数据挖掘在现代远程教育中的应用.docx

数据挖掘在现代远程教育中的应用新时期背景下,现代远程教育成为新兴教育手段与方式,而在开展远程教育过程中,更好地为学生提供更为个性化的服务,构建较强针对性的课程教学资源,也随之成为远程教育工作的研究重点。基于此,文章将现代远程教育作为研究重点,阐述了数据挖掘技术在其中的应用,以期为更多人提供远程教育的支持服务。数据挖掘技术;现代远程教育;应用一、数据挖掘概述1、数据挖掘过程。首先需要明确被挖掘数据的主要来源,其次要有效地处理原数据,进而详细地了解数据采集、预处理以及发现之间存在的关系,再次要构建相应的模型,最后对模型进行改进并应用于实践过程中[1]。 2、数据挖掘方法。第一,关联分析。这种挖掘方法的目的就是为挖掘数据之前存在的潜在联系,并了解关联规则。第二,序列模式分析。对数据之间的前后关系与因果关系进行分析,在实践数据当中找出内部事务的模式。而学习活动序列模式对问题的挖掘主要是因为数据源与挖掘模式具有一定的特殊性,仍存在诸多问题解决。第三,分类与聚类分析。输入集主要是记录集合与集中标记。现阶段,已经有诸多分析模型被应用于实践当中,最经典的就是线性回归与决策树等模型。而聚类分析方法与分类分析的规则存在一定的差异。其中的输入集就是没有标定的记录,即输入次数记录并未进行分类。主要的目的就是按照特定规则,对记录几何进行划分,同时利用显示与隐式方式对不同类别进行描述,而且当前已经研发出多种聚类分析的工具。二、数据挖掘技术在现代远程教育中的具体应用21数据挖掘技术在学习者个性化服务中的具体应用为了更好地提供远程教育个性化服务,最重要的就是分析并处理学习个体数据之间存在的差异。其中,针对参与学习个体情况予以分类和安排,以保证教学内容与进程的合理性。同时,在学习过程中,知识所表示的内容应当充分考虑学习者个性化要求展开深入地了解,为其提供具有针对性的学习形式[2]。在此基础上,应全面评价并反馈各阶段的学习效果。在此过程中,需要对学生注册信息进行全面核实,同时还应当注重学生行为信息与课件库等多种数据源。通过对数据挖掘基本方法的运用,在综合考虑学生兴趣爱好以及个人情况的基础上,合理地划分学生的种类,进而为学生推荐相关性的课程与知识点,或者是有价值的学习资源,以保证在学生实际学习的过程中充分运用分类分析与聚类分析的方式进行调整,同时向类型不同的学生传送相对应的学习内容。另外,针对学生问题与测试成绩挖掘相互关联的基本规则,为学生提出所没有理解和掌握的知识内容,并给予有参考价值的学习建议,进而为其提供尚未掌握学习内容的资料,在短时间内促使学生掌握。通过对数据挖掘技术的运用,确保远程教育可以充分结合学生具体状况安排教学内容,实现了远程教育作用与效率的全面提升,同时也促进了高等教育的终身化发展。 22数据挖掘技术在教学资源建设中的具体应用对于教学资源建设来说,将远程教育平台数据库当作最主要的数据源,同时,学习者网上学习的行为也被当作不可缺少的数据源,以保证更好地找出学习者关注程度和教学资源建设之间存在的联系,积极构建模型,进而对教学资源建设计划予以有效地调整,进一步增强教学资源自身质量。以某学校直属学院为例,对15级网络工程专业学生网上学习的时间进行收集并当作数据源,在本学期期间,有七门课程供学生进行学习。其中,图一代表不同课程学生上网的时间分布根据图一内容可以了解到,课程二、四备