數(shù)據(jù)挖掘在網(wǎng)絡(luò)教學(xué)資源整合中的應(yīng)用

[摘 要]文章以數(shù)據(jù)挖掘技術(shù)為基礎(chǔ)，分析了當(dāng)前流行的數(shù)據(jù)挖掘技術(shù)的方法及應(yīng)用，提出構(gòu)建以教學(xué)資源質(zhì)和量、教學(xué)資源高效利用和教學(xué)資源科學(xué)管理三個(gè)方面支撐的教學(xué)資源整合理論框架，為教學(xué)資源的整合提供基本的決策知識(shí)，使教學(xué)資源的開發(fā)和設(shè)計(jì)與遠(yuǎn)程網(wǎng)絡(luò)教學(xué)相適應(yīng)，為教學(xué)資源的建設(shè)、高效利用以及教學(xué)資源的科學(xué)管理提供了理論參考依據(jù)，并通過實(shí)驗(yàn)對(duì)部分模塊進(jìn)行了驗(yàn)證。

[關(guān)鍵詞]數(shù)據(jù)挖掘；遠(yuǎn)程開放教育；網(wǎng)絡(luò)教學(xué)資源

[中圖分類號(hào)]G434 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1008-7656（2018）05-0009-07

引言

廣播電視大學(xué)的遠(yuǎn)程開放教育是在不同的時(shí)間和空間條件下，將現(xiàn)代網(wǎng)絡(luò)通訊技術(shù)和多媒體技術(shù)有效地結(jié)合，實(shí)現(xiàn)了實(shí)時(shí)和非實(shí)時(shí)的交互式教學(xué)模式，學(xué)習(xí)者利用有效的信息技術(shù)手段隨時(shí)隨地進(jìn)行個(gè)別化自主學(xué)習(xí)。遠(yuǎn)程開放教育近些年得到了長(zhǎng)足的發(fā)展。其中語(yǔ)義網(wǎng)、本體構(gòu)建和數(shù)據(jù)挖掘等智能信息處理技術(shù)應(yīng)用于現(xiàn)代遠(yuǎn)程教育，不少學(xué)者都做了廣泛的研究。徐林針對(duì)遠(yuǎn)程教育資源整合的難題，提出了面向服務(wù)架構(gòu)（SOA）的遠(yuǎn)程教育資源整合的系統(tǒng)框架[1]。穆肅針對(duì)當(dāng)前遠(yuǎn)程開放教育機(jī)構(gòu)知識(shí)管理的實(shí)際情況，利用語(yǔ)義網(wǎng)、本體工程和知識(shí)加工處理研究了遠(yuǎn)程開放教育知識(shí)管理系統(tǒng)概念模型的構(gòu)建[2]。陳登科等從教學(xué)流程探索了數(shù)據(jù)挖掘技術(shù)在現(xiàn)代遠(yuǎn)程教育的應(yīng)用，分別從選擇教學(xué)對(duì)象和授課老師、遠(yuǎn)程教育資源庫(kù)建設(shè)、實(shí)時(shí)教學(xué)、實(shí)時(shí)考試幾個(gè)部分使用不同的方法給出了具體的應(yīng)用實(shí)例，最后使用XML語(yǔ)言進(jìn)行了實(shí)現(xiàn)[3]。陳立建針對(duì)當(dāng)前遠(yuǎn)程教育系統(tǒng)的不足，探討了基于Web數(shù)據(jù)挖掘技術(shù)的遠(yuǎn)程教育系統(tǒng)框架：個(gè)性化教育平臺(tái)、教育網(wǎng)站的設(shè)計(jì)、在線答疑及考試系統(tǒng)等，充分發(fā)揮網(wǎng)絡(luò)教育中的優(yōu)勢(shì)，提高網(wǎng)絡(luò)教育的質(zhì)量[4]。在當(dāng)前大力發(fā)展遠(yuǎn)程教育的背景下，文章介紹了主流的數(shù)據(jù)挖掘技術(shù)，提出了將進(jìn)化神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)應(yīng)用于遠(yuǎn)程教育教學(xué)資源整合中，并構(gòu)建了資源整合理論框架。

