學(xué)習(xí)行為數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建研究

代巧玲 李振

摘要：在學(xué)習(xí)過(guò)程中，由于不同學(xué)生個(gè)體有不同的學(xué)習(xí)方式、學(xué)習(xí)規(guī)律、知識(shí)基礎(chǔ)及興趣愛(ài)好，針對(duì)學(xué)生在學(xué)習(xí)過(guò)程中各種學(xué)習(xí)行為產(chǎn)生的數(shù)據(jù)，構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)。通過(guò)OLAP技術(shù)，結(jié)合不同行為產(chǎn)生的結(jié)果，在線(xiàn)分析學(xué)生在不同時(shí)間、不同模塊產(chǎn)生不同行為的頻次分布情況，推測(cè)學(xué)生的學(xué)習(xí)狀態(tài)、學(xué)習(xí)側(cè)重點(diǎn)、興趣點(diǎn)、學(xué)習(xí)效率、學(xué)習(xí)軌跡與偏科現(xiàn)象等，使教師可以及時(shí)作出調(diào)整，提供更合理的學(xué)習(xí)策略，真正做到有科學(xué)依據(jù)地因材施教。同時(shí)，學(xué)習(xí)平臺(tái)可以根據(jù)推測(cè)結(jié)果，推薦個(gè)性化的學(xué)習(xí)內(nèi)容與學(xué)習(xí)路線(xiàn)，以提高學(xué)生學(xué)習(xí)效率。

關(guān)鍵詞：學(xué)習(xí)行為；數(shù)據(jù)倉(cāng)庫(kù)；xAPI；個(gè)性化推薦

DOIDOI：10.11907/rjdk.181218

中圖分類(lèi)號(hào)：TP392

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2018）010-0187-04

英文摘要Abstract：In the process of learning， different students have different learning styles， learning rules， knowledge base and interests. We build data warehouse about the data of students′ various kinds of learning behavior in the learning process. Through the OLAP technology， combined with the results of different behaviors， we can analyze the frequency distribution of students′ different behaviors in different time and modules on line to speculate students′ learning state， learning focus， interest point， learning efficiency， learning trajectory， learning branch phenomenon and so on. According to these speculations， teachers can make timely adjustments， provide more reasonable learning strategies， and truly have a scientific basis to teach students in accordance with their aptitude. At the same time， learning platforms can recommend personalized learning content and routes to improve the students′ learning efficiency.

英文關(guān)鍵詞Key Words：learning behavior；data warehouse；xAPI；personalized recommendation

0 引言

隨著信息化的飛速發(fā)展，各行各業(yè)產(chǎn)生了海量數(shù)據(jù)，如何從這些數(shù)據(jù)中獲取更多有價(jià)值的信息，成為各行業(yè)關(guān)注的焦點(diǎn)。例如，政府、軍事及商業(yè)領(lǐng)域[1-3]都將海量歷史數(shù)據(jù)抽取轉(zhuǎn)換加載至數(shù)據(jù)倉(cāng)庫(kù)中，通過(guò)分析并挖掘隱藏信息，對(duì)其進(jìn)行充分利用以獲取更大價(jià)值。

近年來(lái)在教育領(lǐng)域，各大教育機(jī)構(gòu)及院校紛紛利用已有的信息化系統(tǒng)（如：選課系統(tǒng)、招生系統(tǒng)、圖書(shū)館系統(tǒng)、教學(xué)評(píng)價(jià)系統(tǒng)、就業(yè)系統(tǒng)、教務(wù)系統(tǒng)等[4-8]）產(chǎn)生的數(shù)據(jù)，建立數(shù)據(jù)倉(cāng)庫(kù)，以期發(fā)現(xiàn)其中隱藏的信息，用于提高教學(xué)質(zhì)量及提供教育決策等。然而，這些已有的數(shù)據(jù)倉(cāng)庫(kù)都只是記錄原始信息，或是最終考核結(jié)果之類(lèi)的靜態(tài)信息，并沒(méi)有動(dòng)態(tài)跟蹤記錄學(xué)生在學(xué)習(xí)過(guò)程中的各種學(xué)習(xí)行為軌跡。若將這些信息有效利用起來(lái)，可以分析挖掘出大量隱含的有價(jià)值信息。

