基于數(shù)據(jù)挖掘的腫瘤學(xué)課程計(jì)算機(jī)輔助教學(xué)系統(tǒng)設(shè)計(jì)

謝蕊

(哈爾濱醫(yī)科大學(xué)附屬腫瘤醫(yī)院， 黑龍江， 哈爾濱 150081)

0 引言

傳統(tǒng)課堂教學(xué)與計(jì)算機(jī)輔助教學(xué)技術(shù)相結(jié)合，師生互動(dòng)性較差，學(xué)生的學(xué)習(xí)主動(dòng)性受限，學(xué)習(xí)內(nèi)容缺少針對(duì)性與個(gè)性化[1]。因此，有必要設(shè)計(jì)一種個(gè)性化的計(jì)算機(jī)輔助教學(xué)系統(tǒng)。當(dāng)前，有學(xué)者[2]提出基于.net平臺(tái)構(gòu)建交互式計(jì)算機(jī)輔助教學(xué)系統(tǒng)，由用戶界面層、業(yè)務(wù)選擇層和數(shù)據(jù)管理層3層結(jié)構(gòu)體系構(gòu)成硬件結(jié)構(gòu)，利用交互性的在線教學(xué)實(shí)現(xiàn)計(jì)算機(jī)輔助教學(xué)系統(tǒng)的設(shè)計(jì)。還有學(xué)者[3]提出利用深度學(xué)習(xí)構(gòu)建智能教學(xué)系統(tǒng)，進(jìn)行成績預(yù)測和在線學(xué)習(xí)行為規(guī)律分析，據(jù)此得到學(xué)生學(xué)習(xí)行為特征提取，完成教師的輔助教學(xué)。但現(xiàn)有的計(jì)算機(jī)輔助教學(xué)系統(tǒng)個(gè)性化與智能化性能有所欠缺，且未對(duì)特定課程教學(xué)進(jìn)行分類拓展，導(dǎo)致針對(duì)性不強(qiáng)。

我國腫瘤學(xué)課程涉及知識(shí)面較廣，對(duì)專業(yè)人才隊(duì)伍建設(shè)與學(xué)科發(fā)展形成制約。因此，本文面向腫瘤學(xué)課程，構(gòu)建出一種基于數(shù)據(jù)挖掘的計(jì)算機(jī)輔助教學(xué)系統(tǒng)。通過挖掘?qū)W生學(xué)習(xí)能力與聚類學(xué)生學(xué)習(xí)特征，實(shí)現(xiàn)教學(xué)模式個(gè)性化服務(wù)，通過因材施教來優(yōu)化學(xué)習(xí)方法，提升學(xué)習(xí)效率。

1 基于數(shù)據(jù)挖掘的腫瘤學(xué)課程計(jì)算機(jī)輔助教學(xué)系統(tǒng)

1.1 計(jì)算機(jī)輔助教學(xué)系統(tǒng)數(shù)據(jù)挖掘效用

1.1.1 學(xué)生學(xué)習(xí)能力挖掘

利用由輸入層、輸出層、隱藏層組成的BP(Back Propagation，反向傳播)神經(jīng)網(wǎng)絡(luò)[4]，具體架構(gòu)如圖1所示。本文用它來挖掘?qū)W生學(xué)習(xí)水平與認(rèn)知能力，獲取其知識(shí)點(diǎn)掌握度。其中，BP神經(jīng)網(wǎng)絡(luò)的輸入層、輸出層結(jié)點(diǎn)與資源學(xué)習(xí)程度、知識(shí)點(diǎn)理解程度一一對(duì)應(yīng)，隱藏層間為全互聯(lián)連接形式。

圖1 BP神經(jīng)網(wǎng)絡(luò)框架圖

利用布魯姆目標(biāo)分類策略，劃分學(xué)生認(rèn)知能力分為6個(gè)等級(jí)，設(shè)定輸入項(xiàng)X={X1,X2,…,Xn}為認(rèn)知能力的評(píng)估值、作業(yè)情況、測試結(jié)果以及學(xué)習(xí)效率等多個(gè)變量，輸出項(xiàng)Y={Y1,Y2,Y3}是關(guān)于概念、技能、應(yīng)用的學(xué)生掌握度。假設(shè)變量個(gè)數(shù)是n，則任意知識(shí)點(diǎn)理解程度從n維到三維空間的非線性映射量化表達(dá)式為

(1)

式中，認(rèn)知能力6個(gè)等級(jí)的評(píng)估值為X1～X6，作業(yè)情況、考試情況等信息為X7～Xn。

腫瘤學(xué)課程學(xué)生的學(xué)習(xí)導(dǎo)航流程如圖2所示。以學(xué)生知識(shí)點(diǎn)掌握程度與學(xué)習(xí)目標(biāo)為基礎(chǔ)，展開學(xué)習(xí)導(dǎo)航，將合適的學(xué)習(xí)資源與建議針對(duì)性地推薦給學(xué)生。

