智能教学系统数据挖掘研究

导语：智能教学系统数据挖掘研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要:本文首先讨论了基于WEB的智能教学系统，它以学生为中心，探寻教师的教与学生的学的特征及模式，改变了传统的教学模式,其次研究了数据挖掘技术和人工智能教学系统的关系，为教师和学生建立起一个智能化、个性化的远程教育环境，最后对于基于数据挖掘和WEB的智能教学系统的未来做出展望。

关键词:数据挖掘;知识;平台

智能教学系统是教育科学与人工智能算法等技术和计算机网络应用系统的结合，通过计算机来模拟人的大脑思考，搜索老师和学生之间的教学方式，让学生有选择性和针对性地学习需要的知识。智能教学系统可以智能发现学生和教师在教学中不易发现的盲点，并智能扫除盲点，可以减轻学生的学习负担，提高教师的教学效率，最终达到提高学生学习成绩的目的。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘与信息技术有关，并通过机器学习[1]、统计分析、文献情报检索等很多方法来实现目的。智能教学系统利用数据挖掘技术对教师的教学策略进行解析，同时对学生及学习过程进行解析，得到的结果被用于课程结构的设置、教学策略的调整等等。

1智能教学系统的应用

基于WEB建立的智能教学模型分为专家智能模型和学生模型[2]，它具有如下特点：丰富的专业知识储备，可自问自答；具有数据分析处理能力，对学生的具体情况给出处理方案，当学生学习出现错误的时候及时纠正；对于不同层次的学生选用不同的教学方式进行个性化指导。专家智能模型是智能教学系统的核心部分。专家智能模型是基于知识的软件开发模型，它与专家系统结合在一起。该模型应用基于规则的系统，采用归纳和推理机制，帮助软件人员完成开发工作，并使维护在系统规格说明一级进行。该模型在实施过程中要建立知识库，将模型本身、软件工程知识与特定领域的知识分别存入数据库。以软件工程知识为基础的生成规则构成的专家系统与各个应用领域知识规则的其他专家系统相结合，构成这一应用领域软件的开发系统。学生模型是智能教学系统的重要应用。它得到学生在学习过程中产生的疑问和错误原因的反馈，得到的模型值[3]反映出学生的学习能力。可建立测评与疑问诊断模型，通过对学生的测试，分析学生产生的错误来源，对每个学生做出评价，疑问诊断是智能教学系统对学生实现优化教学而选取合适的教学方法的前提。

2数据挖掘的技术

数据挖掘，称为数据库中的知识发现（KnowledgeDis-coverinDatabase，KDD），属于数据库领域和人工智能科研领域中的热门，数据挖掘是指从大型数据库的大量数据中找出未知的、隐藏的并具有非常价值数据的过程。数据挖掘同时也是一种决策过程[4]，它基于模式识别、统计学、人工智能、机器学习等技术，高精尖地分析数据，做出归纳性的推理结论，并挖掘出隐含的问题，帮助决策者减少风险，调整策略，做出最准确的判断。随着计算机的高速发展，其计算能力也在不断提高，利用计算机强大的计算能力通过相对简单和固定的方法完成很多以前无法想象的任务。一些新技术和方法在知识发现领域取得了相当不错的成绩，如决策树和神经元网络[5-7]，在大量的数据和高速运算能力下，几乎不用人的关注，就可自动完成许多用户的需求。数据挖掘就是利用了统计分析和人工智能技术的application，把这些高精尖的技术封装起来，使用户人们不用自己掌握这些技术也能完成同样的功能，只需要专注解决自己的实际问题。