本研究基于魏順平[9]提出的學(xué)習(xí)分析數(shù)據(jù)模型與xAPI規(guī)范中描述學(xué)習(xí)行為的數(shù)據(jù)結(jié)構(gòu)Statement，將其進(jìn)一步改善為適合本研究的學(xué)習(xí)行為數(shù)據(jù)模型，旨在利用學(xué)生在學(xué)習(xí)過(guò)程中產(chǎn)生的數(shù)據(jù)構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)，在線(xiàn)分析學(xué)生的學(xué)習(xí)狀態(tài)、學(xué)習(xí)側(cè)重點(diǎn)、學(xué)習(xí)效率、學(xué)習(xí)軌跡等，不僅可以使教師利用分析結(jié)果對(duì)學(xué)生進(jìn)行教學(xué)干預(yù)或提出學(xué)習(xí)策略等，同時(shí)使教育機(jī)構(gòu)可以?xún)?yōu)化已有的在線(xiàn)教育平臺(tái)，提高學(xué)生學(xué)習(xí)效率。

1 相關(guān)概念

1.1 xAPI

xAPI是一種專(zhuān)門(mén)用來(lái)存儲(chǔ)與訪(fǎng)問(wèn)學(xué)習(xí)經(jīng)歷的技術(shù)規(guī)范。它是“訓(xùn)練和學(xué)習(xí)框架”（TLA）中的一部分，國(guó)外已有學(xué)習(xí)平臺(tái)通過(guò)該方式記錄學(xué)習(xí)行為。如果說(shuō)被記錄的學(xué)習(xí)行為是一種“產(chǎn)品”，xAPI則可被稱(chēng)為創(chuàng)建“產(chǎn)品”的圖紙[10]。

xAPI利用活動(dòng)流（Activity Stream）概念描述學(xué)習(xí)者學(xué)習(xí)經(jīng)歷，當(dāng)學(xué)習(xí)者與其他人通過(guò)互動(dòng)進(jìn)行學(xué)習(xí)時(shí)，xAPI可以記錄這些學(xué)習(xí)經(jīng)歷。學(xué)習(xí)經(jīng)歷以Statement形式存在，Statement在xAPI規(guī)范中是一種具有語(yǔ)義結(jié)構(gòu)的數(shù)據(jù)，將學(xué)習(xí)事件數(shù)據(jù)存儲(chǔ)到 LRS（Learning Record Store）中。一個(gè)Statement除具有執(zhí)行者、動(dòng)作、對(duì)象3個(gè)基本屬性外，還包含結(jié)果、情境、時(shí)間戳、授權(quán)等可選屬性[11]，如表1所示。

1.2 數(shù)據(jù)倉(cāng)庫(kù)

數(shù)據(jù)倉(cāng)庫(kù)之父William H Inmon[12]指出：“數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題、集成、時(shí)變且非易失的數(shù)據(jù)集合，用于支持管理決策。”數(shù)據(jù)倉(cāng)庫(kù)建立在用戶(hù)提供的大量數(shù)據(jù)、硬件環(huán)境與數(shù)據(jù)庫(kù)管理系統(tǒng)上，是決策支持分析的基礎(chǔ)[13]。數(shù)據(jù)倉(cāng)庫(kù)是后期在線(xiàn)分析的數(shù)據(jù)環(huán)境。

1.3 ETL技術(shù)

ETL技術(shù)負(fù)責(zé)將分散的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)抽取到臨時(shí)中間層后進(jìn)行清洗、轉(zhuǎn)換、集成，最后加載到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市中[14]。在此階段得到的數(shù)據(jù)質(zhì)量，直接關(guān)系到后期在線(xiàn)分析決策的準(zhǔn)確性。

