基于网络学习行为分析的网络学习风格与学习偏好挖掘模型研究.doc

Sfi士学位论文MASTERS THESIS_ Y1532995分类号_ UDC.密级_ 编号_ jfC A 跨硕士学位论文t全均射項士教言故术學 彭丈_教趁学位申请人姓名 申请硕士学位类别 申请学位专业方向: 指导教师姓名：！子网络學过行为分析的两络華 习凡格与學习偏妤挖描模型研免AbstractGreat changes have taken in Modem Distance Education with development about the theory of lifelong learning and the implementation about the strategy of vocational ediicadon. As we know, learner needs in learning content can be fteedomly met at anywiiere and anytime by e-leaming, so in particular e-leaming in the modem distance education is warmly welcomed. The study of network education is gradually being transferred from tiie development of curriculum to learners on the characteristics of learners e-leaming behavior, at the same time learning styles and preferences of e-leamers are also analysized, which causes further study in monitoring and evaluation of network learners so as to better learning support services can be provided to them. At present, the analysis and research in e-leaming behavior is little especially, how to determine the learners learning style and learning preferences based on the analysis of e-leaming behavior is less. Nowadays, it may become true of determining the learning style and preferences according to the mining and analysis of e-leaming behavior, as the mature of data mining and the collection of e-leaming behavior.The paper focuses on the content in e-leaming style and preferences mining model based on the analysis of e-leaming behavior. The foil paper can be divided into six chters, each chapter is described as follows:In Chter I，the background of the paper, studies at home and abroad, the need and feasibility as well as the adoption of methods and techniques of research is demonstrated.In Chapter II, the basis theories of learning styles and preferences mining model based on the analysis of e-leaming behavior are described So，the theories of behavioral science and behaviorism, learning style and preferences, e-leaming behavior, as well as the data mining are analisized.Chapter HI is the relationship between e-leaming behavior and learning style and preference. In the part e-leaming behavior is divided into five dimensions