圖2 學(xué)習(xí)導(dǎo)航流程圖

1.1.2 學(xué)生學(xué)習(xí)特征分類

根據(jù)學(xué)生知識(shí)點(diǎn)掌握情況，利用k-means算法[5-6]聚類分析學(xué)生特征，將各類別學(xué)生標(biāo)記作為因材施教參考依據(jù)。假設(shè)輸入項(xiàng)為數(shù)據(jù)集合Li，所含對(duì)象個(gè)數(shù)是l，輸出項(xiàng)為聚類中心Zj與對(duì)應(yīng)聚類數(shù)據(jù)集合Cj，聚類個(gè)數(shù)是K，則學(xué)生學(xué)習(xí)特征分類算法流程描述如下。

(1)聚類中心Zj初始化。

(2)利用式(2)求解數(shù)據(jù)與中心之間的距離：

D(Li,Zj)=|Li-Zj|

(2)

其中，i=1,2,…,l，j=1,2,…,k。

(3)當(dāng)間距D(Li,Zj)滿足下列等式時(shí)，有Li∈Cj，進(jìn)行類別劃分：

D(Li,Zj)=min{D(Li,Zj)}

(3)

(4)若l=1，則有下列表達(dá)式：

(4)

當(dāng)下列等式成立時(shí)，需重置聚類中心，并返回第一步進(jìn)行重新分類：

(5)

1.2 計(jì)算機(jī)輔助教學(xué)系統(tǒng)框架

計(jì)算機(jī)輔助教學(xué)系統(tǒng)主要由教學(xué)界面模塊、教學(xué)子系統(tǒng)、教學(xué)規(guī)則庫與學(xué)生信息庫、教學(xué)資源庫架構(gòu)而成，具體架構(gòu)如圖3所示。系統(tǒng)整體框架中的關(guān)鍵模塊是教學(xué)子系統(tǒng)，組成模塊分別為用戶數(shù)據(jù)的預(yù)處理與采集[7-9]、數(shù)據(jù)分析、信息調(diào)度。

圖3 腫瘤學(xué)課程計(jì)算機(jī)輔助教學(xué)系統(tǒng)整體框架圖

1.3 計(jì)算機(jī)輔助教學(xué)系統(tǒng)功能

按照用戶權(quán)限可將系統(tǒng)功能角色分成管理員、教師、學(xué)生。建立腫瘤學(xué)課程計(jì)算機(jī)輔助教學(xué)系統(tǒng)功能結(jié)構(gòu)，設(shè)定管理員角色職責(zé)為維護(hù)、管理系統(tǒng)信息、用戶信息以及用戶權(quán)限；教師在管理教學(xué)資源的同時(shí)，還需通過挖掘?qū)W生信息，分析、評(píng)估對(duì)應(yīng)學(xué)生的學(xué)習(xí)行為，并對(duì)教學(xué)策略作出合理調(diào)整；而學(xué)生只能在學(xué)習(xí)界面中執(zhí)行對(duì)應(yīng)指令。具體的結(jié)構(gòu)如圖4所示。

1.4 計(jì)算機(jī)輔助教學(xué)系統(tǒng)數(shù)據(jù)庫

數(shù)據(jù)庫對(duì)系統(tǒng)快速、便捷、精準(zhǔn)地調(diào)用、管理所需數(shù)據(jù)具有決定性作用，同時(shí)也是評(píng)價(jià)系統(tǒng)運(yùn)行質(zhì)量的一個(gè)關(guān)鍵指標(biāo)。采用DBMS(Database Management System，數(shù)據(jù)庫管理系統(tǒng))體系結(jié)構(gòu)[10]，有效結(jié)合應(yīng)用程序與DBMS，保證數(shù)據(jù)庫數(shù)據(jù)錄入準(zhǔn)確。系統(tǒng)通過Access[11]建立一個(gè)星狀數(shù)據(jù)倉庫，結(jié)構(gòu)如圖5所示。該數(shù)據(jù)庫的事實(shí)表內(nèi)容主要包括學(xué)生信息維表主鍵、教師信息維表主鍵、課程信息維表主鍵、練習(xí)與考試數(shù)據(jù)。

圖5 數(shù)據(jù)庫示意圖

2 計(jì)算機(jī)輔助教學(xué)系統(tǒng)實(shí)際案例分析

2.1 實(shí)驗(yàn)環(huán)境

采用如下運(yùn)行環(huán)境搭建系統(tǒng)內(nèi)部網(wǎng)絡(luò)平臺(tái)：apache 1.3.43 Web服務(wù)器軟件；MySQL 3.16.52數(shù)據(jù)庫服務(wù)器；Windows XP操作系統(tǒng)；4 GB內(nèi)存；3.2 GHz CPU；Java development tools開發(fā)工具。

