高校教学资源数据管理现状和意义研究

陈震 吴繁

摘 要：通过数据挖掘技术管理分析高校教学资源数据涉及教育科学、计算机科学、管理科学等多个领域。高校教学资源数据挖掘目标有两个：一是促进自适应学习环境的发展和数据挖掘技术在教学资源管理中高效、灵活及个性化的使用;二是“使用精确的计算和清晰的形式表示教育科学和管理学中含糊不清的知识”，让数据挖掘成为打开“教育黑匣子”的重要工具。

关键词：高校;教学资源;现状;意义

数据挖掘一般是指从大量的数据中通过一定方法搜索隐藏于其中信息的过程。高校教学资源一般是指为高校教学的有效开展而提供的各种可被利用的素材，通常包括教材、案例、影视、图片、课件、调查问卷等，也包括教师资源、教具、基础设施等，在信息时代多以海量数据的形式存在。

一、 研究现状

文章根据知识工程理论协同运用多种前沿数据挖掘方法对高校教学资源进行分析，即通过数据挖掘技术，更深入、更微观地窥视、理解高校教育是如何发生的，是如何受到外界各种因素影响的，进而为学习者高效地进行学习创造有利条件。由此国内外学者对该领域进行了多角度多层次的研究。

2012年冯桂尔通过数据挖掘技术对远程教育中大量的信息资源进行整合统计分析，从而更好地促进远程教育的发展，并以《现代英语语法》课程为例，运用路径分析、兴趣关联规则分析、聚类分析、序列模式分析等数据挖掘技术，处理学生在线学习该课程的大量数据，以可视化的方式把挖掘结果反馈给学习者和教学管理者，从而实现双赢的结果。2013年Divna等学者采用聚类挖掘算法对Moodle平台中的学习数据进行分析，找出具有相似学习特征的学生，并根据分类结果判断学生是否取得进步，证明了数据挖掘技术在网络学习过程中的可行性。2014年Huseyin等学者采用决策树算法预测影响学生学业成功的影响因素，并采用多个模型视图构建一个完整的教育数据挖掘系统等。2016年施佺等学者建立了网络学习过程监管的教育数据挖掘模型，借助教育数据挖掘技术中的统计分析与可视化、关联规则算法和聚类算法，分析了网络学习过程中产生的大量学习数据，并根据分析结果给出了网络学习过程监督与管理的思考和建议。2017年胡水星在教育数据挖掘过程模式分析的基础上，基于Moodle网络日志和微视频教学应用案例，进行教育数据挖掘的具体应用实证分析，发现教育现象之间的相互关联与规则，从而为进一步优化教学提供教育预测和教育决策支持。2018年张琳等学者从教学数据挖掘的观点出发，提出了教学视点和数据视点的概念，基于此构建了教学数据挖掘框架，从教师、学习者、管理者、资源设计、教学事件处理等不同的视点提出了数据挖掘的相关因素，并通过多种数据源的挖掘处理方法的研究完成相应视点下事件的因果关系及相关关系的分析，为教学数据挖掘提出了新的思路和策略，为教学质量提升提出了一种可行方法。

二、 研究意义

理论意义：高校教学资源数据管理是教育科学与数据挖掘技术的新契合点，是从定量的角度微观研究教育科学的本质。通过智能的数据挖掘方法对高校教学资源数据进行深入分析，再提取其中隐藏的有价值信息，并根据这些信息生成有效决策不仅涉及教育科学自身学科建设，更是促进计算机学、管理学、信息学等多门学科知识元素交叉发酵的重要机遇，各学科科研思路相互借鉴的同时也必将促进教育科学研究方法的推陈创新，为综合的运用多学科知识协同高效智能分析海量高校教学资源数据并生成应对决策提供思路和方法。

实践价值：高校教学资源数据管理担负着教育科学领域中与深度解析海量高校教学资源相关的诸多现实问题：如何同质整合不同类型的多模态高校教学资源数据;如何精准提取高校教学资源数据中的潜在信息;如何把有价值信息转化为有效的应对决策。文章通过智能数据挖掘技术对海量的多模态高校教学资源数据进行深层次定量研究，并构建多层次高校教学资源数据分析与应用体系。这不仅有助于高校教学资源数据分析技术的开拓创新，探索教育科学的本质;而且可以為高校教学资源数据管理应用模式与机制积累经验、提供指导，并为提高高等教育的教学质量与水平提供有效途径。

（通讯作者：吴繁）

参考文献：

[1]冯桂尔.数据挖掘技术在远程教育中的应用[J].现代教育技术，2012，22（12）：96-98.

[2]GURULER H， ISTANBULLU A. Modeling student performance in higher education using data mining[J]. Educational Data Mining，2014（1）：105-124.

[3]施佺，钱源，孙玲.基于教育数据挖掘的网络学习过程监管研究[J].现代教育技术，2016，26（6）：87-93.

[4]胡水星.教育数据挖掘及其教学应用实证分析[J].现代远距离教育，2017（4）：29-37.

[5]张琳，李小平，张少刚，等.基于远程教学视点下的大数据挖掘模式问题研究[J].中国电化教育，2018（4）：41-49.

[6]郑莉，王建骅.基于模糊数据挖掘的教学质量满意度分析[J].数学的实践与认识，2018，48（18）：106-116.

[7]王改花，傅钢善.数据挖掘视角下网络学习者行为特征聚类分析[J].现代远程教育研究，2018（4）：106-112.

[8]刘邦奇，李鑫.智慧课堂数据挖掘分析与应用实证研究[J].电化教育研究，2018，39（6）：41-47.

[9]陈德鑫，占袁圆，杨兵.深度学习技术在教育大数据挖掘领域的应用分析[J].电化教育研究，2019，40（2）：68-76.

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。