according to the factors of learning style and preferences in society, psychology, physics, emotion, environment based on the analysis of them. Then learning style of each dimension is determined and the learning preferences integrated model of network learners is constructed.Chapter IV is the study in principles, significance, functional structure and model construction of e-leaming style and preferences mining model.藝In Chapter V is the study of realization on e-leaming styles and preferences mining model. The composition modules of mining model as well as the structure, function and related technologies of each module are demonstrated.Chapter VI is a summary of the paper. The weaknesses on mining model of e-leaming style and preferences in the theory and the realization of specific technology in the section are described. At last, what we will do in future is also listed. Keywords： E-leaming Behavior, Learning Style; Learning Preferences； Data Mining华中种范大学学位论文原劍牲声明和使用提权说明唐创牲声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工 作所取得的研究成果。除文中已经标明引用的内容外，本论文不包含任何其他个 人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体， 均已在文中以明确方式标明。本声明的法律结果由本人承担。作者签名：曰期年少月巧曰学位论丈版权使用援权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权华中师范大学可以将本学位论文的全部或部分内容编入有关数据库进 行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同意华中 师范大学可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。作者签名：缺“导师签名日期：？月 日日期年r月日本人已经认真阅读“CALIS高校学位论文全文数据库发布章程”，同意将本人 的学位论文提交CALIS高校学位论文全文数据库”中全文发布，并可按“章程”中 的规定享受相关权益。同意论文提交后滞后：半年：一年：二年发布。作者签名：导师签名日期：叫年月个日期:pl；日1.1论文研究的背景在信息化急速发展的当今社会，随着终身学习理念的提出和大力发展职业教 育战略的实施，基于网络的现代远程教育尤其受到人们关注。网络教学中，学习 者根据自身需要来安排学习时间、学习地点、学习内容，网络教学的资源也更为 丰富、生动、形象、信息量更大。而随着国家进一步发展现代远程教育的步伐加 快，资金、设备、人力和物力的投入，网络教育标准CELTS的制定、对网络教育 理论及体系的探讨、多种网络教育管理平台及一大批教育资源的开发、一批网络 学院的建立及学历教育的开展，网络学习也越来越受到人们的欢迎等等。网络学习者的学习风格决定着他们在学习过程中对学习的方式和学习资源的 使用、对学习内容的信息处理等学习行为方式，反映学习者在社会、心理、生理、 情感、环境等方面的特征，是一个比较稳定的方面。了解网络学习者的学习风格 与学习偏好才能更好地对学习者的学习行为进行理解和分析。因此，将网络学习 者的学习行为进行分析和处理，总结网络学习行为与学习风格及学习偏好之间的 关系，从而进行基于网络学习者学习风格模型的研究，对建设个性化学习环境、 提供个性化的学习资源等有重要参考价值。第一章绪论目前国内外对网络学习风格和学习偏好的研究基本上都是在量表的基础上进 行问卷测验和总结得出学习者的学习风格，很少有人正面地从学习者的学习行为 中对其学习风格进行分析和挖掘。即目前的研究以“网络学习风格测量网络学 习行为”这种模式为主，而少有“网络学习行为风格分析”模式的研究。