一、基本概念

遠(yuǎn)程教育（Distance Education）：通常指師生通過通訊媒體進(jìn)行的非面對(duì)面的教育，本質(zhì)特征是教與學(xué)的行為在時(shí)空上是分離的，它具有以下特征：準(zhǔn)永久性分離、媒體與技術(shù)的作用、雙向通信、教育組織通過規(guī)劃和準(zhǔn)備學(xué)習(xí)材料以及提供學(xué)生支助服務(wù)對(duì)學(xué)生學(xué)習(xí)產(chǎn)生影響，以區(qū)別個(gè)人學(xué)習(xí)和自我教育。

數(shù)據(jù)挖掘（Data Mining）：從大量無(wú)序的數(shù)據(jù)中發(fā)現(xiàn)隱含的、有效的、有價(jià)值的、可理解的模式，具有為用戶提供問題求解的決策支持能力[5]。

教學(xué)資源：指各種各樣的媒體與所有可用于教育教學(xué)的物質(zhì)條件、自然條件以及社會(huì)條件的總和，包括網(wǎng)絡(luò)資源、計(jì)算機(jī)軟件和硬件、教學(xué)內(nèi)容和教學(xué)信息的各類媒體資源、信息技術(shù)服務(wù)等。

二、數(shù)據(jù)挖掘的過程、方法及應(yīng)用

（一）數(shù)據(jù)挖掘的基本過程

數(shù)據(jù)挖掘是一個(gè)完整的過程，是通過與用戶不斷的交互，對(duì)不同階段的挖掘結(jié)果進(jìn)行不斷反饋完成的，整個(gè)過程如圖1。

問題定義：一是明確實(shí)際工作對(duì)數(shù)據(jù)挖掘的要求；二是確定可用的學(xué)習(xí)算法。

數(shù)據(jù)預(yù)處理：一般包括消除噪聲、推導(dǎo)計(jì)算缺值數(shù)據(jù)、消除重復(fù)記錄和完成數(shù)據(jù)類型轉(zhuǎn)換。

挖掘算法執(zhí)行：一是要確定挖掘任務(wù)；二是要決定使用哪種算法。

解釋和評(píng)價(jià)：剔除冗余或無(wú)關(guān)的模式；對(duì)不滿足用戶要求的模式，則需要退回到前一階段。采用的數(shù)據(jù)挖掘技術(shù)的有效性和用于挖掘的數(shù)據(jù)的質(zhì)量和數(shù)量，是影響數(shù)據(jù)挖掘質(zhì)量的好壞兩個(gè)主要因素。

（二）數(shù)據(jù)挖掘的方法及應(yīng)用

數(shù)據(jù)挖掘的方法有模糊數(shù)學(xué)類方法、可視化技術(shù)方法、知識(shí)發(fā)現(xiàn)類方法、統(tǒng)計(jì)分類學(xué)方法、仿生物技術(shù)類方法。目前這些方法在遠(yuǎn)程教育方面的應(yīng)用還處于研究階段。

1.知識(shí)發(fā)現(xiàn)類方法及應(yīng)用

主要包括：決策樹方法、粗糙集方法和關(guān)聯(lián)規(guī)則分析。關(guān)聯(lián)規(guī)則分析方法基本原理是假設(shè)I是項(xiàng)的集合，對(duì)一個(gè)交易數(shù)據(jù)庫(kù)D，每個(gè)事務(wù)t是I的非空子集，每個(gè)交易都與一個(gè)唯一的標(biāo)識(shí)符TID對(duì)應(yīng)。關(guān)聯(lián)規(guī)則在D中的支持度是D中事務(wù)同時(shí)包含X，Y的百分比；置信度是包含X的事務(wù)中同時(shí)又包含Y的百分比。關(guān)聯(lián)規(guī)則方法在遠(yuǎn)程教育應(yīng)用中，董彩云[6]等給了完整的數(shù)據(jù)挖掘系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)過程，并改進(jìn)Apriori算法[7]以提高挖掘的效率。在實(shí)際應(yīng)用中通過挖掘結(jié)果指導(dǎo)學(xué)員選課，幫助學(xué)員更好完成各門功課。學(xué)生可以了解在選某一門課時(shí)，要先選哪幾門課作為基礎(chǔ)課，有利于學(xué)生進(jìn)行科學(xué)地選課和學(xué)習(xí)。鄭春香[8]等在考試系統(tǒng)中應(yīng)用Apriori算法對(duì)學(xué)生的答題結(jié)果進(jìn)行挖掘。因此，關(guān)聯(lián)規(guī)則方法關(guān)注的是算法本身，而較少考慮這些算法是否適合遠(yuǎn)程教育資源的挖掘。

