关联规则在网络学习平台中的应用研究

《关联规则在网络学习平台中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、关联规则在网络学习平台中的应用研究　　摘要：网络学习的兴起引起了对网络学习过程和网络学习结果如何评价的争论与研究，网络学习平台的大数据分析也是近年来教育研究者关注的热点问题。文章将教育数据挖掘方法中的关联规则分析应用到网络学习平台的数据分析当中，探讨网络学习因素与学习结果等方面的关联，发现了网络学习过程中存在的问题，并为网络学习的教学改进、教学质量的提高提供了丰富的决策支持信息。　　关键词：网络学习；关联规则；数据离散化；决策支持　　中图分类号：G434文献标志码：A文章编号：1673-8454（2016）14-0078-05　　一、引言　　2012年3月，教育部颁布了《教育信息化十年

2、发展规划（2011-2020年）》[1]，提出要实现优质数字资源建设与共享、学校信息化能力建设与提升等多项内容，推进教育与技术的融合。本质上而言，教育信息化即是运用信息化手段改善教育、优化教育，这里的教育既包括传统意义上的课堂教育，也包括目前兴起的网络教育，同时还包括教育过程、教育主体、教育内容等多个因素。运用信息化手段实现教育的优化、可持续性，提升教育质量，提高师生信息化水平，为教育带来新的变革。12　　随着计算机技术的发展，网络教育日益兴起，为传统教育增添了新的活力，得到普遍推广与应用。网络教育突破了时间和空间的限制，为学习者带来了诸多便利；但是网络教育存在缺少教师监控、学习者学习

3、过程得不到有效监督等问题，引起了许多教育研究者的关注，特别是网络学习效果以及网络学习质量、网络学习影响因素等，是目前国内外学者集中研究的重点问题。[2]　　本文利用教育数据挖掘技术中的关联规则分析，对网络学习过程中产生的学生学习数据进行数据挖掘，探究网络学习效果、网络学习成绩与学生网络学习时间、网络学习模块、性别等因素之间的关联，为网络教学的下一步改进提供决策支持信息，帮助教师了解学生真实的网络学习状况，更好地引导学生进行网络学习，最终达到提高网络学习质量、推进高校教育信息化的目的。　　二、教育数据挖掘与关联规则　　1.教育数据挖掘12　　大数据时代的到来使人们对于数据挖掘的概念已不再

4、陌生。数据挖掘主要用于对大规模、无序杂乱的、不完全的、有噪声的但是又包含大量为人所不知的、隐藏的有用知识的数据分析方法，它可以对数据进行收集、处理、转化、分析、挖掘，从而得到有用信息，进而为商业决策提供支持。而教育数据挖掘，顾名思义，即数据挖掘在教育领域的应用。随着教育信息化的开展，教育系统中投入使用了大量计算机办公系统、网络学习平台等，这些信息化软件在使用过程中产生大量数据，将这些产生于教育领域的数据（包括传统课堂的教育数据）称之为教育大数据，对教育大数据进行的数据挖掘则称为教育数据挖掘。关于教育数据挖掘的概念，国际教育数据挖掘工作组网站将其定义为，运用不断发展的方法和技术，探索特定

5、的教育环境中的数据类型，提取有意义的信息，帮助教师更好地理解学生，改善他们所学习的环境，为教育者、学习者、管理者等教育工作者提供服务。[3]　　2008年第一届教育数据挖掘国际会议召开，此后教育数据挖掘的研究更是如日中天。Muna等人对2006-2013近7年中谷歌学术上300余篇教育数据挖掘相关的文章进行了综述，介绍了国外的研究现状，主要阐述了数据收集和处理方式、数据分类方法、常用数据挖掘方法以及目前所存在的问题和挑战。[4]国外的教育数据挖掘实证研究主要用于预测学生学习成果、预测学生辍学率，帮助教师提醒学生、降低学校辍学率等。国内的李婷等人对国内外的教育数据挖掘进行了综述，为了解当

6、前教育数据挖掘发展现状提供了有利的文献资料。[5]　　2.关联规则　　关联规则是数据挖掘算法中非常经典的挖掘算法之一，其最经典的应用为购物篮分析。该算法通过挖掘频繁项集来发现属性之间的联系，主要包括两个步骤，第一步是计算密集型阶段，挖掘出频繁项集；第二步是基于频繁项集来生成关联规则，一般规则均描述为包含左项集（条件）和右项集（结论）的一对，并通过置信度和支持度来衡量规则的重要性和可信度。12　　最经典的关联规则算法是Apriori关联规则算法，本文使用基于该算法的Microsoft关联规则算法进行关联分析。挖掘频繁项集是关联规则算法的核心部分，Apriori算法使用逐层搜索的迭代方法来

7、发现频繁项集。首先，找到项集数为1的频繁项集集合，记作L1，用L1再去寻找项集数为2的频繁项集集合，以此类推，直到没有更大项集数的频繁项集集合，最后，在所有的频繁项集中找到强规则，即是用户感兴趣的关联规则。Microsoft关联规则主要通过支持度、概率（置信度）和重要性判断规则的有用性和重要程度。支持度用于度量一个项集的出现频率，A→B的支持度support=P（AB），指的是事件A和事件B同时发生的概率；概率是关联规则的属性，在数据挖掘领域也