基于數據挖掘技術的網絡教學策略探討

孫玉榮 黃慧華

[摘要]網絡教學中的一個難點是教師如何對學生的學習過程進行監(jiān)控,從而實現基于網絡教學平臺的教與學的有效結合。文章結合網絡教學過程涉及的學習資源設計開發(fā)階段與學習支持階段,應用數據挖掘技術,建立了相應的學生分類模型,并對學習者行為要素間的關聯(lián)關系進行挖掘。依據分類模型對不同的學生群體使用不同的教學目標和教學內容組織策略,實現對學生網絡分層教學;根據關聯(lián)規(guī)則實現監(jiān)控、評價,提高師生的交互性,實現教師對教學過程的監(jiān)控和引導。

[關鍵詞]數據挖掘 網絡教學策略 關聯(lián)規(guī)則 分類模型

[作者簡介]孫玉榮(1969- ),女,湖南株洲人,中南林業(yè)科技大學理學院,副教授,主要從事計算機教育與應用研究;黃慧華(1978- ),女,湖南長沙人,中南林業(yè)科技大學理學院,講師,主要從事計算機教育與應用研究。(湖南長沙410004)

[課題項目]本文系中南林業(yè)科技大學2006年度教學研究項目“《數據結構》網絡教學平臺的研究”的研究成果。(項目編號:2006016A)

[中圖分類號]G642.4[文獻標識碼]A[文章編號]1004-3985(2009)35-0131-03

一、問題的提出

在網絡這種開放性的教學環(huán)境下,教師與學生相分離,教師不再是教學活動的中心,因此,傳統(tǒng)教學策略也就不能完全適應網絡教學,教師需要根據網絡特征改變傳統(tǒng)教學策略和方法,制定適合于網絡教學的網絡教學策略。

徐春華等人認為:網絡教學策略是以網絡教育理念為指導,在特定的網絡教學情景中,為滿足學習的需要和達成學習目標,對學習活動進行引導和監(jiān)控的系統(tǒng)措施和行為。這種引導和監(jiān)控過程是以對學習目標、學習資源、學習者特征、學習環(huán)境等要素的分析為基礎,系統(tǒng)運用教學方法,選擇教學媒體,優(yōu)化教與學的過程。①

顯然,在網絡教學實施過程中,教師的作用并沒有淡化,網絡教學反而對教師提出了更高的要求:教師需要具備對信息進行篩選、鑒別和使用以及進行網絡教學策略調整的能力。因此,如何從急劇增長的教育信息中發(fā)現數據中隱藏的規(guī)律或模式,即如何對取得的教育信息進行辨識,從中及時發(fā)現有用的知識,實現對學習活動的監(jiān)控和引導,以期調整教學策略,提高教學質量,就成為一個是相當重要的課題,而解決這樣的問題,需要引進新的技術手段。

數據挖掘技術可以從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中,提取隱含在其中的人們事先不知道的,但又是潛在有用的信息和知識。利用該技術對數據庫中的潛在規(guī)則進行挖掘,并把獲取的信息和知識提供給決策者,支持系統(tǒng)已經廣泛地應用于各種相關領域,包括商務管理、生產控制、市場分析、工程設計、科學探索和網絡教學等,因此,對教育信息進行辨識,發(fā)現有用的知識,調整教學策略就是一種非常有效的手段。根據國內外對各類模式挖掘算法的研究,本文確定的挖掘算法為:采用FP-Tree關聯(lián)規(guī)則挖掘算法進行關聯(lián)規(guī)則挖掘,運用分類模型判定樹歸納算法進行數據挖掘,用于挖掘技術分析的數據來源于數據結構網絡教學課程。

二、學習者學習行為要素定義

有專家提出,在線環(huán)境中的成功學習受到以下四個方面因素的影響:技術因素、環(huán)境因素、個體因素、學習特征因素。②本文假設參與網絡教學的師生都具備了相關的網絡技能,網絡環(huán)境有保障。因此,要提升網絡教學的教學質量,調整網絡教學策略,就需要分析學習者個體因素和相關的學習特征因素,對于這兩個因素,我們把它定義為學習者的學習行為要素,為便于算法的實現,把學習者行為要素具體細分為:學生的學習時間、學習次數及網絡課堂討論和學習成績。通過對這些行為要素間的挖掘,探討網絡教學策略的實施途徑。

三、基于數據挖掘技術的網絡教學策略

網絡教學策略的運用,即網絡教學的執(zhí)行與調控,需要結合網絡教學的過程來加以分析。本文根據網絡教學過程包括的兩個階段:學習資源設計開發(fā)階段與學習支持階段③,借助于數據挖掘技術,分階段討論網絡教學策略的實施:

1.學習資源設計開發(fā)階段。這一階段對“教”的考慮較多, 各環(huán)節(jié)有一定的先后順序,而且各環(huán)節(jié)之間也相互影響,如目標制定得如何就直接影響到內容的組織等環(huán)節(jié),而內容的組織與教學的實施又會影響到目標的達成質量。涉及的策略主要包括目標制定策略、內容組織策略、媒體選擇策略、授遞策略。④根據我們定義的學習者行為要素,從數據挖掘技術角度探討網絡教學策略,我們更傾向于前兩個策略的調整。

教學目標是指教學中學生通過教學活動要達到的預期的學習結果與標準。教學目標是一個多層次的教學目標體系,可以分成:課程教學目標、單元教學目標、課時教學目標等不同的層次。本文探討的是單元教學目標。

著名的心理學家、教育學家布盧姆提出的掌握學習理論認為:“只要在提供恰當的材料和進行教學的同時,給每個學生提供適度的幫助和充分的時間,幾乎所有的學生都能完成學習任務或達到規(guī)定的學習目標?！痹谶@一理論指導下,在實施網絡教學過程中,我們依據分類模型判定樹算法建立了學生學習內容分類模型,見右圖。

判定樹的第一層條件為每一章節(jié)的單元測試成績,分別表示為優(yōu)秀、合格和不及格。不及格的同學在下一章節(jié)進入C類教學目標學習,優(yōu)秀的同學則進入A類教學目標學習,合格的同學則根據學習的次數來決定下一章節(jié)的教學目標。學習次數為0~2次的同學進入B類教學目標學習,3～5次的同學則需要根據學習時間判定,根據判定樹可知,所有同學都進入了B類教學目標學習,這和我們日常的判斷邏輯相符。因為學習次數較多,學習時間較長,但成績卻是合格的同學很有可能是因為方法不當等原因導致接受知識能力較差,進入A類目標學習顯然是不合理的。當學習次數大于6次時,可以根據學生參與BBS討論的次數決定學生的下一章節(jié)的學習目標,對于討論次數0～2次的同學,將其學習目標定為B類,對于討論次數3次以上的同學,其學習目標則定為A類,這類學生表現出對知識的渴求,興趣較濃,理解知識的能力相對較強。

依據該判定樹模型,教師可以了解學生對知識的掌握能力和掌握程度,并據此將教學目標制定為A類、B類和C類三類,其中C類目標是學生學習后達到的最低目標,這是所有學生通過努力學習后都能達到也必須達到的標準。A類目標是在符合大綱要求的基礎上,針對那些學習動機明確、上進心強、學習效率高、對知識理解能力強的學生而制定的目標,B類介于A類和C類之間。教師通過該模型,也可以對學生學習下一章節(jié)內容的效果進行預測。

有學者指出:網絡課程結構體系相對完整,學生網上學習時間和次數會相應增長⑤。據此結論和分類模型預測結果,教師在組織教學內容時,有針對性地對學習次數和時間相對較少的同學特別是C類層次學習的同學,盡可能多地提供課程導學材料、練習材料及復習資料,并提供明確的導航指引,以增加學生上網學習的次數,延長學習時間。對A類學生,則要注重知識和技能目標的結合,注重能力和技能的培養(yǎng),并提供一些能反映學科發(fā)展前沿和最新成果的資源及相關案例,以提升學生的專業(yè)技能并拓寬知識面。B類學生則在符合大綱要求的基礎上注重實踐動手能力的提高,并提供反映學科前沿的部分資源和相關案例,激發(fā)學生思考、引導學生進行自主學習與協(xié)作學習,提高知識接受能力。在此思路指導下,教師根據教學目標選擇并開發(fā)適合某一學生群體的教學內容,從而實現對學生的網絡分層教學。

2.學習支持階段。這一階段考慮更多的是學習者的“學”,教師則成為學習的引導者、督促者以及學習環(huán)境的創(chuàng)設者,這一教學階段具有更多的動態(tài)特征。因此,網絡教學策略的建構與運行主要是對網絡教學活動進行有意識地監(jiān)控、評價、反饋、調節(jié)⑥,盡可能地協(xié)調好教學活動中各要素間的關系,使教學過程最優(yōu)化,更有效地完成學習目標。因此涉及的策略包括引導策略、交互策略、監(jiān)控策略和評價反饋策略。數據挖掘技術是實現監(jiān)控策略的有效手段,本文根據關聯(lián)規(guī)則挖掘結果,探討引導策略和交互策略的實施。