2.統(tǒng)計(jì)分類學(xué)方法及應(yīng)用

統(tǒng)計(jì)學(xué)的原理在數(shù)據(jù)挖掘中的應(yīng)用實(shí)例是比較廣泛的，已形成一門獨(dú)立的學(xué)科。主要包括統(tǒng)計(jì)、回歸分析、差異分析和聚類方法。聚類方法又分為劃分聚類方法、網(wǎng)格聚類方法、密度聚類方法和網(wǎng)格密度相結(jié)合的聚類方法。王新穎等提出基于關(guān)聯(lián)規(guī)則和超圖分割聚類方法，對(duì)遠(yuǎn)程教育網(wǎng)站的Web網(wǎng)頁(yè)及用戶進(jìn)行聚類[9]。在遠(yuǎn)程教育應(yīng)用中，也有部分學(xué)者研究了遠(yuǎn)程教育學(xué)習(xí)者需要從聽課、作業(yè)、討論到考試一整套學(xué)習(xí)過程進(jìn)行考核，使用K-means聚類算法[10]對(duì)記錄的多項(xiàng)考核指標(biāo)聚類分析，并將考核指標(biāo)與學(xué)習(xí)者的總結(jié)性評(píng)價(jià)聯(lián)系起來(lái)，克服了過程考核評(píng)價(jià)體系的參數(shù)指標(biāo)通常是根據(jù)經(jīng)驗(yàn)來(lái)設(shè)定的缺陷。同時(shí)在遠(yuǎn)程教育個(gè)性化學(xué)習(xí)中，為了減少學(xué)習(xí)者特征數(shù)據(jù)的冗余信息，也可以將粗糙集理論[11]與聚類算法相結(jié)合，主要是解決K均值聚類算法對(duì)學(xué)習(xí)者特征數(shù)據(jù)的屬性冗余的敏感性問題，能較好的處理噪聲數(shù)據(jù)，可以提高聚類算法的效率并適合于遠(yuǎn)程教育個(gè)性化教學(xué)的應(yīng)用。

3.仿生物技術(shù)類方法及應(yīng)用

該類方法的核心思想是模仿生物某些行為活動(dòng)，將這些活動(dòng)通過計(jì)算機(jī)程序來(lái)模擬實(shí)現(xiàn)，主要有神經(jīng)網(wǎng)絡(luò)方法類和遺傳算法。

部分研究者針對(duì)遠(yuǎn)程網(wǎng)絡(luò)教學(xué)資源共享應(yīng)用中難以滿足用戶需要，通過遺傳算法優(yōu)化搜索引擎和資源調(diào)度，提高網(wǎng)絡(luò)教學(xué)資源搜索和共享的效果，使廣大師生在教學(xué)過程中獲得優(yōu)質(zhì)的教學(xué)資源。在電大試點(diǎn)總結(jié)性評(píng)估系統(tǒng)的應(yīng)用中，使用模糊BP神經(jīng)網(wǎng)絡(luò)方法，開發(fā)FBPNN學(xué)習(xí)、知識(shí)庫(kù)和FBPNN推理機(jī)等子模塊。模糊神經(jīng)網(wǎng)絡(luò)模塊負(fù)責(zé)知識(shí)獲取、存儲(chǔ)和求解。知識(shí)表達(dá)的規(guī)范化和表達(dá)式轉(zhuǎn)換由輸入/輸出模式轉(zhuǎn)換負(fù)責(zé)。在評(píng)估應(yīng)用中，可較好的實(shí)現(xiàn)電大總結(jié)性評(píng)估，減少人為不確定性因素干擾，增強(qiáng)科學(xué)性和標(biāo)準(zhǔn)性。針對(duì)神經(jīng)網(wǎng)絡(luò)所表現(xiàn)出來(lái)的優(yōu)勢(shì)，在現(xiàn)代遠(yuǎn)程教育教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)中使用BP神經(jīng)算法，構(gòu)建數(shù)學(xué)模型，輸入不同的評(píng)價(jià)指標(biāo)，輸出教學(xué)效果，科學(xué)、準(zhǔn)確地評(píng)價(jià)現(xiàn)代遠(yuǎn)程網(wǎng)絡(luò)教育教學(xué)質(zhì)量和教學(xué)效果。

