高校教學資源數據管理現狀和意義研究

陳震 吳繁

摘?要：通過數據挖掘技術管理分析高校教學資源數據涉及教育科學、計算機科學、管理科學等多個領域。高校教學資源數據挖掘目標有兩個：一是促進自適應學習環境的發展和數據挖掘技術在教學資源管理中高效、靈活及個性化的使用;二是“使用精確的計算和清晰的形式表示教育科學和管理學中含糊不清的知識”，讓數據挖掘成為打開“教育黑匣子”的重要工具。

關鍵詞：高校;教學資源;現狀;意義

數據挖掘一般是指從大量的數據中通過一定方法搜索隱藏于其中信息的過程。高校教學資源一般是指為高校教學的有效開展而提供的各種可被利用的素材，通常包括教材、案例、影視、圖片、課件、調查問卷等，也包括教師資源、教具、基礎設施等，在信息時代多以海量數據的形式存在。

一、 研究現狀

文章根據知識工程理論協同運用多種前沿數據挖掘方法對高校教學資源進行分析，即通過數據挖掘技術，更深入、更微觀地窺視、理解高校教育是如何發生的，是如何受到外界各種因素影響的，進而為學習者高效地進行學習創造有利條件。由此國內外學者對該領域進行了多角度多層次的研究。

2012年馮桂爾通過數據挖掘技術對遠程教育中大量的信息資源進行整合統計分析，從而更好地促進遠程教育的發展，并以《現代英語語法》課程為例，運用路徑分析、興趣關聯規則分析、聚類分析、序列模式分析等數據挖掘技術，處理學生在線學習該課程的大量數據，以可視化的方式把挖掘結果反饋給學習者和教學管理者，從而實現雙贏的結果。2013年Divna等學者采用聚類挖掘算法對Moodle平臺中的學習數據進行分析，找出具有相似學習特征的學生，并根據分類結果判斷學生是否取得進步，證明了數據挖掘技術在網絡學習過程中的可行性。2014年Huseyin等學者采用決策樹算法預測影響學生學業成功的影響因素，并采用多個模型視圖構建一個完整的教育數據挖掘系統等。2016年施佺等學者建立了網絡學習過程監管的教育數據挖掘模型，借助教育數據挖掘技術中的統計分析與可視化、關聯規則算法和聚類算法，分析了網絡學習過程中產生的大量學習數據，并根據分析結果給出了網絡學習過程監督與管理的思考和建議。2017年胡水星在教育數據挖掘過程模式分析的基礎上，基于Moodle網絡日志和微視頻教學應用案例，進行教育數據挖掘的具體應用實證分析，發現教育現象之間的相互關聯與規則，從而為進一步優化教學提供教育預測和教育決策支持。2018年張琳等學者從教學數據挖掘的觀點出發，提出了教學視點和數據視點的概念，基于此構建了教學數據挖掘框架，從教師、學習者、管理者、資源設計、教學事件處理等不同的視點提出了數據挖掘的相關因素，并通過多種數據源的挖掘處理方法的研究完成相應視點下事件的因果關系及相關關系的分析，為教學數據挖掘提出了新的思路和策略，為教學質量提升提出了一種可行方法。

二、 研究意義

理論意義：高校教學資源數據管理是教育科學與數據挖掘技術的新契合點，是從定量的角度微觀研究教育科學的本質。通過智能的數據挖掘方法對高校教學資源數據進行深入分析，再提取其中隱藏的有價值信息，并根據這些信息生成有效決策不僅涉及教育科學自身學科建設，更是促進計算機學、管理學、信息學等多門學科知識元素交叉發酵的重要機遇，各學科科研思路相互借鑒的同時也必將促進教育科學研究方法的推陳創新，為綜合的運用多學科知識協同高效智能分析海量高校教學資源數據并生成應對決策提供思路和方法。

實踐價值：高校教學資源數據管理擔負著教育科學領域中與深度解析海量高校教學資源相關的諸多現實問題：如何同質整合不同類型的多模態高校教學資源數據;如何精準提取高校教學資源數據中的潛在信息;如何把有價值信息轉化為有效的應對決策。文章通過智能數據挖掘技術對海量的多模態高校教學資源數據進行深層次定量研究，并構建多層次高校教學資源數據分析與應用體系。這不僅有助于高校教學資源數據分析技術的開拓創新，探索教育科學的本質;而且可以為高校教學資源數據管理應用模式與機制積累經驗、提供指導，并為提高高等教育的教學質量與水平提供有效途徑。

（通訊作者：吳繁）

參考文獻：

[1]馮桂爾.數據挖掘技術在遠程教育中的應用[J].現代教育技術，2012，22（12）：96-98.

[2]GURULER H， ISTANBULLU A. Modeling student performance in higher education using data mining[J]. Educational Data Mining，2014（1）：105-124.

[3]施佺，錢源，孫玲.基于教育數據挖掘的網絡學習過程監管研究[J].現代教育技術，2016，26（6）：87-93.

[4]胡水星.教育數據挖掘及其教學應用實證分析[J].現代遠距離教育，2017（4）：29-37.

[5]張琳，李小平，張少剛，等.基于遠程教學視點下的大數據挖掘模式問題研究[J].中國電化教育，2018（4）：41-49.

[6]鄭莉，王建驊.基于模糊數據挖掘的教學質量滿意度分析[J].數學的實踐與認識，2018，48（18）：106-116.

[7]王改花，傅鋼善.數據挖掘視角下網絡學習者行為特征聚類分析[J].現代遠程教育研究，2018（4）：106-112.

[8]劉邦奇，李鑫.智慧課堂數據挖掘分析與應用實證研究[J].電化教育研究，2018，39（6）：41-47.

[9]陳德鑫，占袁圓，楊兵.深度學習技術在教育大數據挖掘領域的應用分析[J].電化教育研究，2019，40（2）：68-76.

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。