利用數據挖掘技術在教學中應用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了利用數據挖掘技術在教學中應用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:以數值分析課程為例，在新工科背景下利用數據挖掘技術探討學習分析在教學中的應用。選取三峽大學理學院兩個數值計算課程班級的學生作為實證研究對象，形成對照組，進行實證研究，得到學習數據與學生成績二者之間的關系，及時了解學生的學習情況并發現學習過程中出現的不足，預測學生在學習時可能遇到的難題，以期為三峽大學理學院在線教學平臺的建設與改進提供理論指導，形成較為完善的在線教學平臺。

關鍵詞:新工科;數據挖掘技術;學習分析;數值分析課程

《教育部辦公廳關于推薦新工科研究與實踐項目的通知》《教育部高等教育司關于開展新工科研究與實踐的通知》一經發布，加快了新工科建設的步伐。數據挖掘技術結合了人工智能、數據庫、統計學、機器學習等多個領域的理論和技術。在國外，采用判別式分析的方法，佐治亞州立大學學者分析了高中學習者在線課程的學習情況。在國內，大部分學者將研究主要集中在學生在線學習的數據采集、監控和數據分析等方面。胡運安等人采用機器學習的方法，在規范的網絡教學平臺上采集學生在線學習的數據，并對此數據進行分析和評估;趙慧瓊等人采用數據挖掘技術對學生的學習過程進行適當干預，挖掘學生在線學習的潛在問題并提出合適的、有特色的解決方案，進而提高學習效率和教學質量。

1數據挖掘和學習分析

1.1數據挖掘

通過人工智能的算法對數據庫中的信息進行搜索并獲取隱藏信息的過程被稱為數據挖掘技術。數據挖掘的實現和計算機技術有關，需要對數據庫中的大量數據進行統計，利用數據分析技術在線分析相關數據，采用情報檢索的方法進行數據檢索，可結合機器學習的算法、過去的相關經驗規則及模式識別等多種途徑進行實現。要從大量模糊的、有噪聲的、不完全的數據中挖掘出有用的信息通常需要經過以下步驟:數據清理、集成、篩選、變換、挖掘、模式評估和知識表示。

2學習分析

學習分析是指采用數據建立模型預測學習者的學習成效和學習行為。2011年，學習分析被定義為通過對學生學習情況相關數據的檢測、整理和分析來對學生的學習效率進行優化。學習分析模型主要包含了收集學生發布的數據形成特征庫(數據層)、分析行為特征庫中各個因素之間的關系和內涵并進行預測和反饋(機制層)，將分析得到的結果提供給教師、學生和家長(結果層)。

2研究對象和內容

結合三峽大學理學院的辦學特色和教學條件，利用數據挖掘技術探討學習分析在工科研究生教學中的應用，研究對象和主要內容如下:(1)獲取學生在線學習的相關數據，如學生一學期登錄教學平臺的次數、單次登錄教學平臺的在線時長、一學期在線時長總和、在線操作頻率、每次作業的完成時間和提交時間、是否和教師在線進行互動等內容;(2)將各網絡教育平臺收集的數據進行比較分析，歸納總結學生學習相關數據的處理方式，將整理之后的數據以合適的方式優化，最終確定項目需要研究的數據。通過數據處理優化，能夠篩選出規范的、有結構化的數據，為后續的研究做準備。(3)選取幾種常用的數據處理算法和數據分析方法，將這些算法和方法進行對比分析，選擇適合學生在線學習數據的優化算法和分析方法，掌握這些算法和分析方法的原理，精通這些算法和方法的使用方式，然后利用大數據技術為后面的研究做鋪墊;(4)選取兩個數值計算課程班級的學生作為實證研究對象，形成對照組，進行實證研究;(5)對所選取的研究對象進行成績分析，以驗證研究方法的有效性。

3具體實施過程

3.1建立教學實證研究模型

教學實證分析系統的功能模塊如圖1所示。

3.2數據篩選和優化處理

A.數據的獲得。統一錄入學生基本信息到三峽大學網絡教學平臺，任課教師在平臺上發布教學相關資源和知識結構，創建各類教學區域，如作業、測試、答疑討論、案例庫與問卷等。課后，學生能夠在平臺中學習知識、提交作業、互相討論、鞏固教學內容，以加強學生學習效果，提高學習效率。利用平臺獲取學生的學號、姓名、班級和年級等數據，通過分析方法得到對結果無影響的相關參數，將其列入學習成績相關的指標中，確定并選取以下指標:(1)學生登錄網絡教學平臺的次數、課堂討論發帖次數、課后記錄知識點的次數、復習課件的次數、練習試卷的次數、提交試卷和作業的次數、學習最終成績、單次在線時長和在線總時長;(2)將學生基本信息全部錄入到教學平臺中，融合學生的校園卡所存儲的數據和成長發展數字化平臺的數據，根據在校情況、回訪情況和檔案記錄情況分析學生的日常學習和生活，依據多維度分析法確定學生時間和成長兩個維度之間的關系，給出學生的在校軌跡。B.數據的處理。在學習分析數據工具的選擇上運用了以下算法:(1)決策樹算法:經常用于學習者的模式識別與預測;(2)神經網絡算法:應用在模式識別中，能夠對干預學習和學習預警提供一定的決策支持;(3)支持向量機算法:主要用在模型識別、模型分類和模型回歸分析中;(4)K－Means聚類算法:在學習分析中可以應用于數據的聚類分析。C.實證研究對象的選取和具體研究過程。(1)選取兩個班的學生分成1、2兩個組;(2)按照前6周學習結果預測兩個組學生可能會出現的危機情況;(3)將預測結果告知1組，對1組學生后6周的教學過程進行適當干預;(4)2組的學生不干預，只預測;(5)對1組學生進行相關指導;(6)參照學生最終成績、回訪結果和調查結果，確定學習危機預測準確與否及這種預測和適當的干預可否激勵學生提高學習積極性、課程考試過關率、學習動力和學習有效性。

4結語

利用數據挖掘技術對數值計算這門課的學生在線學習相關數據進行分析研究可以得到學習數據與學生成績二者之間的關系，及時了解學生的學習情況并發現學習過程中出現的不足，預測學生在學習時可能遇到的難題，為三峽大學理學院在線教學平臺的建設與改進提供理論指導，形成較為完善的在線教學平臺。

參考文獻:

［1］隋永博，曹旭.基于數據挖掘的學習分析在教學中的應用初探———以高校計算機課程為例［J］．長春中醫藥大學學報，2018，34(05):988－991.

［2］孫永輝，周宏.數據挖掘技術在高校成績分析中的應用研究［J］．科技創新導報，2015，(33):157－159.

［3］孫伯翰.基于數據挖掘學習分析的高校計算機教學實證研究模型分析［J］．現代電子技術，2019，42(19):127－131.

作者:楊珊珊 單位:三峽大學理學院