基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)學(xué)習(xí)行為

摘要：網(wǎng)絡(luò)時(shí)代帶來(lái)了知識(shí)和信息的爆炸，然而，在面對(duì)龐大的信息和數(shù)據(jù)面前，我們就會(huì)顯得手足無(wú)措。當(dāng)前大學(xué)生已經(jīng)基本掌握電子計(jì)算機(jī)和網(wǎng)絡(luò)使用的基本技能，將數(shù)據(jù)挖掘作為當(dāng)前大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)的基礎(chǔ)，通過(guò)學(xué)習(xí)者要素、教師要素、網(wǎng)絡(luò)課程內(nèi)容和網(wǎng)絡(luò)學(xué)習(xí)環(huán)境為要點(diǎn)，研究大學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)行為，從而有針對(duì)性的培養(yǎng)大學(xué)生有效學(xué)習(xí)機(jī)制。

關(guān)鍵詞：數(shù)據(jù)挖掘；網(wǎng)絡(luò)學(xué)習(xí)；學(xué)習(xí)行為

中圖分類(lèi)號(hào)：TP312 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 （2012） 21-0000-02

網(wǎng)絡(luò)信息時(shí)代是一把雙刃劍，信息量增加的同時(shí)，大學(xué)生可選擇的越來(lái)越多，但同時(shí)又越來(lái)越少。越來(lái)越多是因?yàn)樾畔⒘吭龃?，越?lái)越來(lái)少時(shí)因?yàn)閿?shù)據(jù)過(guò)多無(wú)從選擇，就當(dāng)前大學(xué)生的學(xué)習(xí)能力和精力來(lái)說(shuō)，不可能面面俱到，因此，通過(guò)學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)行為特點(diǎn)出發(fā)，發(fā)現(xiàn)學(xué)生重點(diǎn)關(guān)注的內(nèi)容和主要網(wǎng)絡(luò)學(xué)習(xí)方法從而定制滿足大學(xué)生需求，并且?guī)椭麄冃纬捎行У膶W(xué)習(xí)機(jī)制。

1 數(shù)據(jù)挖掘與網(wǎng)絡(luò)學(xué)習(xí)行為現(xiàn)狀

1.1 高校數(shù)據(jù)挖掘現(xiàn)狀。數(shù)據(jù)挖掘是通過(guò)大量的數(shù)據(jù)分析，從而找出一般規(guī)律，從而定制滿足甚至超前顧客需求的服務(wù)。數(shù)據(jù)挖掘延伸到大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為上，就是通過(guò)大量的調(diào)查的問(wèn)卷發(fā)現(xiàn)大學(xué)生的通過(guò)網(wǎng)絡(luò)學(xué)習(xí)行為特點(diǎn)和需求，從而網(wǎng)絡(luò)服務(wù)平臺(tái)上提供相應(yīng)的個(gè)性化的學(xué)習(xí)資源。當(dāng)前我國(guó)的高校擴(kuò)大化發(fā)展的條件下，學(xué)生人數(shù)逐步增多，一般大學(xué)的學(xué)生人數(shù)在2-3萬(wàn)人，每個(gè)學(xué)生的地域文化和學(xué)習(xí)習(xí)慣的不同，導(dǎo)致了不同學(xué)生學(xué)習(xí)需求不同。而當(dāng)前高校對(duì)于大學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)行為的數(shù)據(jù)挖掘相對(duì)較少，從而在圖書(shū)館網(wǎng)絡(luò)資源提供和課堂網(wǎng)絡(luò)信息傳遞上，存在著把握不當(dāng)和定位不準(zhǔn)的現(xiàn)狀。同時(shí)，不得不承認(rèn)數(shù)據(jù)挖掘?yàn)榫W(wǎng)絡(luò)學(xué)習(xí)平臺(tái)的研發(fā)和推廣發(fā)揮著舉足輕重的作用。2009年在北京師范大學(xué)舉行的第五屆高級(jí)數(shù)據(jù)挖掘與應(yīng)用國(guó)際會(huì)議首次加入“數(shù)據(jù)挖掘在教育中的應(yīng)用”主題，2011年7月在荷蘭埃因霍溫舉辦第四屆教育數(shù)據(jù)挖掘國(guó)會(huì)議。數(shù)據(jù)挖掘技術(shù)在我國(guó)最為重要的應(yīng)用就是圖書(shū)館和網(wǎng)絡(luò)學(xué)院，從2004年的廣播電視大學(xué)和67所網(wǎng)絡(luò)學(xué)院的成立，到2012年全國(guó)各大高校都相繼開(kāi)發(fā)了基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)。

