高校教學資源數據管理方法研究

陳震 吳繁

摘?要：通過智能的數據挖掘方法對高校教學資源數據進行處理是一個由低階數據經特征分析向高階決策應用不斷進化的過程。多源高校教學資源數據的外顯格式不一致、負載內容復雜，對其進行挖掘有一定難度，課題將主要圍繞三個目標開展研究：①面向異構屏蔽的多模態高校教學資源數據智能整合研究;②面向語義分析的多模態高校教學資源數據智能提取研究;③面向應用需求的多模態高校教學資源數據智能決策研究。課題將構建多模態高校教學資源數據智能整合—提取—決策的理論體系框架，建立多模態高校教學資源數據多層次智能管理的相關模型。

關鍵詞：高校;教學資源;數據管理

文章針對高校教學資源數據多元性強、體量大、結構復雜等特點，綜合運用知識工程理論，協同調用多種智能數據挖掘方法從以下三個部分定量分析高校教學資源數據。

一、 高校教學資源數據整合

高校教學資源數據包括文本、圖像、音頻、視頻，無論數據的易用程度抑或數據結構的序化完整性都很低。課題組借助RBF神經網絡算法對采集的多源異構數據進行優化同質，從而得到深度同質的原始高校教學資源數據集。這部分的研究內容為：制定基于RBF神經網絡算法的多源異構數據優化同質標準;制定基于統一標引規范的原始高校教學資源數據集深度同質標準及設計相應的存儲結構。同質后的數據中無效干擾數據過多，數據維度也過高，須對其進行數據預處理。課題組借助支持向量機分類技術選擇性構建高校教學資源數據停用詞表和特征詞表。這部分的研究內容為：把高校教學資源數據的性質定量化并以此配置支持向量機分類技術的相關參數。

二、 高校教學資源數據提取

高校教學資源數據提取是高校教學資源數據分析與應用體系的重要環節，提取數據的準確性與整個體系的性能密切相關，所以必須通過一種高效的，快速的數據提取方法對高校教學資源數據進行提取處理。目前基于主題分析的數據提取方法已成為數據管理領域的前沿技術，其以嚴謹的概率統計理論基礎為支撐，以海量數據中的主題為單位，通過自動化的機器處理形式對海量數據進行粒度更細致的語義層信息提取與加工，這些優勢與高校教學資源數據的諸多性質也更契合。因此課題組借助主題分析技術深入到高校教學資源數據的語義層面基于主題的視角來對其內容進行更深入更細化的提取。這部分的研究內容為：確定主題模型中最優主題數量;設計主題聚類方法。

三、 高校教學資源數據決策

通過高校教學資源數據提取所得的有價值的信息需要轉化為有效決策，以達到高校教學資源數據管理體系的最終目標。課題組借助分段決策技術分別在高校教學過程的預習階段、授課階段、復習階段生成應對策略。這部分的研究內容為：高校教學資源數據不同階段數據需求界定劃分;建立基于高校教學資源數據的效用函數判別模型。

具體內容如下圖所示。

（通訊作者：吳繁）

參考文獻：

[1]袁韜.云計算對高校信息化教學資源建設的影響探究[J].中國教育學刊，2015（S2）：175-176.

[2]陳洪，陳明學.高校實踐教學資源共享策略探討[J].黑龍江高教研究，2014（10）：156-158.

[3]邱克.開放環境下的高校教育教學資源開發管理[J].國家教育行政學院學報，2008（3）：30-32.

[4]趙輝，陳湘軍.基于XML&Web Services的開放型教學資源管理模型的設計與實現[J].現代教育技術，2006（6）：77-80.

[5]范峰南.積極改進高校教學資源管理[J].清華大學教育研究，1999（4）：121-122.

作者簡介：

陳震，吉林省吉林市，北華大學計算機科學技術學院。