基于数据挖掘技术网络化训练研究系统探究及实现

《基于数据挖掘技术网络化训练研究系统探究及实现》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、基于数据挖掘技术网络化训练研究系统探究及实现摘要：对于教育测评所积累的大量数据，通过数据挖掘技术能产生出对学生、教师、教育管理者有用的知识。为此，从教育测评的目的、数据准备、数据积累方法，到数据的知识挖掘等几个方面，系统地研究了教育测评的知识发现的过程，并分别就三种需求的知识发现方法进行探讨，以改变教育测评仅能提供定性的结论而不能发现知识的状况，丰富教育测评的内涵。关键词：教育测评；知识；知识发现；数据挖掘中图分类号：TP391文献标志码：A文章编号：1006-8228(2013)04-12-03Researchandimplementatio

2、nofnetworktraininganalysissystembasedondataminingtechnologyHuoXiaogang(ZhejiangTechnicalInstituteofEconomics,Hangzhou,Zhejiang310018,China)Abstract:Asforalargeamountofdataaccumulatedineducationevaluation,usefulknowledgeforstudents,teachersandeducationadministratorscanbeprodu

3、cedthroughdataminingtechnology.Therefore,fromthepurposeoftheeducationevaluation,tothedatapreparation,dataaccumulationmethodanddataknowledgemining,theprocessofknowledgediscoveryineducationevaluationsystemissystematicallyresearched.Threekindsofknowledgediscoverymethodsarerespe

4、ctivelydiscussed,tochangethesituationthattheeducationevaluationcanonlyprovidequalitativeconelusionandcannotfindthestatusofknowledge,anditalsoenrichestheconnotationofeducationevaluation.Keywords:educationevaluation;knowledge;knowledgediscovery;datamining0引言在教学中，随着电子试卷的普及，在教学实

5、施过程中已积累了大量的数据，但目前这些数据大多仅仅起到对学习者进行一种终结性的定性作用，而没有起到教育测评的另一个重要作用——激励。并且，当数据积累到一定程度后，这些数据又将成为某种形式的数据垃圾，与当年的商业数据一样，产生了'‘数据爆炸，但又同时出现知识贫乏”现象，失去了收集数据作为决策依据的实际意义。测试所产生的数据对学习可能是毫无帮助的，如果担心不理想的测试结果会影响将来，那么测试将成为学习者学习的负担。因此，应用现代信息技术对教育测评产生的数据进行合理处理，对其中所包含的信息进行挖掘，产生出对教育者与受教育者有指导意义的知识，使每一次教

6、育测评的结果能为教育者与学习者指明方向，使其从惧怕测试变为主动应用测试以指导教学与学习，逐步提高教育教学与学习效果。1教育测评数据挖掘的数据准备教育测评的主体是受教育者，受教育者在接受一定时期的指导后，通过教育测评来检查学习的成果，教育者也可以通过受教育者检查的结果来反观自己的教育成果，从中找出双方都需要的“知识”。因此，在教育测评前应该想到教育测评数据的后期作用，在系统设计阶段对数据库表的设计加以研究，以方便以后的数据挖掘工作。1.1数据源的产生就某一门学科而言，表面上来看，教育测评就是根据教学大纲所要求的内容，制定出符合实际要求的试题，对受

7、教育者进行测试。但实际过程中与测试有关的数据还有：教育者、学科知识等，因此，教育测评的数据主要有五个来源：(1)教育者数据源；⑵被测试者数据源；⑶测试科目知识点数据源；⑷测试者行为数据源；⑸测试题目数据源。(1)教育者数据源主要是指：在教育过程中，施教者——教师的个人的各种属性。如姓名、性别、年龄、所授课程等。在本文中，教育者数据源的集合用T来表示。⑵被测试者数据源主要是指：教育过程中的主体——学生的各种个人属性的集合。如姓名、性别、年龄、年级、班级、上课课程等。在本文中，被测试者数据源的集合用S来表示的。⑶测试科目知识点数据源主要是指：测试测

8、试科目所规定的要求掌握的知识点，知识点的属性可用知识点所在科目的章、节、条来表示。在本文中，知识点数据源的集合用K来表示。⑷测试者行为数据源主要是指：