為了更好地解決現(xiàn)實(shí)中的問題，突出各自的優(yōu)勢(shì)，將遺傳算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合形成了一種新穎的進(jìn)化神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域[12]，得到許多有價(jià)值的結(jié)論和成果。

三、數(shù)據(jù)挖掘在遠(yuǎn)程教育應(yīng)用中存在的問題

為了讓電大遠(yuǎn)程開放教育更好的適應(yīng)我國(guó)國(guó)情和社會(huì)發(fā)展的需要，1994年4月，“中央電大人才培養(yǎng)模式改革和開放教育試點(diǎn)”項(xiàng)目在全國(guó)省市電大啟動(dòng)，但隨著社會(huì)的發(fā)展和科學(xué)技術(shù)的進(jìn)步，傳統(tǒng)的教學(xué)模式已經(jīng)不再適應(yīng)電大遠(yuǎn)程教學(xué)需求，而數(shù)據(jù)挖掘逐漸地被應(yīng)用于遠(yuǎn)程教育中，但也存在如下問題。

（1）消極的學(xué)習(xí)態(tài)度和被動(dòng)的學(xué)習(xí)行為，知識(shí)創(chuàng)新不夠。在遠(yuǎn)程教育中，主要群體是成人學(xué)生，而且大多數(shù)學(xué)生是業(yè)余學(xué)習(xí)，學(xué)習(xí)時(shí)間少、任務(wù)重，不少學(xué)生對(duì)這種開放教育學(xué)習(xí)模式存在偏見和消極態(tài)度。被動(dòng)的或帶著情緒去學(xué)習(xí)，沒有任何學(xué)習(xí)興趣，不是主動(dòng)參與到學(xué)習(xí)中來(lái)，很少有探索式的學(xué)習(xí)方式，學(xué)生的學(xué)習(xí)行為數(shù)據(jù)就很難收集。

（2）獲取的數(shù)據(jù)質(zhì)量不高。在遠(yuǎn)程教育中，主要群體是成人學(xué)生，而且大多數(shù)學(xué)生是業(yè)余學(xué)習(xí)，學(xué)習(xí)時(shí)間少、任務(wù)重，被動(dòng)的或帶著情緒去學(xué)習(xí)，在數(shù)據(jù)挖掘中，對(duì)所需要獲取的數(shù)據(jù)的真實(shí)性難以保證。

（3）挖掘目標(biāo)不明確。在遠(yuǎn)程教育中，學(xué)習(xí)資源是海量的，不同的學(xué)生學(xué)習(xí)目的和學(xué)習(xí)方法都不相同，在實(shí)際應(yīng)用中，要挖掘有意義的知識(shí)和規(guī)則就比較困難。

（4）較難獲取個(gè)性化特征的數(shù)據(jù)[13]。由于學(xué)生的基礎(chǔ)知識(shí)水平不同，學(xué)習(xí)條件和學(xué)習(xí)環(huán)境的限制，因此存在某些學(xué)生學(xué)習(xí)效率很低，很難在遠(yuǎn)程教育學(xué)習(xí)過程中獲取有個(gè)性特征的數(shù)據(jù)。

