数据挖掘在教育信息化中的潜在价值

《数据挖掘在教育信息化中的潜在价值》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘在教育信息化中的潜在价值TheLatentValueofDataMininginEducationinforMatization本文介绍了数据挖掘技术，阐述了其在教育信息化中的应用前景和开发难点，指出数据挖掘在这一领域尚有很大潜力可挖。关键词：数据挖掘教育信息化1数据挖掘的应用前景数据挖掘技术的出现有其必然性和可能性：首先，信息社会的到来对数据的筛选和利用提出了更高要求，而海量数据的出现又使得基于传统数据处理方法的人们面对大量数据无从下手，此时必然要求有更为先进的数据处理技术；其次，计算机性价比的提升和磁盘存

2、储器价格的大幅度降低，使得人们借助计算机来完成数据的分析和处理成为可能。所谓数据挖掘(datamining)就是从大量、不完全、有噪声、模糊、随机的数据中发现隐含数据中的关系，建立模型，提取具有潜在价值、可信、新颖、有效并能被人所理解的信息和知识的过程，它又被称为数据库中的知识发现（KDD：knowledgediscoveryindatabase）、数据分析、数据融合（datafusion）、决策支持等。数据挖掘的一般过程是：①选择数据源；②采集数据；③计算统计变量，利用图表对数据进行直观描述，从中发现数据间的关系；

3、④选定算法，建立预言模型；⑤验证模型的合理性、准确性，对模型加以完善；⑥通过模型指导决策。从1989年第11届国际联合人工智能学术会议上首次提出KDD这一概念以来，数据挖掘日益受到人们的关注，并已成为当前计算机领域的一大热点，其研究重点也逐渐从发现方法转移到系统应用，并且注重多种发现策略和技术的集成，以及多学科之间的相互渗透。数据挖掘最先是应用于金融和工商业领域。例如，超市发现由于畅销商品摆放过于集中而影响到其他货物的销售，于是分散畅销商品的摆放，让消费者不得不在选购畅销商品的同时去留意其他商品，从而增加超市整体销售

4、额。又如，银行获取某未婚男子开立了联合账户，于是判定他不久就会结婚，再根据其以往的信贷记录有针对性地向该用户提高房产、家具、保险等方面的咨询，挖掘其消费潜力。美国运通公司（Americanexpress）“关联结算（relationshipbilling）优惠”策略促进客户消费，英国第三大连锁超市Safeway发放折扣信用卡预测顾客长期购买行为，美国读者文摘（Reader’sdigest）出版公司利用积累了40年、容纳遍及世界一亿多个订户的业务数据库扩展业务，这些都是数据挖掘的具体应用。一方面，信息社会的变化速度太快

5、，以至于人们不得不从关心现在转向关心未来，从重视信息的收集转向重视信息的处理。这表现在人们不仅能够迅速接收新生事物，更希望能用所掌握的信息去“预测不可预测的未来”，去更加准确地把握自己的命运。对信息社会中的任何组织或个人来说，其最大的资本就是所掌握的“有用”信息，要想不被信息的海洋所淹没，并在激烈的竞争中拔得头筹，就必须武装自身信息处理能力。另一方面，随着计算机计算能力的发展和数据挖掘理论研究的深入，数据挖掘将发挥出越来越大的作用。可以说，数据挖掘代表未来数据处理的一个很有前途的方向，同时它也将成为人们驾驭信息的有力

6、武器。2数据挖掘在教育信息化中的应用教育同信息是密不可分的，因为教育从本质上来说就是信息的传递、接收和加工。人们也绝非近些年才认识到教育与信息水乳交融的关系，只是随着科技进步、社会发展，以电脑多媒体和网络通讯为基础的现代化信息技术在教育中的应用越发广泛，“三论”思想逐步深入人心，教育信息化的提法才终于浮出水面。所以，当前人们所说的教育信息化概念有别于传统教育中信息技术的使用，而是强调其现代化信息技术的基础。3从教育层面考察，教育信息化的特点是教材多媒化、资源全球化、教学个性化、活动合作化、管理自动化和环境虚拟化。（祝

7、智庭，2001）笔者针对教育信息化这六个特点对数据挖掘在教育信息化中的潜在价值加以讨论。（1）教材多媒化。就是利用多媒体，特别是超媒体技术，建立教学内容的结构化、动态化、形象化表示。越来越多的教材和工具书变成多媒体化，它们不但包含文字和图形，还能呈现声音、动画、录像以及模拟的三维景象。一方面，多媒体教材都是以二进制形式制作、传递和处理，可在其主体上附加相关信息，这就为我们挖掘其中数据提供了可能；另一方面，多媒体教材与传统书本教材相比，涉及媒体形式多样、信息量大，其中不乏海量数据，这就要求对其进行合理归类、检索。数据挖

8、掘技术的出现迎合了这一需求。（2）资源全球化。Internet是全球最大的教育资源库。其教育资源类型多样，包括教育网站、电子书刊、虚拟图书馆、虚拟软件库、新闻组等，为我们采集所需教育资源提供了可能，但也仅仅是可能。Internet信息的无序组织造成目前人们对其利用率很低。另外，还有两个问题值得注意：①nternet海量数据的产生。因特网每天新添