2.2 學(xué)生學(xué)習(xí)特征聚類性能

選取10名學(xué)生知識(shí)掌握情況，整理、統(tǒng)計(jì)其分析數(shù)據(jù)，具體信息如表1所示。

表1 學(xué)生知識(shí)掌握具體信息

以表1數(shù)據(jù)為分類依據(jù)，按照優(yōu)、一般、欠佳3個(gè)等級(jí)，獲取學(xué)生聚類結(jié)果，如表2所示。由此可以看出，本文系統(tǒng)根據(jù)用戶數(shù)據(jù)采集模塊采集得到的各知識(shí)點(diǎn)掌握情況，利用數(shù)據(jù)分析模塊、BP神經(jīng)網(wǎng)絡(luò)算法以及k-means聚類算法，準(zhǔn)確劃分了學(xué)生學(xué)習(xí)特征與學(xué)生等級(jí)，為后續(xù)教學(xué)策略調(diào)整與教學(xué)內(nèi)容推薦奠定了良好的數(shù)據(jù)基礎(chǔ)。

表2 學(xué)生學(xué)習(xí)特征聚類結(jié)果

2.3 動(dòng)態(tài)信息檢測

動(dòng)態(tài)測試是通過執(zhí)行程序測試計(jì)算機(jī)錯(cuò)誤，一般采用黑白盒測試方法。黑盒測試的是系統(tǒng)功能，當(dāng)發(fā)現(xiàn)程序錯(cuò)誤后，利用白盒測試法挖掘錯(cuò)誤根源并進(jìn)行修正。從某大學(xué)參與腫瘤學(xué)課程學(xué)習(xí)的學(xué)生中任選50名，展開教學(xué)系統(tǒng)測試實(shí)驗(yàn)，系統(tǒng)主要模塊的測試結(jié)果如下，其中，登錄模塊檢測結(jié)果如表3所示，在線考試模塊檢測結(jié)果如表4所示，課程資源提交模塊檢測結(jié)果如表5所示。根據(jù)各模塊檢測結(jié)果可以看出，本文系統(tǒng)均呈現(xiàn)出理想的檢測結(jié)果，具有較好的有效性與可行性以及體現(xiàn)了較好的個(gè)性化功能。

表3 登錄模塊檢測結(jié)果

表4 在線考試模塊檢測結(jié)果

表5 課程資源提交模塊檢測結(jié)果

2.4 不同用戶并發(fā)數(shù)對(duì)系統(tǒng)吞吐量影響

分別選取50、100、150、200個(gè)用戶并發(fā)數(shù)，探索不同用戶并發(fā)數(shù)與系統(tǒng)吞吐量之間的關(guān)系，具體結(jié)果如圖6所示。通過圖6所示的系統(tǒng)吞吐量曲線圖可以看出，系統(tǒng)吞吐量隨著用戶并發(fā)數(shù)的增加而上升，但當(dāng)并發(fā)數(shù)達(dá)到一定數(shù)量后，吞吐量不增反降。這是因?yàn)楸疚南到y(tǒng)通過Access建立了一個(gè)星狀數(shù)據(jù)倉庫，所以需對(duì)用戶并發(fā)數(shù)設(shè)定界限，以獲取系統(tǒng)的最佳吞吐量。

圖6 吞吐量曲線圖

2.5 系統(tǒng)響應(yīng)時(shí)長檢測

系統(tǒng)響應(yīng)時(shí)長檢測結(jié)果如圖7所示。由此可以看出，本文系統(tǒng)由于用戶數(shù)據(jù)預(yù)處理模塊，清理、集成、歸約了用戶初始數(shù)據(jù)，去除了噪聲與不相關(guān)數(shù)據(jù)，通過數(shù)據(jù)合并與離散化，減少了挖掘時(shí)長，提升了數(shù)據(jù)質(zhì)量，所以，響應(yīng)時(shí)長用時(shí)較短，波動(dòng)較小，具有良好的時(shí)效性與穩(wěn)定性。

圖7 響應(yīng)時(shí)長柱形圖

3 總結(jié)

本文利用數(shù)據(jù)挖掘技術(shù)構(gòu)建腫瘤學(xué)科課程的輔助教學(xué)系統(tǒng)，通過挖掘?qū)W生的學(xué)習(xí)能力和學(xué)習(xí)行為特征，個(gè)性化地推薦學(xué)習(xí)資源，有針對(duì)性地輔助教師教學(xué)。但本文研究未考慮學(xué)生學(xué)習(xí)的隱私安全問題，在未來的研究中，考慮設(shè)計(jì)數(shù)據(jù)傳輸加密模塊，確保學(xué)生得到理想教學(xué)體驗(yàn)的同時(shí)，隱私也被很好地保護(hù)，進(jìn)一步完善教學(xué)系統(tǒng)功能。