高校教学资源数据管理方法研究
2020-09-22陈震吴繁
陈震 吴繁
摘 要:通过智能的数据挖掘方法对高校教学资源数据进行处理是一个由低阶数据经特征分析向高阶决策应用不断进化的过程。多源高校教学资源数据的外显格式不一致、负载内容复杂,对其进行挖掘有一定难度,课题将主要围绕三个目标开展研究:①面向异构屏蔽的多模态高校教学资源数据智能整合研究;②面向语义分析的多模态高校教学资源数据智能提取研究;③面向应用需求的多模态高校教学资源数据智能决策研究。课题将构建多模态高校教学资源数据智能整合—提取—决策的理论体系框架,建立多模态高校教学资源数据多层次智能管理的相关模型。
关键词:高校;教学资源;数据管理
文章针对高校教学资源数据多元性强、体量大、结构复杂等特点,综合运用知识工程理论,协同调用多种智能数据挖掘方法从以下三个部分定量分析高校教学资源数据。
一、 高校教学资源数据整合
高校教学资源数据包括文本、图像、音频、视频,无论数据的易用程度抑或数据结构的序化完整性都很低。课题组借助RBF神经网络算法对采集的多源异构数據进行优化同质,从而得到深度同质的原始高校教学资源数据集。这部分的研究内容为:制定基于RBF神经网络算法的多源异构数据优化同质标准;制定基于统一标引规范的原始高校教学资源数据集深度同质标准及设计相应的存储结构。同质后的数据中无效干扰数据过多,数据维度也过高,须对其进行数据预处理。课题组借助支持向量机分类技术选择性构建高校教学资源数据停用词表和特征词表。这部分的研究内容为:把高校教学资源数据的性质定量化并以此配置支持向量机分类技术的相关参数。
二、 高校教学资源数据提取
高校教学资源数据提取是高校教学资源数据分析与应用体系的重要环节,提取数据的准确性与整个体系的性能密切相关,所以必须通过一种高效的,快速的数据提取方法对高校教学资源数据进行提取处理。目前基于主题分析的数据提取方法已成为数据管理领域的前沿技术,其以严谨的概率统计理论基础为支撑,以海量数据中的主题为单位,通过自动化的机器处理形式对海量数据进行粒度更细致的语义层信息提取与加工,这些优势与高校教学资源数据的诸多性质也更契合。因此课题组借助主题分析技术深入到高校教学资源数据的语义层面基于主题的视角来对其内容进行更深入更细化的提取。这部分的研究内容为:确定主题模型中最优主题数量;设计主题聚类方法。
三、 高校教学资源数据决策
通过高校教学资源数据提取所得的有价值的信息需要转化为有效决策,以达到高校教学资源数据管理体系的最终目标。课题组借助分段决策技术分别在高校教学过程的预习阶段、授课阶段、复习阶段生成应对策略。这部分的研究内容为:高校教学资源数据不同阶段数据需求界定划分;建立基于高校教学资源数据的效用函数判别模型。
具体内容如下图所示。
(通讯作者:吴繁)
参考文献:
[1]袁韬.云计算对高校信息化教学资源建设的影响探究[J].中国教育学刊,2015(S2):175-176.
[2]陈洪,陈明学.高校实践教学资源共享策略探讨[J].黑龙江高教研究,2014(10):156-158.
[3]邱克.开放环境下的高校教育教学资源开发管理[J].国家教育行政学院学报,2008(3):30-32.
[4]赵辉,陈湘军.基于XML&Web Services的开放型教学资源管理模型的设计与实现[J].现代教育技术,2006(6):77-80.
[5]范峰南.积极改进高校教学资源管理[J].清华大学教育研究,1999(4):121-122.
作者简介:
陈震,吉林省吉林市,北华大学计算机科学技术学院。