3数据挖掘和基于WEB的智能教学系统的结合

基于WEB和数据挖掘的智能教学系统主要采用数据挖掘技术，对网站上每日获得的大量数据信息进行分析，提炼师生常用的习惯方式，把有用的信息提供给课程的设计者和管理者，为老师提供学生具体的学习情况，然后为学生提供相对应级别的学习内容，建立起一个智能化、数据化的远程教育环境[8]。学生可自主选择学习方法来进行学习,系统实时记录并采集学生所采用的学习路径,根据评价分析结果选择一个最佳的学习方法。学生类别和学习目标会形成教学策略规则,将其放入教学策略规则库,为后来的学生提供理论和实践依据,同时也更新了教学策略规则库[9]。现在智能教学系统中创建的学生模型，虽然简单并且容易实现,但是学生模型大部分是静态模型,此类模型对学生的分类只能反映学生的总体特点,对于那些特殊的学生就得不到正确的结论,属于先设定学生的类别，再用模型分类后得到结果，有时候结果并不客观。由此引入了动态模型，它能够动态并随机地产生学生类别,挖掘学生的相对特点,应用聚类分析技术为其提供了相当准确的支撑,对于基于WEB使用记录的数据进行聚类分析可动态地产生学生类别。同时,使用数据挖掘建立学生模型的一个重要的作用是在数据获取和数据分析的时候更加客观、准确。因为许多学生在填写注册信息时并没有填写真实的个人信息，在这种情况下,设计者根据浏览者的浏览信息和注册信息表这两个信息,采用数据挖掘的方法来预测学生的综合信息,这样更利于进行智能化教学的学习。对基于WEB的智能教学系统进行数据挖掘，首先要确立数据挖掘的目标，认真分析需求，我们要获得什么样的信息。然后根据确立的目标选择相关的数据挖掘的工具算法，数据挖掘不同的工具算法可以挖掘出不同形式的知识，比如机器学习各类算法[10]。我们要准备相关的数据，因为数据来源的不同以及数据挖掘工具对数据要求的高低，数据可能存在很多的问题而不能满足数据挖掘的要求，那么我们要对数据进行统一数据的格式。最后运用数据挖掘工具对有关数据进行科学计算得到所需要的结果。将数据挖掘技术和智能教学系统相结合，能对系统中聚集的大量数据进行分析，挖掘出对学习内容和教学策略的调整等有重要作用的信息，从而构建一个美观友好、内容丰富、人工智能的教学平台。

4结语

基于数据挖掘和WEB的智能教学系统的设计，围绕教学过程，严格遵守教育教学规律，充分为教师教学着想，将该技术应用到教学的整个过程，并且能实施多方面的挖掘，体现了教育思想和理论的指导作用，也体现了教育与计算机的结合，推进基于数据挖掘和WEB的智能教学系统更加快速而蓬勃地发展。

参考文献

[1]刘寅,黄燕.基于Web的智能教学系统知识模型与学习控制[J].计算机工程与设计,2006,27(14):2640-2642.

[2]张治斌,王艳萍.数据挖掘技术在数字化校园中的应用研究[J].计算机系统应用,2007(3):27-30.

[3]张潇,挥爽,陆桑璐,等.并行数据挖掘研究[J].计算机工程,2003,29(17):58-59.

[4]吴赞,冯珊,唐超.智能教学系统的发展与前瞻[J].计算机工程与应用,2002(6):6-7.

[5]王珊,王会举,谭雄派,等.架构大数据：挑战、现状与展望[J].计算机学报，2011(10):88.

[6]黄荣怀.基于Web的协作学习系统模型[J].中国远程教育,2001(5):42-47.

[7]顾晟.面向知识管理的网络教学系统构建研究[J].长春理工大学学报,2011,6(1):184-185.

[8]李志平,刘敏昆,孙瑜.基于web的智能教学系统研究[J].计算机工程与应用,2006(2):208-210.

[9]张潇,挥爽,陆桑璐,等.并行数据挖掘研究[J].计算机工程,2003,29(17):58-59.

[10]焦加麟,徐良贤,戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真,2003,8(20):49-51.

作者:田茁 单位:吉林农业大学信息技术学院