而从 网络学习行为的角度进行分析的也是从浅层次上进行了论述，对于具体的操作没 有进行探讨。t习平目前，数据挖掘技术已经得到广泛应用，国内外也有部分学者尝试利用数据 挖掘技术构建相应的高校教学管理平台。利用数据挖掘技术对网络学习者学习行 为进行分析，以此得到网络学习者学习风格和学习偏好挖掘模型的基本数据，再 在此基础上结合相关学习风格和学习偏好理论得出网络学习行为与网络学习风格 和学习偏好之间的对应关系，以此来构建网络学习风格与学习偏好挖掘模型，这对于构建个性化网络学习平台、促进现代远程教育的发展有着积极作用1.2国内外网络学习风格与学习偏好挖掘研究状况综述 1.2.1国外研究情况国外的学者对挖掘网络学习风格与学习偏好方面的研究主要有：维也纳大学 的Karin Anna Hummel基于在线学习平台，对数据库中的网络学习者访问学习平 台的数据以及学习者访问学习平台产生的Web日志文件进行分析，以此来分析学 习者的学习行为;Jia-JiunnLo等人则对网络学习者浏览的页面进行分析和处理， 从而进行学习者的学习风格的研究【2】Wan-ILee对网络学习者的学习需求、学习 行为进行记录、学习者个性化特征这些方面进行探究，研究学习者学习绩效评价 方式。1.2.2国内研究情况国内的学习者也幵始纷纷对网络学习者的学习风格与学习偏好进行分析和研 究。不过目前为止，国内对这方面的研究仍然还是局限于书面的调查报告或者是 网上调查报告这两种方式，对得到的调查数据进行分析，从而得到网络学习者学 习行为的一些特点，再将这些行为特点与学习者的学习风格与学习偏好进行关联。 比如：陈丽、张伟远和郝丹依据学习的信息加工理论、Kolb的经验学习理论、荣 格的人格特征类型理论等三大学习风格理论模型为基础，构建出的远程学习者特 征的三维模型，他们将学习者特征分为生理维度、经验维度和心理维度3】；黄海波 对远程学习者特征概念进行界定，然后从生理、心理、学习需求、动机等几方面对 远程学习者特征进行了较为深入地分析探讨陆宏探讨了以经验学习理论为基础 的Kolb学习风格模型在网络教学中的应用,选择了与Kolb学习风格量表相关的在 线学习行为作为测试的变量,目的在于发现Kolb学习风格、在线学习行为和学习结 果之间是否存在一定的关联5】;刘杂依据学习风格的信息加工理论将学习风格分为 视觉型、听觉型、动觉型三类，他研究的第一步工作是远程学习者学习风格测量 方法的研究,第二步工作是形成中国远程学习者学习风格特征的三维模型,第三步 工作是开发适合中国远程学习者的学习风格测量工具【q。李念从网络学习行为分析 的角度提出了网络学习者学习风格三维模型综上所述，我国对网络学习者学习风格及学习者特征的研究处于探索阶段， 如何获取、量化网络学习者学习行为与学习风格、学习偏好之间的关系这方面的 研究工作做的比较少。1.3网络学习风格与学习偏好挖掘模型的必要性和可行性研究 13.1必要性目前，国内外学者对网络学习行为的研究有一个大致的整体框架，对网络学 习行为的概念、定义、采集、评价以及智能反馈模型等方面都有所研究，但是对 于具体到釆用何种技术手段对网络学习行为进行科学、合理的分析，以此来确定 网络学习者学习风格与偏好的比较少，要么就是浅层次的研究。此外，已经进行 的对网络学习风格与学习偏好挖掘方面做的工作尚不够深入，技术路线也不够完 善。要建立和完善网络学习平台，为学习者提供个性化的学习空间，这都需要根 据网络学习者的学习风格和学习偏好来提供相应服务，而要把握网络学习者的学 习风格与学习偏好则需要对网络学习者的学习行为进行挖掘从而得到相应的挖掘 模型并在此基础上建立对应的学习支持服务平台。13.2可行性第一，目前国内外一些研究者对网络学习行为的内涵、特征、体系、模型进 行了深入研究，站在前人的基础上，有很多现成的成果可以借鉴。第二，国内外有许多学习风格和学习偏好理论，这对于挖掘网络学习者学习 风格与学习偏好有很大支撑作用。第三，国内外对网络学习风格和学习偏好与网络学习行为之间的对应关系有 定研究，可以借鉴前人的研究成果，在此基础上形成本论文的挖掘模型，并对 这个模型进行设计。第四，数据挖掘技术已经在其他领域进行了较多应用，可以借鉴其他领域的 发展情况来研究网络学习者学习风格与偏好挖掘模型的建立。1.4呆用的研究方法和技术路线1.4.1采取的研究方法本论文研究作为国家社会科学基金“十一五”规划(教育学科)研究项目（2006) “网络学习行为分析与研究”的一个重要组成部分，主要是研究网络学习的一般行为规律，并在此基础上挖掘网络学习者的学习风格与学习偏好，更好地 为促进学习者的学习服务。(1)运用文献分析法和比较研究法了解本课题的国内外研究现状：(2) 运用文献分析法和理论分析等方法对网络学习风格和学习偏好挖掘模型 进行梳理和论述；(3) 根据掌握的实际资料，结合前面的分析，采用相关技术，实现网络学习 风格和学习偏好挖掘模型的构建及实现。1A2技术路线确定网络学习行 为与学习风格、 学习偏好之间的 关系掌握学习凤格与 学习偏好理论构建网络学习风 格与学习偏好挖实现网络学习风 格与学习偏好挖关键技术、算法 分析.