（5）數(shù)據(jù)量大，噪聲數(shù)據(jù)多。在中西部部分地區(qū)，遠(yuǎn)程教育設(shè)施落后，無(wú)論教學(xué)硬件和教學(xué)軟件都比較落后。而遠(yuǎn)程教育中電子學(xué)習(xí)資料及各種資源數(shù)據(jù)量特別龐大，也沒有系統(tǒng)地對(duì)這些資源進(jìn)行分類和預(yù)處理，文字錯(cuò)誤較多，教育技術(shù)和教學(xué)條件還不能滿足遠(yuǎn)程開放教育的需求。在挖掘的目標(biāo)數(shù)據(jù)中，產(chǎn)生了大量噪聲數(shù)據(jù)和沒有意義的數(shù)據(jù)，這對(duì)挖掘結(jié)果產(chǎn)生很大的影響。

四、基于數(shù)據(jù)挖掘技術(shù)的教學(xué)資源整合理論框架

在國(guó)外發(fā)達(dá)國(guó)家中，美國(guó)的遠(yuǎn)程教學(xué)資源豐富，英國(guó)在教學(xué)資源的質(zhì)量方面成果顯著，日本則充分利用豐富的媒體手段，保證教學(xué)資源的有效利用以及教和學(xué)的互動(dòng)。我國(guó)當(dāng)前的遠(yuǎn)程教學(xué)資源的數(shù)量豐富而實(shí)用性不強(qiáng)，存在資源冗余性、共享性差、利用率低的缺點(diǎn)。針對(duì)這些不足，文章從教學(xué)資源的質(zhì)和量、教學(xué)資源的高效利用、教學(xué)資源的科學(xué)管理三個(gè)方面進(jìn)行了分析并進(jìn)行優(yōu)化，建立了一個(gè)基于數(shù)據(jù)挖掘技術(shù)的遠(yuǎn)程開放教育教學(xué)資源整合的理論框架，見圖2。

該理論框架是基于數(shù)據(jù)挖掘技術(shù)，以整合遠(yuǎn)程教學(xué)資源質(zhì)與量的為核心，教學(xué)資源的高效利用為目的，教學(xué)資源的科學(xué)管理為保障，不斷優(yōu)化教學(xué)資源，滿足社會(huì)整體的需求而構(gòu)建的。

該框架的理論分析：第一，遠(yuǎn)程開放教育的宗旨是為滿足社會(huì)的整體需求和人的全面發(fā)展和素質(zhì)提高提供公平的教育機(jī)會(huì)。因此，遠(yuǎn)程教學(xué)資源應(yīng)以滿足社會(huì)發(fā)展和人的素質(zhì)提高為目標(biāo)，教學(xué)資源的質(zhì)和量、高效利用和科學(xué)管理都要圍繞這個(gè)目標(biāo)而發(fā)展，并形成三者之間的交互反饋優(yōu)化和耦合協(xié)同作用；第二，結(jié)合電大教學(xué)與當(dāng)?shù)亟?jīng)濟(jì)發(fā)展?fàn)顩r，以教學(xué)資源質(zhì)和量的建設(shè)為基礎(chǔ)，利用數(shù)據(jù)挖掘技術(shù)不斷優(yōu)化教學(xué)資源，結(jié)合電大自身的教學(xué)特色，面向市場(chǎng)需求和社會(huì)需求，在財(cái)力、人力和物力許可的情況下，不斷優(yōu)化現(xiàn)有的遠(yuǎn)程教學(xué)資源是至關(guān)重要的。第三，在教學(xué)資源量和質(zhì)得到優(yōu)化的同時(shí)，如何高效的利用這些資源為遠(yuǎn)程教學(xué)服務(wù)是必須的。開發(fā)資源快速檢索系統(tǒng)和實(shí)時(shí)資源利用評(píng)估系統(tǒng)可以提高教學(xué)資源的利用率。資源快速檢索系統(tǒng)可為學(xué)習(xí)者以最快的速度獲取所需要的資源和在第一時(shí)間掌握最新的成果和前沿技術(shù)研究動(dòng)態(tài)，教學(xué)資源檢索系統(tǒng)邏輯架構(gòu)圖如圖3所示。