利用FP-Tree關聯(lián)規(guī)則挖掘算法對學習者行為要素進行挖掘,得到的關聯(lián)規(guī)則挖掘結果,見下表。

從上表可以看出,學習時間在2小時以下的并且成績不及格的同學占全班的7.69%,學習時間在2小時以下的同學中有75%的學生成績不及格。學習時間在6小時以上,學習次數多于6次且成績?yōu)閮?yōu)秀的學生占全班的7.69%,這部分同學中有75%也積極參與BBS討論,而學習時間少于2小時,次數少于3次,基本不參與討論的同學,不及格率為100%,這部分同學占全班的7.69%。這說明學習時間、討論次數對學生學習成績的影響很顯著;師生網上交互率的高低與學生網上學習時間和次數也明顯相關。從表中還可以看出,學習次數多于6次的學生中有92.31%的學生,其學習時間一般也會超過6小時,這部分學生占全班的61.54%,說明學生的自控能力較強,學習動機較強。綜上所述,通過對學習者行為要素關聯(lián)規(guī)則的挖掘,可以掌握學生網上學習行為,從而為教師的教學策略調整提供依據,可以更好地進行學生的培養(yǎng)。

“授人以魚,不如授人以漁”,從教學的角度來看,就是說教會學生書本上的知識,還不如教會學生學習知識的能力。因此,對學習者的引導是至關重要的,而對學習者的引導應貫穿于整個學習過程,引導內容主要有網絡學習的觀念、方法、過程;課程學習的目標、方法、技能等;資源獲取途徑;問題解決與求助方法。師生交互率的提高是提升引導效果的最直接方式,據此,我們對如何提高師生交互率采取了相應的策略:調整教學內容,并制定可激活性的話題或問題,激發(fā)學生參與BBS討論的興趣;當教師主持討論時,要鼓勵學生深層次的理解與溝通,激發(fā)學生積極思考、參與和自我展示,同時,適時發(fā)表一些見解,提高學生發(fā)言的聚合度,控制學生討論的進度與方向;提供一些能反映學科發(fā)展前沿和最新成果的資源及相關案例,或對課程學習和考試有幫助的資料,供學生研討和充分利用;通過電子郵件對學習者進行個別指導,提供有針對性的指導與幫助。這種策略調整,間接增加了學生的學習時間、學習次數以及參與BBS討論的次數和討論效果,最終提升了整體學習效果。

四、結論

從分類模型可以了解學生對知識的掌握程度和運用能力,從而制定不同的教學目標,并根據預測結果及學生的學習行為要素,選擇并開發(fā)適合某一學生群體的教學內容,從而實現對學生的網絡分層教學。根據關聯(lián)規(guī)則結果分析,可以了解學習者學習行為各要素間的關聯(lián),有利于教師的學習引導者、督促者及學習環(huán)境的創(chuàng)設者這種角色的實現?；诖?本文認為,數據挖掘技術是一種有效地實現教學監(jiān)控和評價的手段,通過對挖掘的結果進行分析和評價,教師調整教學策略幫助學生形成有效的認知策略是完全可靠可行的,是實現網絡教與學有效結合的技術支持。

[注釋]

①③④⑥徐春華,侯鐵翠,黃喜民,等.網絡教學策略結構分析[J].中國遠程教育(綜合版),2006(10):37,38,39,39.

②桑新民,李淑霞,孟紅娟.遠程學習者學習能力培養(yǎng)的整體思考[J].中國遠程教育,2007(5):37.

⑤龔志武.關于成人學生網上學習行為影響因素的實證研究[J].中國電化教育,2004(8):32.

[參考文獻]

[1]楊引霞,謝康林,朱揚勇,左子葉.電子商務網站推薦系統(tǒng)中關聯(lián)規(guī)則推薦模型的實現[J].計算機工程,2004,30(19):57-59.

[2]印鑒,陳憶群,張鋼.基于數據倉庫的聯(lián)機分析挖掘系統(tǒng)[J].計算機工程,2004,30(19):49-51.

[3]湯小文,蔡慶生.數據挖掘在電信業(yè)中的應用[J].計算機工程,2004,30(6):36-37,41.

[4]劉均,李人厚,鄭慶華.網絡學習中學習者個性挖掘方法的研究[J].西安交通大學學報,2004(6):575-578.

[5]孫瑩,程華,萬浩.基于數據挖掘的遠程學習者網上學習行為研究[J].中國遠程教育,2008(5):44-47.

[6]馬希榮,孫華志.數據挖掘技術在教學評價中的應用[J].計算機工程與應用,2003(19):51-54.

[7]楊清蓮,周慶敏,常志玲.Web挖掘技術及其在網絡教學評價中的應用[J].南京工業(yè)大學學報(自然科學版),2005,27(5):100-103.

[8]Tung A K H,Lu Hongjun,Gan Jiawei,et al.Efficient Mining of Interransaction Association Rules[J].IEEE Transactions on Knowledge and Data Engineering,2003,15(1).