基于数据挖掘技术的个性化学习系统的设计
2015-11-29朱兴宇时庆涛李德泓
朱兴宇 时庆涛 李德泓
（长春工业大学应用技术学院，吉林 长春 130012；长春工业大学人文信息学院，吉林 长春 130122；吉林大学，吉林 长春 130000）
基于数据挖掘技术的个性化学习系统的设计
朱兴宇 时庆涛 李德泓
（长春工业大学应用技术学院，吉林 长春 130012；长春工业大学人文信息学院，吉林 长春 130122；吉林大学，吉林 长春 130000）
网络技术的进步带动了基于网络的学习方式，越来越多的学生需要个性化的学习服务。本文引入数据挖掘技术和个性化服务思想，设计了一个基于“C#程序设计”课程的个性化学习系统。该系统能根据
关联度和个人学习兴趣向学生推荐学习内容，充分体现了个性化学习的思想，满足了不同学生的学习需求，激发学生学习的兴趣和自主学习的积极性。
学习系统；
关联；学生兴趣模型；个性化推荐；模糊聚类
一、前言
随着网络技术和多媒体技术的飞速发展，人们的学习不再受时间、空间限制，越来越多的教学系统将知识内容以多种形式呈现给学生，使学生对学习内容达到深层次的理解。但是仍然存在着问题，最主要的是这些系统以其自身为中心，没有充分考虑学生的个性需求与习惯，没有充分按照不同学生的个性化需求来提供学习服务，造成学生学习兴趣较低，学习效果不明显的问题。
所谓个性化学习主要是强调以个别差异为出发点，以学生兴趣与需要为中心，以每个学生能力与个性的最大发展为目标。
本文是以“C#程序设计”课程为课程基础，C#语言是一门对象程序设计语言，应用领域十分广泛，例如：
数据库应用程序开发，各种业务管理软件，比如企事业单位的财务管理系统，医院的医疗管理系统等，C#提供的数据访问技术非常适合这类软件的开发；Web应用开发，使用ASP.NET技术设计网站十分流行，C#正是该技术的主要后台开发语言；RIA应用程序，支持C#语言的SilverLight技术已普遍用于各种前端应用；智能设备应用，随着移动互联网的普及，越来越多的智能设备出现，应用C#语言和相关技术开发的应用也呈现增多的趋势。
综上所述，为不同知识结构，不同技术需求的学生设计一个C#学习的个性化学习系统是必要的，也是基于Web学习系统发展的趋势。
二、系统设计
本系统包括三类用户，即系统管理员、教师、学生。管理员角色具有的功能：学习专题资源管理、用户权限管理、关键词关联阀值设置；教师角色具有的功能：学习专题资源的录入，教学资源的管理。学生角色具有的功能：C#知识学习，课程资源学习，主题收藏，根据系统推荐学习等功能，其中知识以专题的形式呈现，每个专题中都包含不同方式呈现的知识,系统结构如图1。
图1 个性化学习系统系统结构
系统由教学资源管理、学习专题资源管理、学生兴趣管理和个性化推荐模块3部分构成。教学资源是指“C#程序设计”课程的相关课程资源，包括：大纲、教案、实验指导书、实训指导书等。学习专题资源管理用来组织和管理学生学习的专题资源，并计算专题关键词关联度，为个性化推荐模块提供学生学习的专题关联模型；学生兴趣管理通过学生对专题资源的学习，构建学生兴趣模型，为推荐专题提供数据支持；个性化推荐模块可以采用两种方式为学生推荐其感兴趣的专题内容，基于关键词关联推荐和基于用户兴趣度的推荐。
三、学习专题资源管理
学习专题资源管理存储的是丰富的学习资源。笔者认为，“学习资源”不应仅局限于C#程序设计课程，同时还应包括课程中未讲授到，但实际软件开发项目中经常使用的知识点。这些知识点以专题形式呈现给学生。每个专题由多种学习手段组成，一个专题包括若干文章、视频、案例、专题测试、程序示例，专题关键词由有经验的教师设置。
本文中的关联模型采用基于向量空间模型的表示法，
关联算法如下：
（1）检索所有专题的构成一个n维向量{p1,p2,…, pn}，其中pi=(ki,ci),1≤i≤n,ki为i为出现i的次数。
k
,c
（2）利用如下公式计算两个之间的关联度
（3）形成关联矩阵，存入数据库，供个性化推荐模块使用。
关联度高，说明专题的关联度也比较高，管理员根据
关联度设置推荐阀值。
四、学生兴趣管理
学生兴趣管理是整个系统的重要模块，负责提取学生的兴趣特征，计算学生学习专题的兴趣度，构建学生兴趣模型。
1、学生兴趣模型的表示方法
在个性化学习系统中，首先收集学生的兴趣信息，然后由学生兴趣管理模块将所收集的学生兴趣信息从无结构的原始形式转化为计算机能够理解的结构化形式，也即构建学生兴趣模型，而模型的表示方法决定了其反映学生真实兴趣的能力和计算能力。目前，常见的模型表示方法有：主题表示法、关键词列表表示法、基于神经网络的表示法、基于本体论的表示法和基于向量空间模型的表示法。本文的学生兴趣模型采用基于向量空间模型的表示法，将学生兴趣模型表示成一个n维特征向量：
