数据挖掘技术在教学过程中的应用

李瑞林

LI Rui-lin

（广西水利电力职业技术学院，南宁 530023）

数据挖掘技术在教学过程中的应用

Data mining technology in the teaching process the application of

李瑞林

LI Rui-lin

（广西水利电力职业技术学院，南宁 530023）

随着校园的数字化、信息化发展，传统的教学管理模式已经不能适应现代教育发展的需要。毕竟要搜集和整理大量的教学数据信息，传统的方法既耗时、耗费，且操作繁琐。如何从大量的教学数据信息中及时挖掘出隐藏在数据之中对教学有用的信息，从而指导指导教师的教学决策，促进教学活动的开展，提高教学质量，为我们的教学服务已成为我们面临的十分紧迫要解决的问题。

数据挖掘；特征分析；教学过程决策；评价

0 引言

初浅的数据挖掘方法通常在教学过程中得到广泛的运用。如教师教学前的备课通常就是建立在初浅的数据挖掘基础上进行的；教学时教师时常用敏锐的目光捕捉课堂上学生学习的动态信息或用激励的语言鼓动学生，使之能从学生身上挖掘出对某一学习问题的反馈信息，使教师的教学具有因势利导、随机应变的主导能力；教学后，教师常常通过日常的教学评价手段或通过测验、考试中挖掘出对改进教学有用的信息，不断修正教学的方式和手段。但为了在新的历史条件下更进一步提高教学质量，改进教学方法，就不能停留在初浅的数据挖掘基础上，必须对各种教学数据信息作深入的数据挖掘，找出稳藏在其中对教学有用的信息和规律。

1 数据挖掘的概念及作用

所谓数据挖掘，就是从大量的数据中挖掘出隐含的、未知的、用户可能感兴趣的和对决策有潜在价值的知识和规则。数据挖掘又称为数据库中知识发现，是一个多学科交叉研究领域，涉及到机器学习、数理统计、神经网络、数据库、模式识别、粗糙集和模糊数学等相关技术。数据挖掘发现的知识一般可以表示为以下几种形式：概念、规则、规律、模式等。决策者可以用这些知识来辅助决策过程；相关领域专家也可以用其来修正原有的知识体系；同时还可以把这些知识作为新知识转存到相应系统的知识存储机构中，如规则库、专家系统等。数据挖掘所挖掘的对象是多种多样的，它可以是我们所熟知的关系型数据库中的结构化的数据；也可以是文本、图形和图像等半结构化的数据；甚至还可以是分布在网络上的异构型数据。数据挖掘要经过数据采集、预处理、数据分析、结果表示等一系列过程，采用的算法主要有关联规则、决策树方法、人工神经网络、遗传算法、粗糙集方法、模糊论方法、贝叶斯模型等。在教育、教学领域，我们通过对教学过程中出现的各种数据进行挖掘，从大量的、不完全的、有噪声的、模糊的、随机的教学数据中发现隐含的、规律性的、人们事先未知的，但又是潜在有用的并且最终可理解的信息和知识，并伴随着教学的过程深入开展不断挖掘对教学有用的信息，为我们的教学决策作为依据。数据挖掘在教学过程中的运用主要有以下几个方面：

2 运用数据挖掘技术对学习者学习特征进行分析

教学设计是在现代教育理论指导下，为了促进学生学习和发展而设计的解决教与学问题的一套系统化程序。是一种教学问题求解，侧重与问题求解中方案的寻找和决策的过程。其中学习者特征分析是教学设计环节中的一个重要组成部份。所谓学习者学习特征分析就是要了解学生的学习准备状态和学习风格。它们与具体学科内容虽无直接联系，但影响教学设计者对学习内容的选择和组织、影响教学方法、教学媒体和教学组织形式的选择与运用。通过对学习者学习特征分析，可以明确学生的初始能力，进而确定学习起点，并为选择教学策略提供依据。故要用数据挖掘技术对学习者特征进行分析，首先要收集、整理与学习者有关的数据和信息。目的在于帮助学习者修正自己的学习行为、提高学习能力、完善人格，有利于学生各方面素质的和谐发展。其次，运用数据挖掘的关联规则、决策树方法，通过对学习者的基本信息及学习活动的分析、整理和挖掘来构造出学习者的学习风格特征。其中包含描述有关学习者的事实和学习者学习的规则，我们运用数据挖掘方法从数据中衍生出学习的规则，并通过教育专家的协助，使用确立操作数来区分好坏规则。可先采用聚类分析的方法把学生进行分类，然后根据分类的结果对学生再进行关联规则的挖掘。也可以采用决策树算法根据学生基本情况预测学生发展未来，指导学生选择所学的专业和课程。这样就可以对某些方面有潜质的学生提供更多锻炼和学习机会，以达到因材施教、培养不同层次人才的目的。

3 运用数据挖掘技术辅助教学过程决策

数据挖掘技术在教学过程决策中的应用主要有以下几个方面：

1）合理设置课程

合理的设置课程，是指各门课程之间的结构合理，包括开设的课程、课程开设的先后顺序以及各课程之间的衔接有序，能使学生通过课程的学习与训练，获得某一专业所具备的知识与能力。毕竟开设的各门课程之间有着一定的关联与前后顺序关系，这种关系是潜在的，不易发觉的。这样就可以找到合理设置学生课程的依据，及时调整各课程的开出顺序，以达到最佳的教学效果。总之，应用数据挖掘技术，能快速、准确地实现资源的有效配置以及课程设置的合理化。

