowledge mining， the process of knowledge discovery in education evaluation system is systematically researched. Three kinds of knowledge discovery methods are respectively discussed， to change the situation that the education evaluation can only provide qualitative conclusion and can not find the status of knowledge， and it also enriches the connotation of education evaluation.

Key words： education evaluation； knowledge； knowledge discovery； data mining

0 引言

在教學中，隨著電子試卷的普及，在教學實施過程中已積累了大量的數據，但目前這些數據大多僅僅起到對學習者進行一種終結性的定性作用，而沒有起到教育測評的另一個重要作用——激勵。并且，當數據積累到一定程度后，這些數據又將成為某種形式的數據垃圾，與當年的商業數據一樣，產生了“數據爆炸，但又同時出現知識貧乏”現象，失去了收集數據作為決策依據的實際意義。測試所產生的數據對學習可能是毫無幫助的，如果擔心不理想的測試結果會影響將來，那么測試將成為學習者學習的負擔。因此，應用現代信息技術對教育測評產生的數據進行合理處理，對其中所包含的信息進行挖掘，產生出對教育者與受教育者有指導意義的知識，使每一次教育測評的結果能為教育者與學習者指明方向，使其從懼怕測試變為主動應用測試以指導教學與學習，逐步提高教育教學與學習效果。

1 教育測評數據挖掘的數據準備

教育測評的主體是受教育者，受教育者在接受一定時期的指導后，通過教育測評來檢查學習的成果，教育者也可以通過受教育者檢查的結果來反觀自己的教育成果，從中找出雙方都需要的“知識”。因此，在教育測評前應該想到教育測評數據的后期作用，在系統設計階段對數據庫表的設計加以研究，以方便以后的數據挖掘工作。

1.1 數據源的產生

就某一門學科而言，表面上來看，教育測評就是根據教學大綱所要求的內容，制定出符合實際要求的試題，對受教育者進行測試。但實際過程中與測試有關的數據還有：教育者、學科知識等，因此，教育測評的數據主要有五個來源：⑴教育者數據源；⑵被測試者數據源；⑶測試科目知識點數據源；⑷測試者行為數據源；⑸測試題目數據源。

⑴ 教育者數據源主要是指：在教育過程中，施教者——教師的個人的各種屬性。如姓名、性別、年齡、所授課程等。在本文中，教育者數據源的集合用T來表示。

⑵ 被測試者數據源主要是指：教育過程中的主體——學生的各種個人屬性的集合。如姓名、性別、年齡、年級、班級、上課課程等。在本文中，被測試者數據源的集合用S來表示的。

⑶ 測試科目知識點數據源主要是指：測試測試科目所規定的要求掌握的知識點，知識點的屬性可用知識點所在科目的章、節、條來表示。在本文中，知識點數據源的集合用K來表示。

⑷ 測試者行為數據源主要是指：測試者在進行測試時所產生的行為的記錄的集合。一般是指測試者對測試題目回答的記錄。如果要對其回答題目時間進行判斷，也可加入時間量。在本文中，測試者行為數據源的集合用A來表示。

⑸ 測試題目數據源是指：測試者或教師，根據科目對知識點要求的情況，制訂的測試題目的集合。在本文中，測試題目數據源的集合用Q來表示。

在實際的測試過程中，測試者行為數據源的集合A收集的是測試者對測試試題的集合Q的子集的響應情況，反映對知識點掌握的程度，隨測試者行為的變化而變化，其他四個數據源則相對穩定。其目的是在知識發現過程中，由測試者行為數據源A找出受教育者的學習情況、教育者教學后的效果、被測試者學習情況和教育者關心的各知識點掌握情況的關聯程度，以及學習者對自己掌握知識點與未掌握知識點全面了解。通過對測試者知識面掌握情況的分析，發現相關教育者的教學情況、測試題目的難易情況、試卷組合的合理性等方面的知識。

1.2 數據源屬性的設置

⑴ 教育者數據源的集合T：T={t1，t2，…，tn}，每一個元素ti表示一個教育者的屬性的記錄。

⑵ 被測試者數據源的集合S：S=S{（s1，t1），（s2，t1），…，（sn，tm），}，si表示一個測試者屬性的記錄，ti∈T。

⑶ 學科知識點數據源的集合K：K=K{k1，k2…，kn}，ki表示一個學科知識點的記錄。

⑷ 測試題目數據源的集合用Q：Q=Q{（q1，k1），（q2，k1），…，（qn，km），}，qi表示一個測試題目屬性的記錄，ki∈K。

⑸ 測試者行為數據源的集合用A：A=A{（s1，q1，a1），（s2，q2，a2），…，（sm，qn，ap）}，ai表示一個測試者對問題響應的結果的記錄是布爾型變量，其中q i∈Q，si∈S。