其中，每一维分量fi称为学生的一个兴趣节点，由专题Si及其权重Wi组成，权重Wi表示学生对某个专题Si感兴趣的程度。
2、学生兴趣度计算
本系统中的学习专题的学习方式由文章、视频、案例、专题测试、程序示例构成，不同专题对于学习形式的重点不同，允许教师为不同的学习方式设置不同的权重，但要求总权重为1，即满足：
专题权重=文章权重(AW)+视频权重(SW)+案例权重(C教师在添加专题内容时，需要设置文章标准学习时间，视频标准学习时间，测试标准通过率。
学生学习某一专题文章兴趣度计算公式：
其中TAi表示该专题下第i篇文章学生学习时间，TSi表示该专题下第i篇文章的标准学习时间。
其中TSi表示该专题下第i个视频学生学习时间，TSAi表示该专题下第i个视频的标准学习时间。
若某个专题存在n个案例，学生下载了其中i个，则
专题测试兴趣度计算方法，若学生测试专题正确个数/测试总个数≥测试标准通过率，则专题测试兴趣度（TP）= TW，否则专题测试兴趣度（TP）=0。
每个专题的程序示例只有1个，若学生下载了该示例，则程序示例兴趣度（PP）=PW，否则程序示例兴趣度（PP）=0。
学生对专题的兴趣度=AP+SP+CP+TP+PP，计算结果存入学生兴趣库。
五、个性化推荐
本系统采用两种方式为学生推荐学习内容，一是根据关联度实现推荐，二是基于学生兴趣模型，采用模糊聚类的方法实现推荐。
1、基于关联的推荐
C#语言可以在Window编程、网络编程、Web应用、图像处理等各个方面作为语言工具，学生在学习C#过程中，根据自身情况可以有重点的学习。关键词推荐可以很好的指导学生的学习方向。
推荐算法：
（1）获取学生学习过的专题及其特征向量
其中Si表示学生学习过的专题，kli表示该专题的列表；
（2）获取存入数据库的关联矩阵，遍历
列表kli，找到
关联度大于阀值的
，形成列表L1；
（3）根据L1获取推荐的专题列表SL；
（4）在SL中去掉用户已经学习过的专题，形成推荐专题列表ISL；
（5）呈现ISL供学生选择学习。
2、基于学生学习兴趣的推荐
从学生兴趣库获取学生兴趣向量，计算学生和学生之间的相似度，按照相似度排序，推荐相似度排在前10位的学生所学习过的专题。具体算法如下：
（1）学生相似度采用欧氏距离计算n维向量公式两个学生之间的距离，fi={(s1,w1),(s2,w2),…,(sn,wn)}，fj={(s1,w1),(s2,w2),…,(sn,wn)},具体公式如下：
（2）得到模糊相似矩阵R，利用如下公式修改R
系统中的λ采用静态值，分别设置为0.2、0.5、0.8，代表用户相似度的模糊、普通、精确。
（3）根据相似矩阵和当前λ值，生成学生的相似度列表LS；
（4）当前用户遍历LS，按照倒序获取兴趣相近用户所学习过的专题列表；
（5）呈现专题列表供学生选择学习。
六、结束语
个性化学习一直是数据挖掘领域的一个重要方向，本文采用了关联规则和模糊聚类2种数据挖掘技术，设计了个性化学习系统，该系统实现了根据学生当前的兴趣需求向其提供学习专题的目标，体现了个性化学习的思想，本文采用两种方式实现专题学习内容的推荐，是对构建个性化学习系统的有益尝试。如何更准确地提取和表示学生的兴趣特征以及如何更精确地体现学生的兴趣变化等将是需要进一步研究的工作。
[1]曹晓明,何可抗.学习设计和学习管理系统的新发展[J].现代教育技术,2006,16(4)：57-63.
[2]刘通江,王陆.基于信息理论的个性化教学系统的研究[J].计算机工程与应用,2004,40(9)：104-106.
[3]林月排，汪更生，陈弃秋.个性化推荐系统中的用户建模及特征选择[J].计算机工程,2007,33(17)：196-198.
[4]赵立江,何钦铭.一种个性化Web推荐系统的研究与实现[J].武汉理工大学学报,2004,29(5)：681-684.
[5]姜强，赵蔚.自适应学习系统述评及其优化机制研究[J].现代远距离教育，2011,(6)：57-63.
[6]José Janssen,Adriana J.Berlanga and Rob Koper.E-valuation of the Learning Path pecification[J],Educational Technology&Society,2011,14(3)：218-230.
TP311
B
1008-7508（2015）09-0049-03
吉林省教育厅“十二五”科学技术研究项目（吉教科合字[2013]第157号）。
2015-05-11
朱兴宇（1982-），吉林长春人，长春工业大学应用技术学院讲师，硕士，研究方向：人工智能与数据挖掘、软件工程。时庆涛（1981-），女，吉林长春人，长春工业大学人文信息学院信息工程系讲师，硕士，研究方向：软件工程、嵌入式系统。李德泓（1993-），吉林长春人，吉林大学信息系统与信息管理专业，研究方向：信息处理及应用。