1.2 大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為特點(diǎn)。大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為與一般的網(wǎng)絡(luò)學(xué)習(xí)行為有共性也有差異。相同點(diǎn)在于，網(wǎng)絡(luò)學(xué)習(xí)行為都是借助計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)進(jìn)行，可以學(xué)習(xí)的資源和信息量大，都打破了傳統(tǒng)學(xué)習(xí)的時(shí)間和空間的限制。同時(shí)大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為具有其特點(diǎn)，首先，學(xué)習(xí)愿望強(qiáng)烈。大學(xué)生的思想開(kāi)放能夠迅速的接受和掌握新鮮事物，思維方式和行為方式不拘一格；其次，自我約束能力差。由于信息量過(guò)大，導(dǎo)致了大學(xué)生的在進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)的過(guò)程中可能由于網(wǎng)頁(yè)附加的廣告或者其他外來(lái)因素的影響，網(wǎng)絡(luò)學(xué)習(xí)行為呈現(xiàn)出突發(fā)性和間斷性，并且間斷時(shí)間可長(zhǎng)可短，網(wǎng)絡(luò)學(xué)習(xí)行為持續(xù)情況較差；最后，學(xué)習(xí)效果不佳。通過(guò)調(diào)查發(fā)現(xiàn)，大學(xué)生通過(guò)網(wǎng)絡(luò)學(xué)習(xí)到的知識(shí)遠(yuǎn)遠(yuǎn)不及在課堂上所學(xué)到的，由于網(wǎng)絡(luò)平臺(tái)構(gòu)架不完善，導(dǎo)致了大學(xué)生在學(xué)習(xí)行為中形成了阻礙即中斷的特點(diǎn)，另外網(wǎng)絡(luò)信息的龐雜，往往大學(xué)生耗費(fèi)了大量的時(shí)間才能找到所學(xué)要的東西。值得一提的是大學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)行為的心理特點(diǎn)，結(jié)合調(diào)查和心理學(xué)的特點(diǎn)來(lái)分析，大學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)行為的心理表現(xiàn)為波動(dòng)大，情緒化嚴(yán)重等特點(diǎn)。

2 基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)學(xué)習(xí)行為的引導(dǎo)對(duì)策

2.1 學(xué)習(xí)者要素的K-means算法。我國(guó)高校在校學(xué)生眾多，從成人教育、本科教育、碩士研究生教育和博士研究生教育多種層次，不同層級(jí)當(dāng)中的不同層次都有相當(dāng)大的差別，高校經(jīng)過(guò)多年的發(fā)展，已經(jīng)積累的大量的學(xué)生數(shù)據(jù)和事件案例，因此，通過(guò)K-means算法，從學(xué)習(xí)者要素出發(fā)，將學(xué)習(xí)者進(jìn)行分類(lèi)，從而有針對(duì)性的開(kāi)展網(wǎng)絡(luò)學(xué)習(xí)行為的定位和培養(yǎng)。最為簡(jiǎn)單的就是通過(guò)學(xué)生的成績(jī)和獲獎(jiǎng)情況的綜合權(quán)重來(lái)進(jìn)行模糊聚類(lèi)分析。以本科生的K-means算法為例，通過(guò)大一大二的公共基礎(chǔ)課程的成績(jī)?yōu)闃颖荆杉信壤m當(dāng)?shù)膶W(xué)生數(shù)據(jù)，通過(guò)以為特征向量進(jìn)行第一次聚類(lèi)分析，將本科學(xué)生層次分為高、中、低3個(gè)層次，同時(shí)又在每個(gè)層次當(dāng)中發(fā)現(xiàn)大一和大二學(xué)生的差異性，最終，將男女，年級(jí)，專業(yè)作為3個(gè)多因此，通過(guò)模糊數(shù)學(xué)當(dāng)中的隸屬度來(lái)進(jìn)行最終的細(xì)部劃分，其他需要考慮的因素有，性格、生源地等。其中，對(duì)于一些特例需要特殊關(guān)注，顯而易見(jiàn)的是“偏科”現(xiàn)象，工科學(xué)生中存在英語(yǔ)多為短板，而文科學(xué)生在數(shù)學(xué)邏輯思維和判斷上存在缺陷。以此類(lèi)推，將不同層級(jí)的學(xué)生進(jìn)行詳細(xì)的劃分，并且做好劃分的詳細(xì)記錄，不僅要從微觀上劃分也要從宏觀上掌握共同特點(diǎn)?？傊?，通過(guò)K-means算法的分類(lèi)后，從不同個(gè)角度來(lái)對(duì)整個(gè)學(xué)生集合來(lái)分類(lèi)，都可以找到相當(dāng)數(shù)量的集合，通過(guò)最優(yōu)方法和最有效率的分類(lèi)來(lái)確定網(wǎng)絡(luò)資源投放和培訓(xùn)材料的準(zhǔn)備。