得出结论 图1-1技术路线图1.5本章小结本章主要对基于网络学习行为分析学习者学习风格与学习偏好的国内外研究 状况进行了论述，并对本论文的选题依据及采用的相应的研究方法、技术等进行 了说明。第二章网络学习风格与学习偏好挖掘相关理论基础2.1行为科学与行为主义学习理论 2.1.1行为科学的含义、内容行为科学70年代后期开始传入我国，它起源于西方的管理学。关于行为科学， 有广义和狭义两个概念。广义上的行为科学是从学科集合的角度进行研究的，把行为科学作为一个学 科群来看待，包括所有与行为相关的研究都纳入行为科学的研究范畴。心理学、 社会学、社会人类学等学科以及这些学科的观点和方法及其他的与之相似的学科 的部分，都属于行为科学的范畴。而狭义上的行为科学则是把行为科学作为一种理论和方法来解释心理学、社 会学和人类社会学等其他学科，并不是把行为科学看作是学科群。发展到20世纪 60年代后期时，有的学者将行为科学称之为组织行为学、管理心理学、管理行为 学等，这主要是从比较狭义的角度来理解和研究行为科学，也就是研究人类行为 的行为科学。主要研究个人和群体的组织活动行为，并对组织活动行为的产生原 因、表现进行分析和研究，涉及到的有人的本性和需要，研究范畴包括人的行为 动机、意志、欲望、情感和道德等方面。行为科学研究的主要内容包括有：个体行为、群体行为、领导行为和组织行 为等四个方面8】。个体行为：主要是对人的行为进行微观的考察和研究。它是从个体的层次上 考虑影响人的行为的各种心理因素，即人对于周围环境的知觉与理解。包括人的 思维方法、归因过程、动机、个性、态度、情感、能力、价值观等方面。所有3k 些又与实际活动中的需要、兴趣、达到目标的行为有着密切的关系。群体行为：主要研究的是群体行为的特征、作用、意义、群体内部的心理与 行为、群体之间的心理与行为、群体中的人际关系、信息传递方式、群体对个体 的影响，个人与组织的相互作用等等。领导行为：包括领导职责与领导素质论、领导行为理论、领导权变理论。特 别注意把领导者、被领导者及周围环境作为一个整体进行研究。组织行为：研究组织变革的策略与原则，变革的力量及其成就衡量方法等， 对变革进行目标管理。此外，工作生活质量，工作的扩大化与丰富化，人机和环境诸因素的合理安排，各种行为的溯评方法，现代计算机在管理行为中的应用等 方面，也都在组织行为研究范围之内。2丄2 活动理论(Activity Theory)活动理论又称文化一历史活动理论，它源于康德和黑格尔的古典哲学、马克 思的辩证唯物主义和维果斯基、列昂捷夫、鲁莉亚等俄国心理学家的社会文化与 社会历史的传统。活动理论的哲学基础是辩证唯物主义关于人类活动、意识、反 映以及它们的历史发展过程的学说。20世纪40年代，列昂捷夫在马克思主义活动 范畴的基础之上，首次揭示人与客观世界之间不可分割的联系，而联系的中介则 是活动；同时，列昂捷夫认为人与客观世界的这种基本联系中从一开始就包含了 心理的东西。活动理论的核心概念是对象活动，相应地，活动理论对于“行为”的分析单 位也应该是对象活动的基本要素极其全部特性。而活动是一个完整的体现，包含 的组成部分则有：人的动机、活动目的、活动进行的条件以及其他相关的活动、 动作、操作等。根据活动理论的观点，人的心理活动与人的外部实践是辩证统一 的，外部实践活动是活动的基本形式，而心里活动来源于对外部实践活动的客观 反映，两者之间可以进行相互的转化。外部实践活动转化为内部心理活动的过程 叫内化，而内部心理活动转化为外部实践活动则称之为外化。列昂捷夫和他的学派认为单独的心理过程取决于它在活动结构中的位置，并 指出心理与外部活动的统一在于它们都是活动，都有着相同的结构。因此，人的 心理活动、意识与外部实践活动是辨证统一的整体丨9】此外，活动理论研究的另一代表人物Kuutti认为“活动理论是一个研究作为 发展过程的不同形式人类实践的跨学科框架”，即活动理论是包括同时联系的个 人和社会层面，以及制品的使用。因此，Kuutti认为活动理论的研究范围包括个人、 社会及其联系【1。】，活动是个人在社会中的实践过程。 Engestrom指出，活动系统包括有互动的要素n】： 主体：活动的个人或小组。客体：系统生产出来的制品（物质上的、精神上的、符号上的），这也是所 有活动的导向，即目标。工具、符号和中介：在大多数情况下，工具和符号是活动者（主体）作用于 客体的手段。活动系统的要素还包括分工（共同体内合作成员横向的任务分配）、共同体 和规则（包括社会的和活动本身的）。根据维果斯基的“社会文化历史理论”，学习被看成是一种掌握社会文化历 史经验的心理现象；根据列昂杰夫的“活动理论”，学习已被看成一种活动;而根据 洛莫夫的“系统观点”，学习这种活动则是一个活动系统，是由活动的不同侧面 构成的。这为学习活动的多侧面性提供了理论依据。一般地说，学习活动是由下 述几个侧面构成的：学习的过程、学习的策略和方法、学习的内容、学习的结果、 学习的品质。2.2学习风格与学习偏好相关理论 2.2.1 学习风格（Learning Style)(2) 学习风格的定义关于学习风格的研究，近30年来一直是教育界研究的热点，也被成为“现代 教学的真正基础”，它是由美国学者哈伯特塞伦(HerbertThden)于1954年首次 提出的。