基于Moodle的网络教学系统智能学习模块的设计!
2012-09-04张佳磊
张佳磊
(苏州工业职业技术学院 软件与服务外包学院,江苏 苏州 215104)
基于Moodle的网络教学系统智能学习模块的设计!
张佳磊
(苏州工业职业技术学院 软件与服务外包学院,江苏 苏州 215104)
在对网络教学系统进行需求分析的基础上,针对数据挖掘在教学系统中的应用,设计了一个智能教学系统.使用K-均值算法,对学生的成绩进行聚类分析,根据聚类分析的结果,针对不同的学生分析出不同的学习方案及建议.
网络教学系统;Moodle;数据挖掘;聚类分析
Moodle是由澳大利亚Martin Dougiamas博士主持开发的一套开源网络课程管理系统.在对高校网络教学系统进行需求分析的基础上,针对数据挖掘在教学系统中的应用,设计了一个智能教学系统.使用K-均值算法,对学生的成绩进行聚类分析,针对不同的学生分析出不同的学习方案及建议.以求对传统教学系统做进一步改进.
1 智能学习模块功能设计
1.1 算法设计思路
K-均值算法接受输入量k,将n个数据对象划分为k个聚类以便获得的聚类满足[1-3],同一聚类中的对象相似度较高,不同聚类中的对象相似度较低.聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)进行计算的.其算法的流程如图1所示.
1.2 数据库表设计
课程类型见表1.其标识为CoursewareType,数据来源于后台课程类型的添加.
试卷结构见表2.标识为testStru,其数据来源为后台试卷结构的添加.CHAPTERSCORE为试题组卷时,每章的出题比例.
1.3 功能设计
智能学习模块的流程图见图2.智能学习模块设计的原则是智能性以及合理性[4-6].合理性是根据学生个人的特性进行学习,教学系统为其提供合理性教学资源和适应性学习指导.学生特征包括学生本身的个性特征,诸如学习意愿、学前基础等,还包括学生所在群体的特征和趋势,使用聚类分析算法挖掘出这部分特征.智能性是教学系统具有人工智能,像是一个认真负责的教师,能够洞悉学生的学习效果,挖掘学生的潜在学习需求,为学生提供合理性的教学资源和适应性学习指导.
首先,在用户第一次选课程的时候,系统根据用户注册时提供的基本信息,结合用户的学习意愿,给出初始化建议.其次,用户在学习某门课程后,如果希望考察自己对该门课程的掌握程度,本系统提供智能自动组卷系统,用户可以选择难度系数后进行在线测试.再次,用户测试完毕后,系统启动智能成绩分析系统.该系统调用K-均值聚类分析算法.首先连接到相应的数据库,然后读取该门课程所有的考试记录,形成多维的包含大量数据的样本空间.算法对其进行初始化,再进行聚类分析,得到若干个簇.系统分析该簇的基本特征,结合本人的基本特征,二者合一给出分析结果.分析结果有三种走向.一是在analyse页面上,成绩分析完毕后,详细显示出簇的信息,以及面向用户给出的成绩分析结果,合理性学习建议;二是在test页面,在用户准备进行测试、系统开始进行组卷前,用户需要输入组卷的难度系数时,将成绩分析后得到的组卷难度系数参数在此页面作为一个参考意见给出,使得用户再一次进行测试的时候,能获得一个参考系数;三是在智能组卷后台,将分析结果传递给智能组卷系统,改变智能组卷的某些参数,实现针对该学生特征的智能组卷,得到针对性很强的并适合该学生的测试卷.
表2 试卷结构表
1.4 系统实现
智能学习模块设计的页面显示使用php和css样式来设计.
2 智能学习模块实验分析
成绩分析页面的预览如图3所示,由于该页面长度较长,一共有两屏,为了简单起见,这里只选一屏.从图3中可以直观看出簇与簇之间的差别以及该簇所具有的特征.
成绩分析完毕后,有三种信息反馈,除从成绩分析页面上可以获得重要的信息外,组卷参数的信息反馈给智能组卷后台[7-8];另一种信息反馈就是在组卷前需要用户自行输入的难度系数,系统给出难度系数的建议,使得学生可从庞大的试题库中选择适合自己水平的试题测试.
合理性智能学习模块,可以针对学生自身的特点给出学习建议.可以看到与其他学生的差别和自身的特性,自己在所有学习该门课程的学生成绩中的位置,对自己的学习成绩有宏观的掌控;学生也可以知道自己哪些章节学得好,哪些章节学得好,这样来巩固精通的章节,加强薄弱章节的学习,以便实施有针对性地学习.同时根据分析结果系统地给学生提供适合该学生的课件和书籍,使得学生清楚地知道自己应该学习些什么.系统也给出了学生再一次进行该科目考试时的难度系数建议,使得学生可以从庞大的试题库中选择适合自己水平的试题进行测试.
此外,系统在成绩分析完毕后把组卷参数反馈给智能组卷后台,组卷参数就是每章的出题比例,使得智能组卷系统根据这个反馈信息得出每章的出题比例,学习效果不好的章节出题比例相应地增大,能够针对学生的个性进行出题,使得考试题如同为学生量身定做一样,提高学生的学习效果.
在教学系统智能学习模块中.使用K-均值算法,对学生的成绩进行聚类分析,针对不同的学生给出不同的学习方案及建议,同时将分析的结果传给自动组卷系统,调整该学生下次考试的结构,提高本教学系统的智能性,真正实现了网上教学的智能化.
3 结论
通过对智能学习模块的设计思想,根据分析的结果从系统和学生的角度评测了系统的性能.结果表明,智能学习模块具有合理性,能够极大提高学生的学习效率,增强网络教学系统的智能化,在理论研究和实际应用中都具有重大意义,该系统取得了令人满意的教学效果.
[1]邵峰晶,于忠清. 数据挖掘原理与算法[M]. 北京:中国水利水电出版社,2003:203-205.
[2]王丽珍,周丽华,陈红梅. 数据仓库与数据挖掘原理与应用[M]. 北京:科学技术出版社,2005:195-200.
[3]毛国君,段立娟,王实,等. 数据挖掘原理与算法[M]. 北京:清华大学出版社,2005.
[4]叶海松,季隽. Moodle的二次开发与设计[J]. 电化教育研究,2007(4):51-55.
[5]何元. 基于Moodle的网络教学系统设计与实现[D]. 苏州:苏州大学计算机科学与技术学院,2008.
[6]许亚锋. Moodle功能插件二次开发问题研究[D]. 曲阜: 曲阜师范大学,2009.
[7]吴雅琴. Moodle支持的网络环境下教学法研究[D]. 上海: 华东师范大学,2007.
[8]曾棕根. Moodle 网络课程平台[M]. 北京:北京大学出版社,2010.
Design to an Intelligent Teaching Module on Moodle
ZHANG Jia-lei
(Software and Service Outsourcing Institute,Suzhou Institute of Industrial Technology,Suzhou 215104,China)
Based on Moodle architecture technique,according to the data mining in E-learning system,the author developed an intelligent teaching module. By using K-means algorithm and cluster analysis on student achievement,according to the results of cluster analysis,the E-learning system gives different students different learning programs,as well as specific recommendations to improve academic performance.
network teaching platform;Moodle;data mining;clustering analysis
TP393.07
A
1008-5475(2012)03-0046-04
2012-05-02;
2012-05-30
张佳磊(1983-),女,江苏靖江人,讲师,主要从事数据库研究.
(责任编辑: 李 华)