基于數據挖掘的智能教學系統的探討

刁才富

【摘要】本文以基于數據挖掘技術的智能教學系統為題，探討了相關技術的應用和實踐，揭示了智能教學系統的優勢所在以及隱藏在其背后的技術支撐，為將來進一步優化教學資源，促進個性化、層次化以及差異化教學提供可靠的教學平臺系統參考。

【關鍵詞】數據挖掘 智能 教學系統 信息技術

【中圖分類號】G64 【文獻標識碼】A 【文章編號】2095-3089（2017）23-0239-02

一、數據挖掘

一般而言，智能教學系統中數據挖掘技術包括以下四個方面，即：

（一）教學過程中學生數據采集

教學過程中學生數據采集主要是記錄學生詳細的學習過程，包括學習進度、學習內容，不同學習內容耗費的時間、測試內容、測試用時、測試結果、不同教學內容的訪問頻率等等，基本上是相關教學資源的全程記錄， 通過學生學習數據的記錄，為后續的數據挖掘過程奠定堅實的數據基礎，需要指出的是，學生數據的采集并不局限于傳統的結構化數據采集，還包括應用范圍更廣的非結構化數據，這是近年來數據模型構建過程NOSQL應用的重要應用方式。

（二）數據預處理過程

有了上一階段的基礎數據收集基礎，還需對這些數據進行預處理，預處理工作主要完成數據清洗任務，數據拆分過程，通俗的講就是對第一階段產生的數據進行篩選、歸類的工作。將一些無用的數據消息進行丟棄，為下一階段的數據處理做好前置準備，具體到實現技術應用角度而言，以常見的Hadoop大數據框架技術為例就是將數據提交到Hadoop所支持的HDFS文件系統，篩選有用數據消息的工作，在此就不進行具體的展開了。

（三）數據挖掘工作

數據挖掘同樣依賴于前一步驟所產生的清洗數據，利用服務器端計算機集群強大的數據存儲以及計算資源，對數據進行挖掘分析，同樣以Hadoop技術為例，就是實現MapReduce中MAP映射過程，通過一定的挖掘算法，對教學數據做進一步的統計分析、關聯計算、數據建模以及用戶追蹤的工作。這一階段的工作是真正進行數據挖掘步驟，是現實教學數據大數據分析的核心。

（四）數據匯總

數據匯總也就是人們常說的數據分析報告，結合Hadoop技術，是實現MapReduce中Reduce（歸約）過程。具體到教學數據的匯總而言，可以得出系列特定用戶數據或者非特定用戶數據匯總結果。特定用戶數據主要是指，某個學生的學習過程數據匯總報告，例如學生利用智能教學系統學習效率、學習覆蓋率、學習結果等多維度的學習數據；而非特定數據是通過大量不同學生數據分析計算得出來的通用性較高的數據，例如學生重難點把握情況、整體的學習情況等等。總之，數據匯總是數據挖掘的最后階段，是產生有效教學數據的過程。

二、基于數據挖掘的智能教學系統的設計和應用探討

（一）智能教學系統界面設計以及功能模塊的劃分

智能教學系統界面設計就是人們場所的UI（用戶接口）設計，從教學過程的劃分，一般將其界面按照功能進行劃分，如視頻教學、階段測試、學情分析、教學進度、互動交流等功能步驟，建議對功能模塊所實現的功能“原子化”處理，即特定模塊僅僅完成相應的功能即可，當然各個功能模塊背后所承載的數據模型應保障一致性原則。由此可見，基于Web和數據挖掘的智能教學系統的設計和應用做好其節目以及功能模塊的劃分具有十分重要的意義。

