基于数据挖掘的网络学习行为分析及其教学策略研究

：基于数据挖掘的网络学习行为分析及其教学策略研究：方静，406）摘要冲击的式师学习性高要题,础和本文拟通过分析研究应用数据挖掘方法探讨网络学习的有效性并基于数据挖掘的分析结果。词类1引言随着计算机展及网以势来国了网教育。网络环境下教与学的时空分离造成了教与学相互作用的弱化应用数据挖掘方法研究网络环境下教与学相互作用的关系可以有效探索网络学习新机制为网络环境下的学习者教师课程开发者和管理者提供服务指导他们在网络环境下进行教与学的实践以提高教育管效习对行为学的网为制面从CNKI数据挖掘数据挖掘和网络（W等一系列关键词进行搜索从搜索结果可以看出我国在数据挖掘领域的研究自1996步据、多在络习方面的应用研究还相对较少论文拟通过实证研究应用数据挖掘方法探索网络有效学习机制,并对学习者进行网络学习提出可行性建议以提高学习者进行网络学习的有效性探索培学生网络学习能力的新途径对教师进行网络有效教学提出可行性建议，以促进网络教学规范化对管理员及开发人员提出网络课程管理和开发的可行性建议以提高网络课程管理的有。2础2.网络学习网络习指算进种活动,允许习自选择习容、。因此网络学习是在网络环境下,学习者与学习资源、教师等基本元素之间相互作用的过程和方式,是一认到程,是行为学习值习范学习的一络学习的优势体现在可以在任何时间生灵性化,能够学者丰的源,是学学及管理难以制,习因乏自立易。网络学习在内涵上,可以从四个方面去认一识:网络作为学习的工具;网络作为学习的对象;网络作为学习的资源;网络作为学习的环境,进一步解释为:网络学习是通过网络进行的学习过程过程;网络学习还意味着把网络作为学习的一种环境。学习环境是由学习资源和认知工具以及相应模、、围成,络环基了观点,只有从学习环境的角度来理解网络的本质,才能更好地解释网络所支持教与学过程中的多种形式和特点。2效学习有效习指的织实学习,发挥主体积能性有效完成实既的学习任务和自主学习。对有效学习概念的界定,有三种取向,一：从学习过程和结果的角度,角度,习动,有向的认效学习新识习已的念实性系强调习的效,即和决际问题。网络下,探作自主的方式、充分利用网络学习资源和工具对信息进行批判性、创新性地加工,最终提升知识与技能水平,形成自我发展的能力。有效的网络学习至少应该具备学习者主动建构、按时完成学习任务及目标以及自身获得发展三个条件,应该以真实问题为起点,以学习兴趣为动力,活外为为。2习者特征学习者特征,从心理层面对其进行概念界定,比较典型的是:学习者特征指影响学习过程有效性的学习者内部心理过程的各个方面。从经验背景对其进行概念界定,学习者特征是指影响过效的者验的方。环下,对学习征析,主学习。网络环境下学习者特征除了包括影响学习者学习过程有效性的学习者心理特征外,还涉及学者区的为现,征,以及者社境社员关互动等特征,具体包括以下四个方面:学习者的起点水平,包括网络学习能力、原有的学科知识基础、态特征,括、力(动、我能、归因);为特及社关特。3用3.数据挖掘的概念和应用3.1.1念数据挖掘(Datani简单的讲就是从大量数据中挖掘或抽取出知识。它的定义描述如下：数据挖掘，也称为数据库中知识发现(KnowledgeDiscoveryfDatabasKDD)是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等和信息科学的交叉学科。3.1.2用数据挖掘技术在国外的大型商业、金融业、保险业、医疗、通信、运输等大型企业得挖于的星建索析击有用信。：.习(1析习征学的结和风成利据掘分习特，。