关于学习风格也有很多不同的定义，其中比较有影响的有：肯赛拉 (Kinselaa995:171)认为学习风格是指学习者个体在受信息和信息加工过程中所采 用的自然习惯的偏方式，这些偏爱方式具有一定的持久性。每个人有其独特的学习 风格，就像各自的签名一样与众不同，它既反映出个体独特的生理特征又反映出个 体受环境影响的痕迹”：Keefe从认知因素、感觉因素和生理因素出发，将学习风 格定义为“学习者和学习环境相互作用时表现出来的一种经常的、稳定的、具有 倾向性的行为”12】；Dunn夫妇认为“学习风格是学生集中注意并试图掌握和记住 困难的知识和技能时所表现出来的方式，包括学习者对学习环境的选择、情绪、 对集体的需要以及生理的需要” 13】；Reid将学习风格定义为学习者所采用的吸 收、处理和储存新的信息，掌握新技能的方式，这种方式是自然的和习惯性的， 不会因为教法或学习内容的不同而发生变化”【14】；在我国，比较公认的是谭顶良 先生对学习风格所下的定义“学习风格是学习者持续一贯的带有个性特征的学习 方式，是学习策略和学习倾向的总和”，这里的学习策略指学习方法，而学习倾 向指学习者的学习情绪、态度、动机、坚持性以及对学习环境、学习内容等方面 的偏好15】(3) 学习风格的构成要素关于影响学习风格的要素，比较有影响的是邓恩夫妇(Dunn R和Dunn K)的观 点【13】。他们认为，每个人的学习风格是由环境、情感、社会生理和心理等多种要 素组合而成的，并在个体接受、fc存和使用其知识和技能的过程中表现出来。其 中每一类要素又分别由多个方面组成，如下表所示：表2-1 Dunn夫妇的学习风格构成要素构成要素组成成分环境光线、声音、温度、坐姿情感学习动机、学习坚持性、学习责任、对学习内容组织程度的偏爱等社会独立学习、结伴学习、与成人学习、与各种不同的人学习心理分析综合左右大脑使用沉思与冲动生理优势感官、学习效果最佳时间、活动性此外，美国教育技术专家克内克（F.G.Knirk)等人认为学习风格应从信息加 工的风格、感知或接受剌激所用的感官、感情的需求、社会性的需求、环境和情 绪的需求这几个方面进行分析。其中，信息加工的风格主要研究学习者喜欢什么 样的教学方法、信息呈现方式、强化手段、训练素材的使用、釆用何种形式进行 学习、自主学习的安排等方面；感知或接受刺激所用的感官方面，主要考察学习 者使用视觉剌激（如电视、电影）、听觉刺激（听讲、录音）、印刷材料（书本 等）以及多种刺激同时作用的学习；感情的需求方面研究的是学习者是否经常受 到鼓励和安慰、能否自动激发学习动机和学习的坚持性、是否有负责精神这些特 点；社会性需求指的是学习者的学习是喜欢与同龄人一起学习、学习时需要得到 其他同龄学习者的赞许、喜欢与同龄学习者学习这方面的需求；环境和情绪的需 求指的是学习者学习时喜欢什么样的环境，如安静、背景音乐、光线强弱、室温、 学习时吃零食、学习时走动、座位安排、时间选择等iq。我国学者潭顶良总结前人的研究成果的基础之上，再结合中国教育教学的实 际情况，将影响学习者学习风格的要素归纳为社会、生理、心理三个维度各 个维度包含的信息如表2-2所示：Sfi士学位论文MASTERS THESIS学习风格要素组成成分社会独立学习/结伴学习、竞争/合作生理对视听动感知通道、学习时间规律光线明暗、 安静程度等的偏爱心理认知感知、信息加工、思维、记忆、问题解决情感成就动机、控制点、抱负水准、焦虑水平意动学习坚持性、言语表达性、对动手的偏爱组成成分独立学习/结伴学习、竞争/合作社会对视听动感知通道、学习时间规律光线明暗， 安静程度等的偏爱生理信息加工、思维、记忆、问题解决认知成就动机、控制点、抱负水准、焦虑水平情感学习坚持性、言语表达性、对动手的偏爱 (3)学习风格的分类学习风格理论为划分学习者的学习风格提供了基础。国内外的学者都试图从 学习者个体的差异性进行分析和研究，以此来确定学习者的学习风格，从而更好 地进行个性化的教学。目前比较有影响力的学习风格划分模型有以下几种：Kolb将学习风格置于学习过程中，并根据学习风格的知觉和加工动力特征， 将学习风格划分为：聚合型、同化型、发散型、顺应型18】。聚合型的学习者能吸 收具体的信息并进行思维加工，善于概括信息，关注信息的实用性。同化型的学 习者喜欢收集信息，并在理解不同的信息的基础上从抽象的观念出发进行思维加 工，他们边思考边看。发散型的学习者从经验中抽象出信息并进行积极加工，他 们从一个观念出发然后通过试验验证它。顺应型的学习者感知具体的信息并积极 地加工，他们是感觉者、试探者和操作者。劳特斯（Lotas)根据心理的类型，将学习风格划分为四种类型：情感1、认 知2、认知1、情感2等四种类型16】。具有情感1学习风格的学习者喜好在群体中 学习，对他人非常敏感，而且根据他人的情感进行决策。具有认知2学习风格的 学习者则喜欢用事实建构和理解理论。具有认知1学习风格的学习者所关心的是 生活的实践方面.并根据精确的信息进行决策。具有情感2学习风格的学习者关 心的是生活的意义和目的，他们根据道德和美学进行决策。