1.3 數據源之間的關系

通過以上的設置，從測試者行為數據源集A中ai的狀況能直接判斷出測試者si對問題qi的反映情況，建立了一個通過測試者行為數據源A與教育者T、測試者S和知識點K之間的關系圖（如圖1所示）。通過測試者的行為反映出接受教育的情況，從而能挖掘出有效的知識，供教育者、教育管理者、測試者來使用。

1.4 測試者行為對各種數據積累方法

每當測試者si對Q中所產生的問題qi響應的行為時，通過A、S、T、K所建立起的關系把所產生的數據累積到各對應的數據集的屬性中，為挖掘知識的積累所需的原始數據。

測試者si的行為是所有知識挖掘的基礎，當測試者對問題Q進行響應時，將會產生連鎖反應。

⑴ 測試試題數據積累方法。對于某一個si∈S，對A中的qi（qi∈Q）的響應，產生測試者行為an，an是布爾變量，或真（.T.）或假（.F.）。對于an=.F.的響應，首先對于其對應的qi∈Q，在Q中找到qi，記錄下本次響應的結果（an=.T.的響應不用記錄）。并進行累積，為研究Q中每一元素的合理性積累數據。

⑵ 學科知識點掌握情況數據積累方法。對于某一個si∈S，對A中的qi（qi∈Q）的響應，同時，qi對應著K中的某一處kj∈K。當an=.F.時，通過qi∈Q中的（qi，kj）關系，都可以找到對應的kj，把an=.F.的響應通過qi累積到kj中。為研究挖掘K中知識發現作好數據準備。

⑶ 受試者數據積累方法。對于某一個si∈S，對A中的每一次選擇的Q的子集Qi的所有元素的響應。把Qi中所有an=.T.記錄在si的行為記錄中，把所有an=.F.也記錄在si的行為記錄中。對每一次si∈S的行為分開記錄，構成si的完整的行為響應軌跡，這樣可以通過后面的挖掘找出si的某些方面的知識。

⑷ 教育者數據積累方法。對于某一個tj∈T，通過與S的關系（si，tj），對S中的數據積累進行引用，將能挖掘測試者行為，而且生出對每一個ti的知識。

2 教育測評后知識挖掘的實現

教育過程是由課程的知識點來構成的，當每一次的教育測評完成，實質是對該課程知識點接受情況的反映。同時，也反映出講授本課程的教師的授課情況。對于某一課程，理想狀況是當受教育者掌握了本課程的所有知識點，則表明受教育者完成本課程的學習。

對于教育測評完成后，有關的教育參與者與管理者所關心的側重點是不同的。通過多次的測評，學生（測試者）、老師（教育者）和教學管理人員將期望從測評的結果中產生對自己有用的知識。

測試者（學生）所關心的是：

⑴ 學習效果鑒定情況；

⑵ 學科知識點掌握的總體情況；

⑶ 獲得指導性學習意見。

教育者（教師）所關心的是：

⑴ 施教效果分析（掌握所授學科知識點學生總體情況）；

⑵ 施教改進方向（知識點掌握情況）；

⑶ 測試題目效果分析與改進。

教育管理者（教學管理者）所關心的是：

⑴ 教育執行總體情況分析（老師）；

⑵ 教育執行分布情況分析。

通過教育測評，由測試者的行為分別對A、Q、K、S數據集產生影響，形成原始的數據積累后，根據教育統計學原理，挖掘出所關心的各種知識。

2.1 學生所需知識的挖掘方法

當測試完畢，測試者得到對自己學習成果的鑒定與今后學習的指導性意見。即對于某個si∈S，產生A的子集，對Q的子集Q（j）作出響應后，a=.T.的比率及a=.F.所對應的K集合中所影響的元素k。

⑴ 用匯總的方法計算學生鑒定的效果

在A中，某個si∈S，計算成績

其中，qj∈Q（j）。

若結果C（si）大于所設定的闞值（及格線）m，則鑒定為合格。同時，也可以計算出某一有共同特征的S的子集S（j）中所有元素si的成績C（si）（si∈S），排列出si的相對位置作為激勵。

⑵ 用分類的方法指出學生的學習方向

指導性意見來自于對學科知識點的反應。在K中通過Q記錄下a=.F.所影響的元素kj，根據其所在章節進行分類，給出學生學習導向。A中所記錄測試者si對Q的響應中a=.F.所有qi，反映了對問題的錯誤響應。而問題qi中與知識點ki∈K相對應的所有qi，反映了學生對知識點ki的掌握情況。