(2)势析学者问，过对访历录系不学提符合其访问习惯的页面信息提高教育网站的竞争力。.统系后存大，经富师心的题。习提问对题中照的给制馈权正性。.教价学和习都一客正价数掘以实方，层用合模聚学来客。3.数据挖掘的过程数据挖掘是一个从已知数据集合中发现各种模型、概要和导出值的过程KDD是组，掘：1理据包两，从个源合据所要据证据综。包数预换。2．数据挖掘，这个阶段包括选择算法和。(1)选择算法：根据确定的KDD目选择适的识发算法包括取合的模和参数。(2)数据挖掘：运用选择好的算法，从数据库中提取用户感兴趣的知识，并以一定的方式表出。3．解释评估，这个阶段包括模式解释和。(1)式识用求面重。(2)知识评价：将发现的知识以用户能了解的方式呈现给用户。包含知识一致性检查和模式可视化处理。上述步骤中，数据挖掘占据非常重要的地位，它决定了整个D过程的效率效果。3.数据挖掘的常用算法掘计统计法有前向神经网络，自组织神经网络等。数据库方法主要是多维数据分析和OLAP，以及面向属种。.聚分析(si)就数不内差异尽可能的小。常用聚类的方法有K－平均方法，K－中心点方法。利用聚类算法可以从b访问信息数据中聚类出具有相似行的那些学生。把这些聚类结果提供给学生改善学习管络。.关规则(sctn)数在一个事有Ral出的Apriri和P。联些关，这网。.树n)息息益据有信的的支子集中重复建立树的下层结点和分支来进行构造。常用算法有I3算法。通过分类算法知容也为提的况。4．糊集(zyt)根据模合模糊聚分统，低越。.遗算法c)一种新化生设过目些为化。.神网络(lt)模拟人脑神经元方法，以P模型和HEBB学习规则为基础，建立三大类神经网络反。4析4.网络学习行为的多维度分类网络学习者进行网络学习的过程是长期的,在整个学习工程中，每一门课程的学习阶段以及个的阶段,学者习容习不同,对这程度就不同外,学习久分析出他们的学习风格与学习偏好,需要抽取较多的数据来进行分析。由于学习者进行每次上课的习为据都大,要网学的学习风与偏好需对网学习习行理。本文对网络学习行为的分类是在彭文辉等人的网络学习行为多维度模型对网络学习行为的分类的研究基础之上,从社会、心理、生理、情感、环境这几个维度进行划分的。社会维度指的是网络学习者学习行为中体现出的交流互动方面的特征,心理维度指的是网络学习者学习行为体现出对信息的分析和综合以及学习方式的选择等方面的特征,生理维度指的是网络学习者依据优势感官的使用不同而对各种类型的学习资源的使用表现出一定偏好的特征,情感维度指的是网络学习者学习行为体现出对鼓励!学习坚持性!学习内容组织偏爱的喜好方面的特征,环境维度指的是学习者对网络学习平台的使用!工具使用!背景音乐的使用等面好征。网络学习学归下:维度:为(2度:保写blog心等()生理维度、课后练习题间等（用Q、;.用m、sblg等进流(5)环境维度用网络学习中,学作数庞大,些要据进行整理和分的。4.利用关联规则对网络学习行为进行分析关联规隐中网简联例如:客户购买A的同时买B(联);了A需要购买B(联)客户购买A,买B(时序联。在网络习过中,学按的行习学行与的风与偏好有很大的关系。关联规则可以用来发现学习者学习行为之间的关系,通过对网络学习者的某两类网络学习行为之间取值关系进行分析就可以得出他们之间的关系,从而预测学习者将要行下行为,此网者为关系,使得习习格更显。挖掘学者习格习为之间的应系,该的度,能析行系：(l)维度:掘络习交互学习为之的系,具体说就是挖出学习者在学习时积极参与、观望、逃避协作学习的学习态度,此外还挖掘出学习者参与讨论、合作、辩争学的。