Web数据挖掘在远程教育中的应用

Web数据挖掘在远程教育中的应用

ID:37909243

大小:139.00 KB

页数:9页

时间:2019-06-02

Web数据挖掘在远程教育中的应用_第1页
Web数据挖掘在远程教育中的应用_第2页
Web数据挖掘在远程教育中的应用_第3页
Web数据挖掘在远程教育中的应用_第4页
Web数据挖掘在远程教育中的应用_第5页
资源描述:

《Web数据挖掘在远程教育中的应用》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、Web数据挖掘在远程教育中的应用【摘要】  本文对Webmining在远程教育中应用进行了研究,并通过对远程教育Web日志的分析,获得关于学生学习的信息,根据其接受教育的对象存在着很多个性差异,基于Web数据挖掘提出了一个个性化远程学习系统的框架结构和个性化服务的主要理念,使用WebUseMining技术对web日志信息进行挖掘,并利用这些信息建立起一个智能化、个性化基于web数据库的远程教育系统,从而更好地改进远程教育的服务。【关键词】  Web数据挖掘,远程教育,个性化学习,个性化服务1、引言随着互联网应用技术的深入发展,人们对于各种网络应

2、用的需求正在急剧增加,同时各类网络服务的竞争也日益加剧。如何为用户提供更好的服务,是当今网络应用服务商们所急需解决的问题。基于这种需求,个性化的Web服务研究正成为目前的一个研究热点。远程教育以其便利、快捷、随意的时间安排和廉价的收费正逐渐成为人们接受教育的一种新兴的途径,远程教育作为一种学习手段,适用于高等教育、职业教育和成人教育。其教育对象存在着极大的差异性,主要体现在:个人学习目标的不同、学习能力的不同、认知风格不同。所以就需要针对性的提供差异性的教学内容和教学安排。而在现代远程教育模式下,学生学习的过程就是在远程教育网站页面中跳转活动的

3、过程,他们的每个活动都是以教育网站上的一个页面对象的点击操作,这些点击操作都能被完整地记录在系统日志中,通过对日志的分析挖掘,一方面可以找出学生行为模式;另一方面,可以分析出远程教育网站的结构组织是不是符合学生和教师学习和教学的规律。所以,将Web挖掘运用于远程教育系统中,使之量身定做地为每个个体提供个性化的学习方案,从而进一步指导网站建设,是远程教育获得进一步发展的一个重要手段.2.远程教育与WebMining2.1远程教育现代远程教育是当代社会经济和科技发展到一定程度以后所出现的一种新的远程教育模式。它是在计算机和网络、卫星系统的支持下,实

4、现异地同步的图像、声音以及教学双方的交流互动教学对传统的教育模式带来了一场全新的革命,其显著特点是: 1)完全动态:各种学习资源是动态的,能够采用多种交互方式进行上下传,最新的教学信息也可以及时地反映到网上; 2)实时交互:能与教师、专家进行即时交流; 3)易于协作:学习者能够按照某种划分方式组成各种类型的小组,相互协作完成一定的课题项目,而且能够在需要的时候得到教师、专家的帮助;4)适应性学习方式:学习者可以根据个人的程度和喜好按排制定自己的学习计划,教学内容能根据其选择动态构建;5)新颖全面:学校提供了丰富的而且不断更新升级的学习资源,学生

5、能够很方便取得最好最新的学习资源,并以自己喜欢的格式展现出来。9   这些特点反映了这样一个趋势,学习者不再是被动的接收教师的知识,他会主动去获取相关信息其自主能力越来越强,由此对远程教育系统提出了越来越高的要求,远程教育系统应该也是一个能够根据学习者行为信息不断学习变化的系统,于是如何能够从众多的访问者的大量访问记录中提取其行为信息来指导系统,从而提供更加完善服务就成为我们必须考虑的问题。2.2WebMiningInternet的蓬勃发展使WebMining成为一个热点。WebMining就是针对包括Web页面内容、页面之间的结构、用户访问信

6、息等在内的各种Web数据,应用数据挖掘方法提取抽象的、潜在的、有用的知识。Web站点中主要有三类数据:内容数据、结构数据、使用数据。同时WebMining是指在WWW上挖掘有趣的、潜在的、有用的模式和信息的过程。也分成三类:WebContentMining、WebStructureMining、WebUsageMining。WebContentMining是对Web页面内容进行挖掘,从Web数据中发现信息。尽管人们可以直接从网上通过抓取建立索引,实现检索服务来获得资源,但是大量的“隐藏”信息只能通过内容挖掘来自动挖掘。WebStructureM

7、ining是对Web页面之间的结构进行挖掘。在整个Web空间,有用的知识不仅包含在页面的内容中,而且也包含在页面的结构中。Web结构挖掘主要针对的就是页面的超链接结构,如果有较多的超链接指向它,那么该页面就是重要的,发现的这种知识可用来改进搜索路径等。WebContentMining和WebStructureMining的对象都是网络上的原始数据,而WebUsageMining不同于它们。它面对的是用户和网络交互过程中抽取出来的二手数据,这些数据主要是用户在访问Web时在Web日志(logs)里留下的信息,以及其它一些交互信息,包括:访问日期、

8、时间、用户IP地址、服务器IP地址、方法、所请求URL资源、服务器响应状态、用户代理、发送字节等。WebUsageMining就是对ServerLog

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。