智能化数据挖掘学习平台的设计与实现探讨

赵 爽，王 哲

（铁法煤业集团大数据运营有限责任公司，辽宁 铁岭 112700）

引言

随着现代科技水平的提升，智能化数据挖掘技术的应用逐渐走入视野，为各行各业带来更加便捷、高效的服务，数据挖掘学习平台的建立可服务不同类型用户，该平台的建立可帮助企业在了解用户基本需求后给予优质服务，联合数据挖掘技术探索用户重点需求。此外，人工智能技术在多个领域中均发挥着重要价值，可以将其运用到数据挖掘的学习过程中，提高学习者的效率与质量。

1 智能化数据挖掘平台架构分析

资源层主要负责储存平台上的资源，如教师的教学资源、学生的学习资源及用户行为数据信息等，给智能层的分析奠定了坚实的基础。

管理层可以管理平台中的不同应用，将用户分为教师、学生、管理员等基本类型，根据其访问特点做出授权，提高各类资源的利用效率。管理层是平台管理的中心环节，可以调度系统资源信息，通过可视化方式展现出管理结果。

智能层是提高个性化教育效率的重要架构，发挥着引擎的作用。平台会记录下用户使用的数据信息，运用人工智能技术做出分析与预测，给学习者推荐合适的学习资料，达到引导学生学习的目标[1-3]。

2 智能化数据挖掘学习平台功能模块分析

2.1 教学模块

教学资源和在线实验环境是教学模块的重要组成部分，为高效数据挖掘课程的开展提供了有力保障。教师可以在平台上自主上传教学资料及安排教学内容。在线实验的平台能够确保教师完成随堂展示任务，灵活布置学生的课后作业，利用系统的评分功能给学生作业划定相应等级。同时，学生可以在讨论区内自主留言，教师可以借此了解学生的学习状况，针对性完成答疑任务。还可应用该平台记录学生学习情况，例如：学习时间、任务章节进度、课后测验完成用时、学习每章节内容耗费时长、课后测评用时及成绩等，根据学习情况进行实时记录。可根据学习记录分析学生的学习能力、薄弱环节等信息，进一步挖掘潜在数据。数据采集的方式应灵活多样，除传统结构化数据采集方法外，非结构化数据采集的应用也在该领域取得较好的效果。智能化数据挖掘学习平台减轻了教师的教学负担，确保教师更加注重教学设计环节，大幅度提高了教学质量。此外，教师可根据基础数据进行预处理，即对数据进行分类、归纳、总结，通过汇总分析学生的学习情况，明确教学的重难点，提高课堂教学效率，用可视化的方式把控教学进度，灵活调整教学计划，优化教学结构。

2.2 学习模块

学生可以利用学习模块自主学习关于数据挖掘技术的相关知识，利用在线实验环境完成教师布置的作业任务。每个学生都可以在讨论交流区内部作出问答与分享，共享自己的学习笔记、心得体会或者浏览过的优质问答等，共享信息将公开透明显示，以供传阅讨论。同时，学生也可以浏览他人的问题，对感兴趣的内容给予回答，改变了传统MOOC平台讨论区中应用不充分的现象。该平台建立了积分奖励制度，根据学习进度、课时、课后测验成绩设置不同数值的积分，与课程的最终成绩相关，可以激励学生积极参与到日常讨论过程中，充分发表自己的看法与见解。

2.3 管理模块

该平台的管理模块具备资源管理、安全管理和用户管理三大功能，具有高效性与安全性的特点。在管理过程中，要将用户分为多个不同的组别，并赋予不同的权限，自主调度资源及管理权限。教学资源和在线实验环境是智能化数据挖掘学习平台的主要资源，实验资源为实验功能的实现提供了强有力的保障，教学资源涵盖了大量的教学课件及代码实例信息。

管理模块的目标是保护实验环境的安全及用户信息的安全。通过限制用户可编写代码的区域及代码运行对硬盘和内存的风险，可以创造出相对安全的实验环境。研发团队编写能够自动检查系统安全的代码，为用户的内存信息安全提供强有力的保障。在用户信息安全方面，该平台运用密码加密、邮件重置等多重保护策略，运用密保问题及手机信息的收发功能找回原来的代码，大幅提高了用户信息的安全性能。

2.4 大数据分析模块

智能化数据挖掘学习平台会搜集用户的使用信息，运用聚类分析、数据挖掘等算法建立数学模型，预测用户使用类型，让用户能够实现自我检测与提高的目标。

1）该平台具有用户追踪功能，可以将用户行为分为学术、专注、自主学习、交互等多种类型，研究用户的在线学习行为，记录下用户在某段时间内登录平台的次数、观看视频时长及回答问题次数等。

2）该平台能够绘制出用户画像，即利用聚类分析算法分析、处理并预测搜集到的用户信息，简要描述用户特征，反映出了用户的兴趣爱好特点、知识掌握情况等，可以评定其实践能力大小，使其充分认识自我。

3）该平台可以完成可视化学习的任务。为了让用户充分了解自己的类型，平台会通过可视化的方式呈现出数据信息，确保学生能够不断查缺补漏，提高学习质量，调整并优化自己的学习行为。

2.5 智能化辅助学习模块

1）智能化数据挖掘学习平台让学习者拥有更加智能化的体验。学习者可以自主标注出学习过程中的重点及难点，并将标注结果发送到教师端。这样，教师能够掌握学生的理解程度，在课堂上完成针对性的讲解任务。在标注时，可以将页数作为度量难点数量的主要单位。此外，该平台可以根据学生浏览课件或者视频的时长、倍速等信息，评定其理解等级及知识点的难易程度。教师可以根据平台上的难点标注信息，开展针对性的课程任务，实现因材施教的目标。半监督学习的方法可以自主标记教学资源，减轻教师的负担。

2）智能化数据挖掘学习平台可以给学习者更加智能化的测评结果。在使用过程中，实验环境是免费开放的，用户在完成程序调控之后，平台会自动给出测评结果，根据其作答情况做出评价。若用户的作业出现错误，平台会在互联网中检索出相应的解决策略及对应的教学资源信息，并进一步判断出错误类型，以便完成智能诊断及个性化学习任务。该系统可以提高学习者的学习效率，使其能够在较短实践之内发现自身的不足，提高自身的实践能力。

3）智能化数据挖掘学习平台可以为用户创建知识体系，记录下每位学习者学过的知识点信息，深入分析所学内容，创建出推荐算法中的辅助信息，充分发挥出算法的挖掘能力，给用户提供个性化的学习内容及学习方案。

3 结语

智能化数据挖掘学习平台融合了人工智能技术、深度学习算法及数据挖掘技术等多种新型技术，可以提高学生的学习效率，完善学习成果。该平台可以运用半监督学习方法标注重难点内容，完成智能化检测任务，记录下用户的使用信息，创建出知识体系，给用户提供学习计划与策略，满足数据挖掘类课程的基本需求。