1.4 OLAP技術(shù)

OLAP（聯(lián)機(jī)分析處理）也稱(chēng)為多維數(shù)據(jù)分析。OLAP 委員會(huì)對(duì)其定義如下：使分析人員、管理人員或執(zhí)行人員能夠從多種分析角度對(duì)從原始數(shù)據(jù)庫(kù)中轉(zhuǎn)化出來(lái)的、能夠準(zhǔn)確為用戶(hù)所理解，并真實(shí)反映企業(yè)特性的信息進(jìn)行快速、一致交互存取，從而獲得對(duì)數(shù)據(jù)更深入了解的軟件技術(shù)[15]。專(zhuān)業(yè)領(lǐng)域的數(shù)據(jù)分析師利用構(gòu)建成功的數(shù)據(jù)倉(cāng)庫(kù)，并結(jié)合自己的經(jīng)驗(yàn)，可作出有科學(xué)依據(jù)的決策。

2 基于學(xué)習(xí)行為數(shù)據(jù)模型的數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)

2.1 數(shù)據(jù)源獲取

數(shù)據(jù)源是構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)，本研究基于已有的學(xué)習(xí)分析數(shù)據(jù)模型[9]與xAPI規(guī)范中描述學(xué)習(xí)行為的數(shù)據(jù)結(jié)構(gòu)Statement，將其進(jìn)一步改善為適合本研究的學(xué)習(xí)行為數(shù)據(jù)模型，并獲取學(xué)生各種學(xué)習(xí)行為產(chǎn)生的數(shù)據(jù)，作為數(shù)據(jù)源。

2.2 決策主題確定

通過(guò)確定決策主題，制定數(shù)據(jù)倉(cāng)庫(kù)范圍，并確定需要關(guān)注的數(shù)據(jù)內(nèi)容，以及需要分析與實(shí)現(xiàn)的目標(biāo)?；趯W(xué)習(xí)行為的數(shù)據(jù)倉(cāng)庫(kù)研究的決策主題有學(xué)習(xí)行為分析、作業(yè)成績(jī)分析、課程成績(jī)分析與課外活動(dòng)記錄分析。

2.2.1 學(xué)習(xí)行為分析

該主題為本研究的主要分析對(duì)象，通過(guò)分析該主題可以了解：①學(xué)生在不同模塊產(chǎn)生不同行為的頻次分布情況，從而推測(cè)學(xué)生學(xué)習(xí)的側(cè)重點(diǎn)與興趣點(diǎn)，并據(jù)此為學(xué)生推薦個(gè)性化學(xué)習(xí)內(nèi)容，真正做到科學(xué)地因材施教；②發(fā)現(xiàn)學(xué)習(xí)者訪(fǎng)問(wèn)路徑。機(jī)構(gòu)管理者通過(guò)該方式不僅可以?xún)?yōu)化平臺(tái)設(shè)計(jì)，提高平臺(tái)使用率，同時(shí)可以據(jù)此給學(xué)生提供個(gè)性化學(xué)習(xí)路線(xiàn)，提高學(xué)生學(xué)習(xí)效率。

2.2.2 作業(yè)成績(jī)分析

通過(guò)平時(shí)的作業(yè)測(cè)試，可以了解學(xué)生對(duì)某一單元的掌握程度，再結(jié)合學(xué)習(xí)行為分析主題與課外活動(dòng)記錄分析主題，推測(cè)學(xué)生在某一階段的積極性與學(xué)習(xí)結(jié)果的關(guān)系，使教師可以及時(shí)采取適當(dāng)措施，提高學(xué)生學(xué)習(xí)成績(jī)。

2.2.3 課程成績(jī)分析

通過(guò)期末考核測(cè)試，可以了解學(xué)生在某一學(xué)期的整體知識(shí)掌握程度，再結(jié)合學(xué)習(xí)行為分析主題與課外活動(dòng)記錄分析主題，可以推測(cè)學(xué)生在整個(gè)學(xué)期的學(xué)習(xí)積極性與學(xué)習(xí)結(jié)果的關(guān)系，從而使教師及時(shí)采取適當(dāng)措施提高學(xué)生成績(jī)。

2.2.4 課外活動(dòng)記錄分析

通過(guò)了解學(xué)生某一階段參加不同活動(dòng)的記錄，可以了解學(xué)生在此階段的積極性，結(jié)合其它主題域情況，使教師充分了解學(xué)生在某一階段的狀態(tài)，然后作出合理決策。