實(shí)時(shí)資源利用評(píng)估系統(tǒng)可為廣大師生利用教學(xué)資源提供指導(dǎo)，有利于教師對(duì)教學(xué)資源的整體把握和重新認(rèn)識(shí)，學(xué)生對(duì)教學(xué)資源的認(rèn)識(shí)和興趣度的提升。最后，教學(xué)資源的科學(xué)管理是提高資源利用率的關(guān)鍵，通過對(duì)現(xiàn)有的管理模式的挖掘，管理者將作出最適合于當(dāng)前遠(yuǎn)程教學(xué)資源管理的決策，師生參與和意見反饋，不斷發(fā)現(xiàn)和改進(jìn)現(xiàn)有管理模式的缺點(diǎn)，以加強(qiáng)教學(xué)資源的管理；網(wǎng)絡(luò)化和交互學(xué)習(xí)是遠(yuǎn)程開放教育的基本特征，也有利于師生參與和意見反饋，實(shí)現(xiàn)三者之間的良性互動(dòng)與可持續(xù)發(fā)展。

該理論框架與社會(huì)需求和人的素質(zhì)提高存在互動(dòng)關(guān)系。三者之間不是相互孤立的，而是互為聯(lián)系，相互影響。教學(xué)資源的量和質(zhì)是資源高效利用和科學(xué)管理的物質(zhì)基礎(chǔ)；教學(xué)資源的高效利用是資源的量和質(zhì)、科學(xué)管理的重要體現(xiàn)；教學(xué)資源的科學(xué)管理也是資源質(zhì)量的重要保障，三者之間缺一不可是整個(gè)理論框架的重要保證。

五、挖掘試驗(yàn)結(jié)果及分析

根據(jù)以上的原理和方法，本文對(duì)廣西電大網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)及關(guān)聯(lián)平臺(tái)的網(wǎng)絡(luò)教學(xué)資源進(jìn)行統(tǒng)計(jì)分析和知識(shí)挖掘處理。收集和統(tǒng)計(jì)的實(shí)驗(yàn)數(shù)據(jù)是該系統(tǒng)從2015年6月到2018年7月的各種教學(xué)資源，如圖3所示。

根據(jù)圖4所統(tǒng)計(jì)的數(shù)據(jù)，學(xué)習(xí)平臺(tái)的教學(xué)資源主要是以視、音頻等多媒體資源為主，其中視、音頻媒體文件比重較大。約占教學(xué)資源總量的70%，而圖片資源和網(wǎng)絡(luò)課件的總量所占比例小，是相對(duì)薄弱的環(huán)節(jié)。從各種資源的訪問量來(lái)看，視、音頻媒體資源訪問總量大，由于電大的教學(xué)模式主要是基于計(jì)算機(jī)網(wǎng)絡(luò)的遠(yuǎn)程開放教育模式，因此，制作更多的流媒體資源，可以在一定程度上緩解了偏遠(yuǎn)地區(qū)對(duì)遠(yuǎn)程教育所帶來(lái)的壓力。

從以上結(jié)果分析出，隨著電大教學(xué)模式不斷改革和創(chuàng)新，流媒體教學(xué)資源需求量穩(wěn)定的增長(zhǎng)，而文本資源的增量相對(duì)緩慢一些。教學(xué)資源的開發(fā)和設(shè)計(jì)與電大的網(wǎng)絡(luò)教學(xué)模式相適應(yīng)。

本文在教學(xué)資源挖掘?qū)嶒?yàn)中，目的是挖掘訪問者對(duì)哪些類型、哪些領(lǐng)域的教學(xué)資源感興趣，以此驗(yàn)證理論框架中由形式豐富的知識(shí)挖掘?qū)W習(xí)者感興趣的教學(xué)資源模塊。本文以2015年至2018年網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)數(shù)據(jù)庫(kù)中資源表、欄目表、專業(yè)表、課程表中的數(shù)據(jù)為試驗(yàn)對(duì)象，進(jìn)行挖掘分析。