费舍（Fischeretc)等人则把学习风格划分为：情感的（两种类型）、增量的、 感知通才_专才的、直觉的【19。第一种情感风格的学习者需要具有情感氛围的学习 环境。第二种情感风格的学习者需要观点和活动的动力重叠。增量风格的学习者 要求有一种逻辑-序列的结构。感觉通才的学习者往往是一个多感知的学习者，而 感觉专才的学习者则喜欢某一种感知方式（听或看）。直觉的学习者根据不系统 的信息和经验，突然洞察和产生意义并精确地概括。藝麦卡锡（McCarthy)对学习风格的研究是基于对人体左右脑的功能不同而进 行的。根据人体的生理特点，并总结了前人的研究成果，他把学习风格划分为创 新型、分析型、常识型和动力型这四种类型。而创新型学习者通过个人的参与和 学习者之间的讨论寻求意义，他感知具体的信息并随意地进行加工，这种类型的 学习者具有善于想象的风格。分析的学习者评价权威的事实和观点，抽象地感知 信息，并进行思维加工，这种学习者在传统的课堂教学中非常成功。常识性的学 习者想要知道事物到底是如何运作的，并寻找事物的关系。动力的学习者是冒险 者，他们往往对隐藏的可能性有兴趣，所以他们是很好的问题解决者和创造者。格雷戈克（Cregorc)将学习者的学习风格分为具体-序列、具体-随机、抽象- 序列和抽象-随机四种类型。格莱高克把具有具体序列学习风格的学习者描述为客 观、执着、注意细节。具有抽象序列学习风格的学习者是对研究带有评价性、分 析性和逻辑性的。具有抽象随意风格的学习者是敏感的、审美的、明智的和自发 的。具有具体随意的学习者是直觉的、试验性的、创造性的和喜欢冒险的。美国亚拉巴马大学的奥克斯福特(Rebecca Oxfor(U991)教授将学习风格分为 五大类与感官偏爱(sensory preferences)有关的学习风格：听觉型、视觉型和触觉 型或操作型(handson);(2)与人格特质有关的学习风格：外向型(extro-version)和内向 型(introversion);(3)与信息加工方式有关的学习风格:直觉性(intuitive)和序列型 (concrete/sequeiitial);(4)与信息接受方式有关的学习风格：封闭型和开放型;(5)与思 维方式有关的学习风格:分析型(analytic)和整体型(global)。此外还有根据认知风格的不同把学习风格划分为场依存型、场独立型。场依 存型的学习者难以从环境中分辨出刺激，他们的知觉易受背景环境影响。场独立 型学习者倾向于用内在参照来进行信息加工，知觉较稳定，不易受背景变化的影 响，并能对信息进行加工和重组。2.2.2 学习偏好（Learning Preferences)一般以来说，学习偏好是指学习风格的一个方面。每一个体在学习过程中会 表现出不同的学习倾向，如对学习环境、学习内容、学习方式、学习资源、学习 技巧等方面的偏好，即为学习风格中表现出来的稳定的学习偏好。学习风格与学 习偏好之间也表现出一定的交互作用。依据科布尔的经验学习风格理论，学习者的学习风格与学习偏好之间存在一 定的对应关系，学习偏好又可分为原理型、经验型、实践型、思考型这几种，如领士学位论文MASTERS THESIS項士学位论文表2-3 kolb的学习风格与学习偏好对应关系表学习风格学习偏好学习方式同化型原理型阅读、听讲座、思考题、案例研究顺应型实践型模拟、案例学习、家庭作业、小组讨论、同伴反馈、基于问 题的学习发散型思考型小组活动、演讲、日志等聚合型经验型实践活动、实验室的任务和实践应用、同伴反馈活动2.3网络学习行为理论 2J.1网络学习行为的含义网络学习行为是随着计算机技术、网络技术的发展而出现的新名词，网络学 习行为顾名思义指的是学习者在网络上进行学习的行为。而关于网络学习行为的 具体定义，目前并没有一个统一的标准。不少学者也将网络学习行为称为“在线 学习行为”、“远程学习行为”、“网络自主学习行为”、“网上学习行为”等 等，尽管名称不一，但是都能体现出现代远程网络教育中学习者通过网络进行学 习的特点：学习者通过网络学习平台提供的学习资源、学习工具、交流工具进行 学习和交流，并通过网络自主搜寻有用信息帮助学习；学习者在网络学习过程中 具有自我约束性，强调自我积极主动地学习；学习者使用自己喜欢的学习工具、 学习方法、学习资源进行相应的学习等。彭文辉、黄克斌等人在对对国内外学者的研究成果进行分析的基础上，依据 行为科学和行为理论作为理论指导，提出了网络学习行为的定义，他们认为“网 铭学习行为是指学习者在由现代信息技术所创设的、具有全新沟通机制与丰富资 源的学习环境中，开展的远程自主学习行为”【20】。依据行为科学与行为理论，彭文 辉等人还提出网络学习行为系统的构成要素，认为网络学习行为系统包含了行为 主体、行为客体、行为主体所在的群体（团体）、群体内的组织规则和任务分工 的几个方面。学习方式学习偏好学习风格阅读、听讲座、思考题、案例研究同化型原理型模拟、案例学习、家庭作业、小组讨论、同伴反馈、基于问 题的学习顺应型实践型小组活动、演讲、日志等思考型发散型实践活动、实验室的任务和实践应用、同伴反馈活动经验型聚合型由上可见，网络学习行为就是网络学习者在一定的网络学习环境下，依托于 一定的学习工具、学习支持服务平台、学习资源，个人学习风格和学习偏好影响 下所进行的远程自主学习。