2.3 數(shù)據(jù)倉(cāng)庫(kù)模型確定

根據(jù)決策主題，可大致得出數(shù)據(jù)倉(cāng)庫(kù)維度模型，確定數(shù)據(jù)倉(cāng)庫(kù)維度模型對(duì)構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)可起到重要作用。根據(jù)事實(shí)表與維度表的關(guān)系，可將常見(jiàn)模型分為星型模型與雪花型模型。

星型架構(gòu)（Star Schema）以事實(shí)表為核心，其它維表圍繞該核心表呈星型分布，維表彼此之間沒(méi)有任何聯(lián)系，每個(gè)維表中的主鍵只能是單列的，同時(shí)該主鍵被放置在事實(shí)表中，作為事實(shí)表與維表連接的外鍵。

雪花型架構(gòu)（Snow Schema）以事實(shí)表為核心，很多維表直接與事實(shí)表關(guān)聯(lián)，允許附加一些其它維表，只與已有維表靠外鍵關(guān)聯(lián)，而不與事實(shí)表直接關(guān)聯(lián)，從而實(shí)現(xiàn)查看細(xì)化數(shù)據(jù)粒度的目的。

星型架構(gòu)與雪花型架構(gòu)的主要區(qū)別是，其可利用冗余的數(shù)據(jù)存儲(chǔ)改善查詢(xún)性能。因此，本研究依據(jù)數(shù)據(jù)倉(cāng)庫(kù)的易用性與高性能兩個(gè)指標(biāo)，采用星型模型。圖1-圖4分別為4個(gè)決策主題設(shè)計(jì)的對(duì)應(yīng)星型模型。

3 基于學(xué)習(xí)行為數(shù)據(jù)模型的數(shù)據(jù)倉(cāng)庫(kù)實(shí)現(xiàn)

3.1 數(shù)據(jù)處理

ETL是數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建的重要一環(huán)，所得到的數(shù)據(jù)質(zhì)量將直接影響后期決策的可信度。本研究采用腳本語(yǔ)言python，從數(shù)據(jù)源抽取出所需數(shù)據(jù)，主要進(jìn)行的數(shù)據(jù)清洗、轉(zhuǎn)換操作有：①剔除無(wú)用字段；②保證字段唯一性；③統(tǒng)一字段類(lèi)型（類(lèi)型轉(zhuǎn)換）；④設(shè)置字段特殊值處理情況（處理維度模型時(shí)建立外鍵關(guān)系，需要保證對(duì)應(yīng)關(guān)系）；⑤本研究數(shù)據(jù)源在抽取行為類(lèi)型事實(shí)表的處理過(guò)程中，除瀏覽資源類(lèi)型外，其它類(lèi)型行為的Statement均沒(méi)有情境（Context）屬性，所以在抽取行為事實(shí)表時(shí)，將瀏覽資源行為類(lèi)型的事實(shí)單獨(dú)抽取存放于一個(gè)事實(shí)表中，其它類(lèi)型行為事實(shí)存放于另一個(gè)事實(shí)表中；⑥考慮到OLAP查詢(xún)性能，本研究的維度模型采用星型架構(gòu)，因此在處理數(shù)據(jù)過(guò)程中，將維度表之間有關(guān)系的兩個(gè)或多個(gè)維度表進(jìn)行必要的合并，通過(guò)存儲(chǔ)冗余數(shù)據(jù)達(dá)到查詢(xún)性能的優(yōu)化。

經(jīng)過(guò)數(shù)據(jù)清洗及轉(zhuǎn)換后，最終按照預(yù)先設(shè)計(jì)好的數(shù)據(jù)倉(cāng)庫(kù)模型將數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫(kù)中，作為數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)源。

3.2 數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建

本研究采用SQL Server 2005 Business Intelligence Development Studio構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)。經(jīng)過(guò)新建Analysis Service工程、新建數(shù)據(jù)源、新建數(shù)據(jù)視圖、新建維度及維度層次關(guān)系、新建多維數(shù)據(jù)集5個(gè)步驟，成功構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)。

3.3 OLAP示例

通過(guò)觀察初二上學(xué)期各門(mén)課程考試總成績(jī)，可以看到學(xué)號(hào)為20150142的學(xué)生總成績(jī)最高（見(jiàn)圖5），學(xué)號(hào)為20150201的學(xué)生總成績(jī)最低（見(jiàn)圖6）。