實(shí)驗(yàn)硬件環(huán)境：CPU：AMD Athlon Ⅱ Dual-Core M320，主頻2.1G；內(nèi)存：2G，硬盤250G。

實(shí)驗(yàn)軟件環(huán)境：操作系統(tǒng)：Windows XP Professional，在Visual C# 2005.net平臺(tái)上實(shí)現(xiàn)Apriori關(guān)聯(lián)規(guī)則挖掘算法；數(shù)據(jù)庫(kù)Microsoft SQL Server2005，Microsoft Access 2003。初始組合字段數(shù)據(jù)表的總數(shù)據(jù)量有23180條記錄。

實(shí)驗(yàn)步驟：

Step1，使用平均值和同類屬性值填充空缺數(shù)據(jù)，使數(shù)據(jù)表保持完整性。

Step2，將不同數(shù)據(jù)庫(kù)中的數(shù)據(jù)表進(jìn)行集成，并同時(shí)完成文件的格式轉(zhuǎn)換。

Step3，對(duì)文本數(shù)據(jù)進(jìn)行規(guī)范化處理，并同時(shí)對(duì)數(shù)字?jǐn)?shù)據(jù)和類別數(shù)據(jù)進(jìn)行編碼。

Step4，在不同數(shù)據(jù)表中，選擇與挖掘相關(guān)的數(shù)據(jù)字段，本文初步選擇了文章標(biāo)題、專業(yè)名稱、欄目名稱、學(xué)科名稱、訪問次數(shù)、IP地址、資源類型和時(shí)間等八個(gè)數(shù)據(jù)字段，隨機(jī)選擇不同字段進(jìn)行組合，同時(shí)多次隨機(jī)抽取表中一半的數(shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)數(shù)據(jù)值之間的強(qiáng)關(guān)聯(lián)性，找出最優(yōu)的字段組合，將隨機(jī)組合的字段進(jìn)行優(yōu)化組合。

Step5，最后得到優(yōu)化后的數(shù)據(jù)字段組合，分別建立新的數(shù)據(jù)表。

由于挖掘目標(biāo)是與不同類型的訪問者相關(guān)，每個(gè)組合中都需要保留訪問次數(shù)字段，經(jīng)過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)后，得到如下的字段組合，如下頁(yè)表1。

根據(jù)組合體1初始查詢到的數(shù)據(jù)有25062條，經(jīng)過消除冗余處理后得到6347條數(shù)據(jù)；對(duì)組合體2經(jīng)過消除冗余處理后得到804條數(shù)據(jù)；對(duì)組合體3經(jīng)過消除冗余處理后得到878條數(shù)據(jù)；組合體4初始查詢到32237條數(shù)據(jù)，經(jīng)過消除冗余處理后得到4857條數(shù)據(jù)。教學(xué)資源關(guān)聯(lián)規(guī)則知識(shí)挖掘及實(shí)現(xiàn)界面，如圖6所示。

在字段組合體1中，關(guān)聯(lián)規(guī)則支持度為0.01，最小可信度為0.3；在字段組合體2中，關(guān)聯(lián)規(guī)則支持度為0.01，可信度為0.6；在字段組合體3中，關(guān)聯(lián)規(guī)則支持度為0.01，可信度為0.6。挖掘得到的規(guī)則如表2所示。

對(duì)表2中的規(guī)則進(jìn)行分析和取極小可信度進(jìn)行合并處理后，得到如下的關(guān)聯(lián)規(guī)則知識(shí)。

在組合體1規(guī)則中，管理學(xué)中行政管理專業(yè)的學(xué)生經(jīng)常訪問的是超鏈接媒體的教學(xué)資源，可能性至少有36%。

在組合體2規(guī)則中，外網(wǎng)用戶經(jīng)常訪問的教學(xué)資源是視頻課件的內(nèi)容講解、導(dǎo)學(xué)和考試輔導(dǎo)，可能性至少有62%；不論內(nèi)網(wǎng)和外網(wǎng)的用戶經(jīng)常訪問的是教學(xué)資源的教學(xué)輔導(dǎo)這一欄目，可能性至少是63%。