(2)心理维度:一个是要挖掘网络学习者信息检索行为之间的关系,主要是分析网络学习者在学习时对页面结构的使用关系,是否按照学习平台安排的学习过程进行学习、是否边学习边搜源系网工系,收藏页面、保存信息、整理信息、做习题等之间的关系有学的为,掘出学习者的学习方式。（度、图片、动画、视频、音频、习题、图、表、在线习题之间的关系,分析网络学习者学习行为列系。（4）情感维度:挖掘网络学习者沟通交流行为之间的关系。这个部分主要分析网络学习学容到Q、N等实时交流工具的影响以及是其习进交,。(5)维度。4.利用聚类分析规则对网络学习行为进行分析聚类析把数按相性为类一中据共点,的不同。网络学习者进行学习时,产生了大量的行为数据,为了判断出学习者进行的是什么行为,需数行纳。析学的络行时,利技术,学习者对学习平台中的对象进行的相同操作则视为进行的是同种类型的学习行为,通过对学习者的进学风供。分网行,行:(l)习学为为写blo、小用用网易泡泡、el、在线辩论、使用学习目标、关键词、文本、音频、图片、表、频度等类别。(2)将分类好的学习行为整理为社会维度，心理维度，情感维度，环境维度等几类。将行行,。4.利用预测分析方法对网络学习行为进行分析预测利历据到化规律,型,用模型对未来种进预。络者行络习时,他格定,那么们习为也会有一定的规律和特点。预测分析方法利用学习者的网络学习行为随时间而变的规律,预测学习者在接下来将会进行的学习行为。通过预测分析方法,可以为学习者提供具有个性化特学源境。5策5.学习者要素的K一means我国高校在校学生数量大,从成人教育、本科教育、硕士研究生教育和博士研究生教育有多种层,,过K一法习者素发,将分类,从而对的网学为定培。简的本的K一算法为例,通过大一大二的公共基础课程的成绩为样本,采集男女比例适当的学生数据,通过以特征行聚,低3次层次当中和生,终,女级业为3个层。中,特需特关,象势逻辑思维和判断上存在短板。因此，将不同层级的学生进行详细的划分,并且做好划分的详细记录。5.2师要素的Naive分类yes高校最有氛的方,从教看,师限经成果和职称等方面,都处于一个大体稳定但小有变化的特点,因此教师要素,在大学生的网络学习上具有很强的引导和传播作用。高校的教师的数量是相对较少的,并且专业分科和特点十分明显,因此符合NalveBayes分类的运用条件如例一定为但样的样本,且师知机业域教的龄支撑样等特点,,。将教师的数据和信息进行深入挖掘之后,我们可以从专业化、水平等角度进行合理的配置教师资源,通过教师的综合影响力,来启发学生的思考,让学生通过网络的渠道进行自主性的学习。5.3网络学习内容的EM值网络习内为个分,第部高图馆络院的对态,当于络学院习内容的EM算过击为,然后进行视和类析通实验可以现,可单过软行详细的定选择,,M扩数据挖掘的目的。对于第二部分的内容。由于学生的关注内容和热点不一样,就应当通过教师因素进行直接传播,例如教师自身发现较好的资源或者网站等,对学生进行直接的传递,从而学集负。6结论网络学习不同于面对面的教课方式，对于网络学习者行为的研究目前也大都基于海量的用户数据。因此对于网络学习者行为研究的目的和有方法都需要很明确并要有最快的解决的法设求究为集我认价立者评个耦价的只习信的能学行行的析点，到者息（据CE他标准的学复。很络不增的师据。：[1]曹梅.知识发现在网络教学系统中的应用研究进[J].开放育究2,289一93[2]王松涛.论网络学=].教究8一1[3]吴婕.浅析数挖掘件的展[J]信息系统,2042:22一214[4]李雄飞,李.数据挖与知发现[M].DataMiningandKnowledgeDiscovery年