每个网络学习者的网络学习行为有着共性，也由于受 自身学习风格和偏好不同的影响而表现出与其他学习者的学习行为相异的地方。网络学习行为系统也相应地对应了网络学习者、学习对象、被网络教学机构组织 而成的学习群体、学习群体内部的学习组织形式等几个方面。网络环境下的学习 行为也具有行为技能高科技化、专门化，学习情境虚拟化、学习者学习控制自主 化以及网络学习文化背景全球化等特征。233网络学习行为的模型关于网络学习行为的模型，彭文辉教授及黄克斌等人也从网络学习行为的横 向以及纵向分别构造出两个模型，其中一个是多维度的网络学习行为模型，另外 一个是多层次的网络学习行为模型。 (1)多维度的网络学习行为 多维度的网络学习行为模型图如下：网络学习行为多维度模型如图2-1所东，网络学习行为多维度模型从网络学习者学习行为多样性的角 度来进行划分的，在这个学习行为体系中包含以下几个方面的内容：（1)信息检 索学习行为；（2)信息加工学习行为；（3)信息发布学习行为；（4)人际沟通、 交流的行为；（5)基于问题解决的学习行为。 (2)多层次的网络学习行为模型彭文辉教授等人从纵向的角度将网络学习行为划分为高级、中级、低级三个 层次。各个层次包含的网络学习行为如下表所示：表网络学习行为多层次模型网络学习行为层次各个层次包含的网络学习行为高级协作学习、探究学习、信息精加工、高级查询、请教、总结、 设计、制作等中级查找信息、选择信息、精读、文档管理、评价、提问、信息发 布、回答问题、查看答案、参与讨论等低级浏览页面、保存网络讲义及相关学习资料、选择信息、输入信 息等2.4数据挖掘技术概论 2.4.1数据挖掘的定义数据挖掘(DataMining)是从大量的、不完全的、有噪声的、模糊的、随机的数 据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过 程21】。也可以理解为从大量的数据中，抽取出潜在的、有价值的知识（模型或规 则）的过程【0。数据挖掘已经广泛应用于多个领域，它是面向应用的，运用数据挖掘对数据 进行分析和处理，来解决实际应用中的问题。2.4.2数据挖掘的功能数据挖掘是从大量数据中提取出有效的、新颖的、有潜在作用的、可信的、 并能最终被人理解的知识（也称为模式(Pattern)的处理过程。它的模式主要有两 种：预测型(Predictive)和描述型(Descriptive)。预测型模式主要是根据数据项的值比较精确地确定某种结果的一种模式，这 种模式下，挖掘时采用的数据是可.以明确地知道结果的。描述型模式是对数据中存在规则做一种描述，或者根据数据的相似性把数 据分组。这种模式并不能直接应用于预测。在实际应用过程当中，又把这两种模式划分为关联分析、聚类分析、分类、 预测、时序模式、偏差分析、预测及可视化等几种具体的模式&24】。 (1)关联分析(association analysis)关联：指的是两个或者两个以上的变量，它们的取值之间存在的某种规律性。 关联分为简单关联、时序关联和因果关联。关联规则一般釆用支持度、可信度、 兴趣度来度量它的相关性。关联分析的目的是从数据库找出数据之间隐藏的关系，比如：在购买面包和15领士学位论文MASTERS THESIS黄油的顾客中，有90%的人同时也买了牛奶（A+BC)。(1) 聚类分析(clustering)聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的 分析过程，分组后的同类数据彼此之间相似，不同类别中的数据之间则彼此相异。 聚类能够发现数据的分布模式以及可能的数据属性间的相互关系，并建立起宏观 的概念。(2) 分类(classification)分类就是对没有分类的类数据进行归类，它是对一个类别的数据的整体信息 的描述。分类是找出一个类的概念描述的过程，并且用这个描述来构造数据的模 型，而这个模型一般用规则或者是决策树的模式来表示。(3) 预测(predication)预测就是根据既有的数据找出数据的变化规律，在此基础上建立起相关数据 模型，然后根据建立起的模型对将来的数据进行数据类别及数据特征的预测。与 预测分析相联系的是数据的精度和不确定性，因此预测通常也用预测方差来度量。(4) 时序模式(time-seriespattern)时序模式是在多个数据序列中发现共同的行为模式，它是一种依据时间序列 而搜索出的重复发生率较高数据序列的模式。时序模式采用已知的数据来对未来 的数据的值进行预测。(5) 偏差分析(deviation)数据挖掘中，偏差分析是探测数据现状、历史记录或标准之间的显著变化和 偏离，偏差包括很大一类潜在的有趣知识。如观测结果与期望的偏离、分类中的 反常实例、模式的例外等。2.4.3数据挖振的对象数据挖掘的对象主要有以下几个类别：基于数据库的挖掘、基于web的挖掘、 基于文本的挖掘以及其他视频、音频等多媒体数据库的挖掘。2.4.4数据挖掘的流程数据挖掘的流程如下2&2、(2) 定义问题：清晰地定义出业务问题，确定数据挖掘的目的。