在組合體3規(guī)則中，經(jīng)常訪問的教學(xué)資源是視頻課件的超鏈接媒體資源，該超鏈接可直接打開視頻或下載附件，可能性至少有64%；經(jīng)常訪問教學(xué)資源的是教學(xué)輔導(dǎo)這一欄目中的文本資源，可能性至少有62%。

通過以上挖掘得到的知識(shí)，對(duì)學(xué)校的遠(yuǎn)程教育教學(xué)資源建設(shè)和指導(dǎo)管課的責(zé)任教師在教學(xué)方式改革和收集、整理教學(xué)資源素材方面有較大的意義，可以較好地發(fā)掘不同類型的學(xué)生對(duì)不同類型的教學(xué)資源關(guān)注，更好地指導(dǎo)學(xué)生開展遠(yuǎn)程教育自主學(xué)習(xí)。

六、結(jié)束語(yǔ)

文章介紹了智能信息處理技術(shù)應(yīng)用于遠(yuǎn)程開放教育中的研究現(xiàn)狀，并重點(diǎn)分析數(shù)據(jù)挖掘技術(shù)的方法及在遠(yuǎn)程教育中的應(yīng)用，提出將進(jìn)化神經(jīng)網(wǎng)絡(luò)應(yīng)用于遠(yuǎn)程教育教學(xué)資源整合過程，分析了數(shù)據(jù)挖掘在遠(yuǎn)程教育教學(xué)過程中出現(xiàn)的問題，在對(duì)比國(guó)內(nèi)外在遠(yuǎn)程教育教學(xué)的各自優(yōu)勢(shì)的基礎(chǔ)上，建立了基于數(shù)據(jù)挖掘技術(shù)以遠(yuǎn)程教育教學(xué)資源的質(zhì)和量、資源的高效利用和資源的科學(xué)管理三個(gè)方面為支撐的教學(xué)資源整合理論框架。該理論框架為我國(guó)遠(yuǎn)程教育教學(xué)資源整合提供最優(yōu)的決策建議，對(duì)我國(guó)教育教學(xué)資源整合與共享、促進(jìn)高校信息化建設(shè)有著重要現(xiàn)實(shí)意義。

[參考文獻(xiàn)]

[1]徐林.基于SOA的遠(yuǎn)程教育資源整合系統(tǒng)研究[J].微電子學(xué)與計(jì)算機(jī)，2007（6）.

[2]穆肅.語(yǔ)義網(wǎng)技術(shù)支持的遠(yuǎn)程教育機(jī)構(gòu)知識(shí)管理系統(tǒng)概念建模的研究[D].廣州：華南師范大學(xué)，2007.

[3]陳登科，胡翠華.數(shù)據(jù)挖掘技術(shù)在遠(yuǎn)程教育中的應(yīng)用[J].情報(bào)科學(xué)，2003（4）.

[4]陳立建. 基于Web數(shù)據(jù)挖掘技術(shù)的遠(yuǎn)程教育系統(tǒng)構(gòu)建[J].中國(guó)成人教，2010（6）.

[5]董彩云，劉培華.數(shù)據(jù)挖掘技術(shù)在遠(yuǎn)程教育教學(xué)中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展，2009（2）.

[6]Agrawal R，Srikant R. Fast Algorithms for Mining Association Rules. In：Proc of the 20th VLDB Conference Santiago，1994：1-4.

[7]鄭春香，韓承雙.關(guān)聯(lián)規(guī)則研究及在遠(yuǎn)程教育考試系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展，2009（8）.

[8]王新穎，張文華.基于關(guān)聯(lián)規(guī)則的聚類挖掘在遠(yuǎn)程教育中的應(yīng)用[J].現(xiàn)代遠(yuǎn)距離教育，2008（4）.

[9]Specht D F， Romsdahl H. Experience with adaptive probabilistic neural networks and adaptive general regression neural networks[C]. Proceedings of the IEEE World Congress on Computational Intelligence. USA： Ortando， 1994：1203-1208.

[作者簡(jiǎn)介]向?。?982-），男，湖北恩施人，廣西廣播電視大學(xué)教育技術(shù)中心工程師，研究方向：數(shù)據(jù)挖掘、多媒體技術(shù)。

[責(zé)任編輯 吾 言]