通過(guò)觀察“課外報(bào)名活動(dòng)記錄”決策主題對(duì)應(yīng)的多維數(shù)據(jù)集（見(jiàn)圖7），可以看到，與成績(jī)較差的學(xué)生（學(xué)號(hào)為20150201）相比，成績(jī)較優(yōu)秀的學(xué)生（學(xué)號(hào)為20150142）參加課外活動(dòng)較多，課外比較積極。

如圖8所示，通過(guò)觀察“學(xué)習(xí)行為分析”決策主題對(duì)應(yīng)的多維數(shù)據(jù)集，在用戶(hù)維度上選擇學(xué)號(hào)為“20150142”與“20150201”的學(xué)生，學(xué)期維度上選擇“初二第一學(xué)期”，模塊選擇全部，可分析得出，相較于成績(jī)較差的學(xué)生（學(xué)號(hào)為20150201），成績(jī)較優(yōu)秀的學(xué)生（學(xué)號(hào)為20150142）在“測(cè)評(píng)”、“課程”、“課外中心”、“上傳”以及“作業(yè)”模塊的行為總頻次均相對(duì)較高。

學(xué)校通常將最終成績(jī)作為一個(gè)學(xué)生的考核標(biāo)準(zhǔn)，但是成績(jī)不能代表一切，查找學(xué)生獲得對(duì)應(yīng)成績(jī)的背后原因更為重要。

通過(guò)以上比較分析可以發(fā)現(xiàn)，相較于成績(jī)較優(yōu)秀的學(xué)生，成績(jī)較差的學(xué)生在初二第一學(xué)期參加課外活動(dòng)不太積極，在各個(gè)學(xué)習(xí)模塊行為頻次也較低，能很大程度上反映成績(jī)不佳的原因。因此，教師可根據(jù)每個(gè)學(xué)生的具體情況，提供相應(yīng)的學(xué)習(xí)策略，使優(yōu)秀的學(xué)生更加優(yōu)秀，同時(shí)使相對(duì)較差的學(xué)生成績(jī)得到改善，真正做到有科學(xué)依據(jù)地因材施教。

4 結(jié)語(yǔ)

由于不同學(xué)生個(gè)體有不同的學(xué)習(xí)方式、學(xué)習(xí)習(xí)慣、知識(shí)基礎(chǔ)以及興趣愛(ài)好，通過(guò)OLAP技術(shù)，在線(xiàn)分析某個(gè)學(xué)生在不同時(shí)間、不同模塊發(fā)生不同行為的頻次分布情況，并且結(jié)合學(xué)生的作業(yè)成績(jī)、課程成績(jī)、課外活動(dòng)記錄，可以推測(cè)學(xué)生的學(xué)習(xí)側(cè)重點(diǎn)、興趣點(diǎn)以及偏科現(xiàn)象，從而使教師及時(shí)作出調(diào)整，提供更合理的學(xué)習(xí)策略，真正做到有科學(xué)依據(jù)地因材施教。同時(shí)，學(xué)習(xí)平臺(tái)可以根據(jù)推測(cè)結(jié)果，推薦個(gè)性化的學(xué)習(xí)內(nèi)容與學(xué)習(xí)路線(xiàn)，以提高學(xué)生學(xué)習(xí)效率。

通過(guò)綜合分析，教師可以對(duì)比某班級(jí)連續(xù)兩學(xué)期的整體活躍度與最終成績(jī)分布情況，發(fā)現(xiàn)其中的不足之處，從而適當(dāng)調(diào)整教學(xué)策略，提高班級(jí)整體成績(jī)。同時(shí)，教育機(jī)構(gòu)可以根據(jù)學(xué)生訪(fǎng)問(wèn)平臺(tái)不同模塊的頻率及學(xué)習(xí)軌跡，對(duì)平臺(tái)作進(jìn)一步優(yōu)化，以提高平臺(tái)使用率，進(jìn)而間接提高學(xué)生學(xué)習(xí)效率。