2.2 教師要素的Naive Bayes分類(lèi)。高校是學(xué)術(shù)氛圍作為濃厚和知識(shí)匯聚的場(chǎng)所，從教師的角度來(lái)看，教師的工作年限，教學(xué)經(jīng)歷，教學(xué)成果和職稱等，都處于一個(gè)基本穩(wěn)定，局部變化的特點(diǎn)，因此教師要素，在大學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)上具有強(qiáng)烈的引導(dǎo)和傳播作用。高校的教師的數(shù)量是相對(duì)較少，且專業(yè)分科和特點(diǎn)十分明顯，因此符合Na?ve Bayes分類(lèi)的運(yùn)用條件，例如，以機(jī)械專業(yè)領(lǐng)域?yàn)槔瑢⒛骋粋€(gè)教師設(shè)定為但一樣本的數(shù)據(jù)樣本，并且該教師已知屬于機(jī)械專業(yè)領(lǐng)域，通過(guò)教師的教齡、所教授過(guò)的課程、教育科研成果、支撐位樣本特點(diǎn)，從而將老師劃分為多個(gè)層次和專業(yè)化程度，如專業(yè)程度上有，助理工程師，工程師，高級(jí)工程師，教授級(jí)高工等。將教師的數(shù)據(jù)和信息進(jìn)行深入挖掘之后，我們可以從專業(yè)化、水平等角度進(jìn)行合理的配置教師資源，通過(guò)教師的綜合影響力，來(lái)啟發(fā)學(xué)生思維，讓學(xué)生通過(guò)網(wǎng)絡(luò)的渠道自主性的學(xué)習(xí)所關(guān)注的內(nèi)容。

2.3 網(wǎng)絡(luò)學(xué)習(xí)內(nèi)容的EM期望值。網(wǎng)絡(luò)學(xué)習(xí)的內(nèi)容分為兩個(gè)部分，第一部分是高校圖書(shū)館和網(wǎng)絡(luò)學(xué)院提供的相對(duì)靜態(tài)資源，第二部分是學(xué)生通過(guò)教師因素環(huán)節(jié)當(dāng)中引導(dǎo)而自主的進(jìn)行信息搜索。對(duì)于高校圖書(shū)館和網(wǎng)絡(luò)學(xué)院學(xué)習(xí)內(nèi)容的EM計(jì)算，最為簡(jiǎn)便的就是通過(guò)網(wǎng)站資源的點(diǎn)擊量和關(guān)注趨勢(shì)等為數(shù)據(jù)樣本，然后進(jìn)行可視化和聚類(lèi)分析，例如，圖書(shū)館的影視資源分類(lèi)上，電影、公開(kāi)課、紀(jì)錄片、電視劇等都是很好的分類(lèi)，通過(guò)實(shí)際點(diǎn)擊我們發(fā)現(xiàn)，電影、紀(jì)律片和電視劇等是關(guān)注程度最高的，可以簡(jiǎn)單的通過(guò)SAS/EM等軟件進(jìn)行詳細(xì)的定位和選擇，并其在整合資源中，自主的進(jìn)行這幾個(gè)方面資源的整理，超前滿足學(xué)生通過(guò)圖書(shū)館和網(wǎng)絡(luò)學(xué)院來(lái)學(xué)校的東西，都是他們想要或者即將想要的知識(shí)，滿足度和契合度提高的過(guò)程中，EM擴(kuò)大也就符合了數(shù)據(jù)挖掘的目的。對(duì)于第二部分的內(nèi)容。由于學(xué)生的關(guān)注內(nèi)容和熱點(diǎn)不一樣，這種就應(yīng)當(dāng)通過(guò)教師因素進(jìn)行直接傳播，例如教師自身發(fā)現(xiàn)較好的資源或者網(wǎng)站等，對(duì)學(xué)生進(jìn)行直接的傳遞，從而弱化學(xué)生信息搜集當(dāng)中的負(fù)面情緒。

2.4 網(wǎng)絡(luò)學(xué)習(xí)環(huán)境的神經(jīng)元算法。神經(jīng)元是通過(guò)輸入條件和期望輸出效果的差距，進(jìn)行反復(fù)的運(yùn)算和模擬，最終得到契合度最好的數(shù)學(xué)表達(dá)方法和表達(dá)式。這種方法的好處在于仍和一個(gè)微小的變動(dòng)都能夠體現(xiàn)到最終的圖形當(dāng)中。這也與網(wǎng)絡(luò)學(xué)習(xí)環(huán)境的變化相似，符合網(wǎng)絡(luò)發(fā)展的一般規(guī)律。

3 結(jié)束語(yǔ)

數(shù)據(jù)挖掘作為一種新興的數(shù)據(jù)分析技術(shù)，充分利用了現(xiàn)代軟件技術(shù)和計(jì)算機(jī)科學(xué)知識(shí)，并在各領(lǐng)域取得了令人矚目的成就。在當(dāng)前教育信息化發(fā)展趨勢(shì)下，信息量的急劇增長(zhǎng)和對(duì)信息提取的更高要求，數(shù)據(jù)挖掘技術(shù)應(yīng)用于教育領(lǐng)域內(nèi)的數(shù)據(jù)分析，必然會(huì)有十分廣闊的前景。

參考文獻(xiàn)：

[1]孫玉榮，黃慧華.基于數(shù)據(jù)挖掘技術(shù)的網(wǎng)絡(luò)教學(xué)策略探討[J].教育與職業(yè)，2009，35：131-133.

[2]段小斌.基于數(shù)據(jù)挖掘技術(shù)的教學(xué)質(zhì)量評(píng)價(jià)模型研究[J].中小企業(yè)管理與科技（上旬刊），2010，12：189-190.

[作者簡(jiǎn)介]徐延強(qiáng)（1982.1-），男，甘肅蘭州，本科，講師，研究方向：計(jì)算機(jī)科學(xué)與技術(shù)。