2）改进教学方法和手段

在教学过程中，教师要灵活运用各种教学方法和手段来完成自己的教学任务，并获取最佳的教学效果。至于何种教学方法教学效果最佳，需从积累的大量的教学历史数据，通过用数据挖掘技术的分类、聚类方法分析学生的具体情况，运用回归线分析、关联规则的方法来判定不同专业、不同特征的学生应采取什么样的教学方法，还有教学内容的范围和深度是否合适；选择的教学媒体是否实用；讲解的时间是否恰到好处；教学策略是否得当等等。只有这样，才能使我们的教学方法随着教学对象的不同、教学内容的更新、教学手段的改进以及教学活动中各种因素的变化而变化，用发展的观点看待教学方法，促进教学方法不断与时具进，并能正确运用教学手段，激发学生的学习兴趣，调动学习积极性，提高教学质量。

3）合理化考试

考试是教育教学活动中的重要一环,作为检验学生所学知识和能力掌握程度的手段,也应该随着教育的不断发展而做出调整,以适应新形势下教育发展的需要。在教学与考试关系中，我们不能因为考试而教学，也不能因为教学而考试。教学内容决定了考试的内容，而教学方法决定了考核方法，因此从理论上说，考试只是教学的一个组成部分，它的考核内容与方法由教学目标、教学内容和教学方法所决定。故让教学和考试这对伙伴和谐发展、互相促进、共同提高就必须运用数据挖掘技术辅助我们的教学决策，探索有效的途径来评价考试的合理化，如试题相对学生的难易度、知识点全面度等需要数据挖掘技术。

4 运用数据挖掘技术对教学的总体情况进行评价

教学评价就是根据教学目标的要求，采用测量的工具和方法对学生的学习结果进行量化的描述，并对量化的结果作出价值判断的过程。它是教学管理中的一个重要环节，是引导教育、充分利用教育成果和促进教育健康发展的保障。但传统的教学评价方法尚存缺陷，主要表现在：

1）主观因素较多，难以客观反映实际问题。由于教学管理部门的评价手段不全面，其所获取的用于教学评价的数据不充分。同时教学管理部门仅依赖他人的经验进行评价，主观因素左右评价的结果。

2）内容与形式过于简单，不能反映教学中深刻的问题。在内容上，所统计的数据也不够全面，直接或间接影响教学效果的因素如学生基础、教学环境、课程设置以及任课教师的搭配等都没有包括；形式上也仅限于学生网评打分、教师互评、考试成绩统计等简单方式。在这种方法下，评估指标的制定往往忽视了对己有数据中蕴含信息的利用，使得评估指标的指定缺乏历史依据，同时只能取得单纯的评估结果，却不能对评估数据进行分析，深刻反映教学过程中存在的问题。

3）未能起到教学评价应有的作用。通常教学评价的结果只作为晋升、评优等项目的依据。然而它的作用远不如此，良好的教学评价会在教学过程中发挥着正面的作用，并从整体上调节、促进、激励及控制着教学活动的进行，保证着教学活动向预定目标前进并最终达到该目标。。从学生成绩、教学基本信息、评价信息数据中进行数据挖掘，采用数据挖掘技术中的关联分析、统计分析、分类法、聚类法以及决策树法等进行深层次的数据分析，发现各个因素之间的关联关系，找到隐藏在其中的规律以及找出影响教学效果的诸多原因之间的关系，综合评定教学成果，从而保证评价内容全面、评价方式多元化，提高评价结果的科学性、可靠性和客观公正性，促进教学的互动和提高。只有建立科学合理的教学综合分析评价体系，才能强化教学管理，保证教学质量稳步提高；才能促进教学基本建设，包括师资队伍建设、专业与课程建设；才能提高学生学习的积极性，发挥竞争的优势；才能增强学校的凝聚力，促进优良教风和学风的形成；才能及时发现人才培养中存在的不足，以便进一步明确办学指导思想和教学工作思路，加大教学经费投入，改善办学条件。理论研究说明，把数据挖掘技术运用到教学评价上，在理论上是可行的，在技术上是可实现的。

5 结束语

虽然数据挖掘技术目前总体上还处于理论探讨阶段，离实际应用还有一定的距离，但目前它己经成为计算机科学与技术的一个热点，在数据挖掘技术日益发展的同时，其应用领域也将不断的扩大。数据挖掘技术不但应用在教学过程中，而且在学校的各项管理工作中也将有着十分崭新和广阔的应用前景。为了让我们的学校在激烈的竞争中掌握主动，在未来的发展中走向强大，就必须加大数据挖掘技术在教学各项管理工作中的应用，不断提高了教学管理的科学性，增强教学管理数字化建设的实效性，把提高教学质量真正落实到实处。

[1] 于立红,张建伟.基于数据挖掘的高职生成绩分析与预测[J].郑州轻工学院学报,2006,21(3).

[2] 康晓东.基于数据仓库的数据挖掘技术[M].机械工业出版社,2004,1.

[3] 李雄飞,李军.数据挖掘与知识发现[M].高等教育出版社,2003,11.

[4] 员巧云,程刚.近年来我国数据挖掘研究综述[J].情报学报,2005,24(2).

TP391

A

1009-0134(2010)09-0153-03

10.3969/j.issn.1009-0134.2010.09.47

2009-12-11

李瑞林 （1964 -），男，广西南宁人，讲师，研究方向为计算机应用。