（二）學生學習事件的追蹤

學生學習事件的追蹤是通過智能學習系統的終端編號或者用戶ID的追蹤方式予以進行的，對應到Web功能以及數據挖掘處理過程就是遠程服務器資源的獲取、教學過程數據的收集工作，通過用戶事件的收集，產生了大量學生學習的實時數據，從而記錄了學生學習進度、教學資源的應用、階段性測驗成果等一系列相關的教學數據，這是學生個性化學習定制的原始數據，具有十分重要的數據基礎。當然通過學生學習進度等數據的展示，學生能夠清楚的認識學習目標的完成度（以一種百分比的形式進行更為精準的展示），從而使得智能教學的目標性以及學生學習的積極性獲得進一步的提升。

（三）教學診斷和能力測定

教學診斷是依據學生學習數據，對學生學習進度、學習效率以及學習目標的大程度進行匯總分析的階段，對應于傳統教學過程中即就是教學階段性總結的過程，二者最大的區別在于利用智能化教學系統平臺所產生的教學診斷數據更加客觀、針對性較強，其診斷結果都是以客觀的學生學習數據為依據的；而能力測定更多都是測試數據的匯總，一些教學系統將能力測定作為教學診斷的內容予以涵蓋，這都是可行的。測試數據是學生階段性學習情況最為真實的反饋，通過能力測定，智能系統能夠適當的調整學生的學習習慣和學習過程，實現個性化學習、差異化學習。

（四）根據學生學習情況予以針對性的提升

智能系統之所以智能就在于其具有較強的針對性，通過實時匯總學生學習數據和學習情況，從服務器端產生學生學習數據庫，并以此為依據給出學生學習策略，對于學習能力突出的學生通過知識結構的拓展以及學習進度的提升，實現其優質化學習，對于學習能力相對較弱的學生則通過知識點的細化、重難點的針對性講解，使其能夠達到基本的教學要求，從而提升其學習自信心，實現學有所獲。除此之外，通過學生實時數據的匯總，教師在遠程的管理端可以通過各種統計數據、報表等形式，清楚的了解各個學生的學習情況，使得教師對于全局教學過程的把控準確度以及精細化程度有了較大的提升，而這正是得益于數據挖掘技術的有效應用。

（五）教學資源有針對性的進行推送

基于數據挖掘的智能教學系統不僅能夠根據學生學習進度以及課程目標讓學生自主選擇教學資源，而且還能夠針對學生學習的實際情況以及測評情況予以極具針對性的教學資源推送，這是智能教學系統區別于傳統的簡單資源庫教學系統的優勢所在，以學生章節測試為例，智能教學系統會對學生的測評結果進行分析，將學生章節掌握的薄弱部分記錄在相關數據庫中，并在學生學習時推送相關知識內容，既可以是視頻類型的知識講解，也可以是相關一系列的練習題，讓學生進一步加強和鞏固相關內容，從而獲得極具針對性的鞏固和練習，提高學習效率。

（六）教師進行適當的引導和補充

智能教學系統的應用必然會促進當前教育教學工作的快速推進，在應用智能教學系統的同時還應做好教師的必要引導和知識的補充，不可否認智能教學系統的應用能夠大幅度的提升學生學習的效率和質量，但是往往在一些需要教師面對面進行引導的教學部分，智能系統是不能替代的；另外智能教學系統的應用，要求學生應具備一定的學習主動性和積極性，而脫離了教師的監管和掌控，一些自律性較差、學習積極性不足的學生必然會出現一定的學習問題，這同樣是不可忽視的智能系統應用問題。因此，從互補性的角度而言，除了有效的應用好智能教學系統之外，還應通過教師的適當引導和補充保障整個學習過程的有序和完整性。

三、小結

綜上所述，基于數據挖掘的智能教學系統是信息技術與教學過程的高度融合，對于優化教學資源、創新教學形式都具有十分重要的意義，本文從智能教學系統、數據挖掘技術等進行了簡要的討論，并分析了數據挖掘技術在教學過程中的設計和應用。

參考文獻：

[1]彭麗娟.基于數據挖掘的高職院校教學管理系統的設計與實現[D].電子科技大學，2014.

[2]梁巖.濟寧市高級職業學校網絡教學管理系統的設計與實現[D].電子科技大學，2015.