本研究充分利用學(xué)生各種學(xué)習(xí)行為產(chǎn)生的數(shù)據(jù)，挖掘并分析其中有價(jià)值的隱含信息，以推進(jìn)個(gè)性化學(xué)習(xí)的發(fā)展。然而，由于數(shù)據(jù)源有限，未能將學(xué)生各方面信息收集齊全（如就業(yè)信息、學(xué)籍信息、圖書(shū)借閱信息等），若能全面收集學(xué)生及教師的相關(guān)數(shù)據(jù)源，并對(duì)其進(jìn)行充分利用，進(jìn)而構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)，則會(huì)挖掘分析出更有價(jià)值的信息，作出更科學(xué)的教育決策。另外，本研究創(chuàng)建的數(shù)據(jù)倉(cāng)庫(kù)為集中式，而非分布式，若構(gòu)建分布式數(shù)據(jù)倉(cāng)庫(kù)，還可將不同地理范圍的學(xué)生進(jìn)行對(duì)比分析，如可以對(duì)比了解同一學(xué)校的不同分校之間，在教學(xué)背景、教師資源、生源情況相當(dāng)?shù)那闆r下，學(xué)生學(xué)習(xí)的整體情況。

參考文獻(xiàn)：

[1] 范靈俊，洪學(xué)海，黃晁，等.政府大數(shù)據(jù)治理的挑戰(zhàn)及對(duì)策[J].大數(shù)據(jù)，2016，2（3）：27-38.

[2] 陳凱.基于GPS的工程機(jī)械設(shè)備智能管理系統(tǒng)研究[D].廈門(mén)：廈門(mén)大學(xué)，2016.

[3] 王建輝，李濤.基于Hive的支付SDK日志分析系統(tǒng)的設(shè)計(jì)研究[J].計(jì)算機(jī)應(yīng)用與軟件，2017（7）：51-54.

[4] 龍新征，李麗，彭一明，等.基于數(shù)據(jù)倉(cāng)庫(kù)的高校數(shù)據(jù)統(tǒng)計(jì)服務(wù)平臺(tái)研究[J].通信學(xué)報(bào)，2013，34（S2）：163-169.

[5] 郭載勛.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)在高校招生決策中的應(yīng)用研究[D].北京：北京工業(yè)大學(xué)，2014.

[6] 呂欣.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘在圖書(shū)館決策管理中的應(yīng)用[J].數(shù)字技術(shù)與應(yīng)用，2017（6）：89.

[7] 張端鴻，劉波，卞月妍.院校數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)與建設(shè)的過(guò)程研究[J].高校教育管理，2017，11（2）：26-33.

[8] 方園，高潤(rùn)生，徐國(guó)徽.數(shù)字化校園環(huán)境下的一卡通系統(tǒng)[J].華中師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2017（S1）：156-160.

[9] 魏順平.學(xué)習(xí)分析數(shù)據(jù)模型及數(shù)據(jù)處理方法研究[J].中國(guó)電化教育，2016（2）：8-16.

[10] 邢曉蕭，師海寧.xAPI記錄系統(tǒng)在分析網(wǎng)絡(luò)學(xué)習(xí)行為中的應(yīng)用[J].計(jì)算機(jī)教育，2017（5）：133-135.

[11] 胡建平.xAPI與基于Moodle的在線(xiàn)學(xué)習(xí)經(jīng)歷數(shù)據(jù)獲取[J].現(xiàn)代教育技術(shù)，2016，26（11）：121-126.

[12] 李雄飛，杜欽生，吳昊.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘[M].北京：機(jī)械工業(yè)出版社，2013.

[13] 沈偉.基于數(shù)據(jù)挖掘技術(shù)的高職院校招生決策倉(cāng)庫(kù)設(shè)計(jì)與實(shí)現(xiàn)[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2015（3）：165-167.

[14] 鄧炳光，張林霞，張治中，等.基于數(shù)據(jù)倉(cāng)庫(kù)的旅游服務(wù)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[J].電視技術(shù)，2015，39（20）：26-30.

[15] 崔穎賀.家校互動(dòng)教育平臺(tái)中數(shù)據(jù)倉(cāng)庫(kù)的研究與應(yīng)用[D].長(zhǎng)春：東北師范大學(xué)，2011.

（責(zé)任編輯：黃 ?。?/p>