對于某一學科的知識點集合K（j）?K，包含有n個知識點kn∈K（j），其中n=1，2，…，n。在A中si∈S，計算si對K（j）的錯誤響應個數M（kj）：

將M（kj）與相對應的知識點進行列表，如表1所示。

其中，Q（j）?Q，且滿足Q（qj，kn），kn∈K（j）。學生可以根據上表所列情況，得出學習弱點，找尋自己的學習方向。

2.2 教師所需知識的挖掘方法

教育測評后，教師ti∈T所關心是的自己的施教手段與方法是否達到了預期的效果。主要表現在授課對象（測試者）的集合S（i）=S（t，s）?S，其中t=ti，對問題Q的響應情況，實質上是對Q中相對應的學科知識點K的認識是否正確。同時，在眾多測試者響應后，對問題qi是否設置合理得當，也可以通過測試者的響應情況作出相應的判斷，教師也可以根據情況，得出是否對問題qi的改進。

⑴ 教師對整體的期望

對于某一個ti∈T。求出

其中，S（i）=S（t，s）?S，t=ti ；Q（i）是ti所關心某一個或一些知識點相關的qi所組成的Q的子集。通過這一計算，教師取得了在本次測試的整體狀態的情況。

⑵ 學科知識點掌握情況

關于某一個章節知識點K（i）?K學生響應情況的統計結果|A（S（i），Q（i），a=.F.）|，其中S（i）=S（t，s）?S，其中t=ti ；Q（i）=Q（ki，qi）?Q，其中ki∈K（i）。

從統計結果分析，在教師授課后，對于學生對各章節知識點的掌握情況，我們采用分類匯總的方式。對于某一章節的知識點的集合K（i）?K中的元素ki∈K（i），分析當t=ti時，

得出教師ti關于知識點ki的授課后學生對知識點的掌握情況。

通過表2教師可以發現教學過程中學科知識點掌握的分布情況，找出相應的提高教學效果的策略。

⑶ 試題效果的改進

相同知識點的不同表述所產生的題目可能會影響測試者的響應行為，因此，對同一知識點的不同表述所產生的題目的難度系數不同，若通過多批次的測試，難度系數發散，則說明關于知識點ki的表述不盡合理，就需改進出題策略。用dj表示題目qj∈Q難度系數，統計其變化，難度也將會收斂于某一個值。

其中，N為所有選擇題目qj的累積人數。通過比較同一個ki下的不同qj的難度系數，就可以得出出題情況的不同表述。

2.3 管理者所需知識的挖掘方法

教育管理者關心的是教師授課的執行情況，教師授課情況的信息來源主要是學生對于所學課程測試的響應情況。從測試者對測試的響應中來判斷知識點掌握情況，同時反映出教師對所授課的知識點的授課情況。因此，對教師一個時期的考查可以從知識點掌握的分布與知識點掌握情況通過測試卷之間的差距來判斷。

⑴ 對于所有的ti∈T，建立知識點掌握情況矩陣

表3中，rij是ti教學中知識點kj的掌握情況，

從這個矩陣中，教育管理者可以對所有老師的知識點授課情況做一個全面的比較和了解。可以針對某一老師的教學弱點進行指導。

⑵ 知識點掌握情況方差分析

方差主要用來表現數據波動的大小。對于教師由時間順序進行的測試，進行方差分析，結果見表4。對于方差漸大的ti，說明教學過程中分化越來越嚴重。表4與表3相對照，就能反應出教師授課情況。這些可為教育管理者提供管理的依據。

3 結束語

數據挖掘技術起源于商業活動中所產生的海量數據的處理，把數據轉化為用于商業決策的信息，并成功解決眾多的實際問題，目前已廣泛應用于商業活動，技術已相當成熟。對于教育活動中產生大量數據的網絡化訓練與測試，也可利用數據挖掘技術了解學習者的學習動態，制定學習與教學計劃的重點與難點，發現隱藏在數據中的有用信息，使之成為指導學習的“知識”，從而成為教師與學生提高學習效率的“智慧”。通過知識的挖掘培養學生的自我評價能力，學生從畏懼評價，到主動參與評價，使評價真正起到指導學習方向、激勵學習的作用，同時也使評價成為教師制訂授課指導重點與難點的依據。

參考文獻：

[1] 閆寒冰.信息化教學評價[M].教育科學出版社，2003.

[2] 楊永斌.數據挖掘技術在教育中的應用研究[J].計算機科學，2006.12.

[3] Jiawei Han， Micheline Kamber. Data Mining Concepts and Techniques[M].機械工業出版社，2001.

[4] 朱德利.SQL SERVER 2005數據挖掘與商業智能完全解決方案[M].電子工業出版社，2007.

[5] 毛國君，段立娟，王實，石云.數據挖掘原理與算法[M].清華大學出版社，2007.

[6] 安淑芝.數據倉庫與數據挖掘[M].清華大學出版社，2005.

[7] 朱德全.教育統計與測評技術[M].西南大學出版社，2007.

[8] 陳安，陳寧，周龍驤.數據挖掘技術及應用[M].科學出版社，2006.