(3) 数据准备：包括提取数据，对数据进行预处理两个部分。提取数据指的是 从大型数据库或者是从数据仓库重提取目标数据集。数据预处理则是对数据进行藝再加工的过程，具体来说有数据完整性及一致性检查、数据去噪、对丢失的域进 行填补以及删除无效的数据等。(4) 数据挖掘：依据数据的功能类型及特点选择相应的数据挖掘算法，对准备 好的数据进行数据挖掘工作。(5) 结果分析：对数据挖掘得到的结果进行解释和分析，并将得到的结果转化 成能被用户理解和使用的知识。(6) 知识应用：将经过分析的知识应用到系统中，以获得知识的作用或者是对 这些知识的证明。2.4.5数据挖掘的分类数据挖掘在是不同学科的基础上发展起来的，不同的应用领域对它进行的分 类也有所不同。从不同的视角看，数据挖掘的分类大致有根据知识发现的分类、 根据数据库类型的分类、根据采用的技术分类等几种%】28】。(1) 基于数据库类型的分类根据数据模型分为关系型数据挖掘系统、对象型数据挖掘系统、对象关系型 数据挖掘系统、事务型数据挖掘系统、基于数据仓库的数据挖掘系统等。根据所处理数据的特定类型分为演绎数据挖掘系统、空间数据挖掘系统、时 间序列数据挖掘系统、多媒体数据挖掘系统、文本数据挖掘系统、web数据挖掘 系统等。(2) 基于发现知识的种类进行分类根据发现或者是所挖掘的知识类型分为关联、分类、聚类、序列模式、偏差 分析、趋势等类别。(3) 基于所采用技术（算法）的分类基于所采用的数据挖掘技术分类，目前主要人工神经网络、模糊集、决策树、 遗传算法、最近邻技术、粗集算法以及可视化技术等。(4) 此外，还有依据分类、估值、语言、相关性分组、关联规则、聚集、描 述和可视化几类分析方法的不同，将数据挖掘分为直接数据挖掘、间接数据挖掘。 直接数据挖掘的目标是利用可用的数据来建立一个模型，该模型对其他剩余数据， 对某个特定的变量进行描述。而间接数据挖掘的目标是在所有变量中建立起某种 关系。18Sfi士学位论文MASTERS THESIS2.4.6数据挖掘的算法(4) 神经网络(ArtificialNeural Networks,简记作 ANN)神经网络算法是依据人体大脑的神经系统来进行模拟的一种算法，它是一组 连接的输入/输出单元,其中每个连接都与一个权相关联。在学习阶段,通过调整神经 网络的权，使得能够预测输入样本的正确类标号来学习。神经网络的模型有三种主要的类别，一是前馈式神经网络模型，这种模型主 要用于分类、预测和模式识别，代表性的有BP反向传播模型；另外一种反馈式神 经网络模型，这种模型用于联想记忆以及优化计算，代表性的是hopfield模型，； 此外，还有一种以art和koholon模型为代表的模型，用于对聚类算法的自动组织 映射方法。神经网络算法的缺点是人们不知道网络的学习以及决策的过程。(4) 遗传算法(geneticalgorithms)遗传算法是一种以自然选择和遗传理论为基础，将生物进化过程中“适者生 存”规则与群体内部染色体的随机信息交换机制相结合的搜索算法，它是一种仿 照生物的进化规律进行随机搜索的算法29】。遗传算法的应用主要在这三方面：遗传算法和理论以及技术研究、对各种问 题进行优化、利用遗传算法进行分类系统机器学习30。遗传算法的分类有混合式遗传算法、并行式遗传算法、合作遗传算法、混乱 遗传算法等31】。(4) 决策树(decisiontree)决策树算法是通过将大量的数据进行有目的的分类，从而在数据中找到有价 值的、潜在的信息。决策树算法通常用于对模型的预测，是一种从没有次序或没 有规则的事例中推理出决策树的表示形式的一种分类规则。决策树的基本算法是：贪心算法，它以自顶向下递归、各个击破方式构造决策树。(4) 粗集(roughset)粗集理论通常是作为一种数学工具对不精确、不确定的知识进行研究。粗糙 集理论在知识发现研究中有着许多具体应用，特别适合于数据之间（精确的或近 似的）依赖关系发现、评价某一分类（属性）的重要性、数据相似或差异发现、 数据模式发现、从数据中产生一般决策规则、削减冗余对象与属性、寻求属性的 最小子集以确保产生满意的近似分类等等。领士学位论文MASTERS THESIS(5)模糊集(ftizzyset)模糊决策、模糊集是指基于模糊数学理论来对实际问题进行模糊综合评判, 模糊模式识别以及模糊聚类分析。2.4.7 web 挖掘由于在网络教学中，网络学习者的学习主要是基于网络学习平台的学习，因 此，对网络学习者的学习行为进行数据挖掘也就相应转化为web挖掘。Web挖掘是数据挖掘在Web上的应用，它利用数据挖掘技术从与www相关 的资源和行为中抽取感兴趣的、有用的模式和隐含信息，涉及Web技术、数据 挖掘、计算机语言学、信息学等多个领域，是一项综合技术32。Web数据挖掘按照挖掘对象不同分为三类：Web内容挖掘、Web结构挖掘、 Web日志挖掘33-33。这三类web挖掘包含的挖掘对象如下表所示：表2-5 web挖掘分类分类包含Web内容挖掘文本挖掘、多媒体挖掘Web结构挖掘超链接挖掘、页面结构挖掘Web日志挖掘用户访问模型分析、分折定制web站点Web内容挖掘：是指对Web页面内容及后台交易数据库进行挖