许燕青

（闽南理工学院 实践教学中心，福建 石狮362700）

随着计算机的普及以及互联网的广泛应用，教育教学形式呈现多元化.远程教育系统也飞速崛起［1］.目前，远程教育系统多以Web网站形式呈现.而Web网站教学模块里的教学内容在表现形式上基本是静态的，大部分是以电子教科书形式出现.电子教科书几乎是进行了一次书本搬家，一旦发布到网站上，就很少再进行校对和修改.多数远程教育网站具有以下缺点：

（1）网站的信息发布者并不清楚发布的教学内容是否合理，是否符合教学规律.教学进度的安排也不能做到因人而异，对重点难点内容没有进行归纳和总结，这样不利于学生自学，也极大地限制了学生学习的自主性.

（2）教学形式千篇一律，缺乏个性化教学，更谈不上因材施教.学生只能按着网站上提供的教学内容顺序进行学习，而不能按个人兴趣和需要主动获取学习资料，自由安排学习进度.

（3）无法做到即时反馈和即时答疑.多数远程教育网站虽然设置了在线作业和在线测试等模块，但却没有即时反馈和即时答疑功能.学生在学习、作业和自测过程中碰到的问题无法即时向网站反馈并即时得到一个合理的解释，这样不利于知识的掌握和巩固.

由于知识的呈现和选择缺乏灵活性，为了适应教学发展需要，远程教育系统必须提供一个适应性、灵活性的教学环境，这样才能有利于学生个体、群体的发展，有利于实现教学的智能化.

1 数据挖掘技术

处在信息社会，人们随时随地可接收各种各类的信息，通过数据挖掘技术可将获取的信息转换成有用的信息和知识，并广泛用于各个领域.数据挖掘（DM：Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程［2］.它可以对数据进行分类、估计、预测、相关性分组、聚类、描述和可视化，也可进行复杂数据类型挖掘，如图形图像、音频、视频等.数据挖掘技术主要有数据准备、规律寻找和知识表示三个步骤［3］.首先，从大量相关数据源中选取所需的数据并将数据整合成数据集，再按照特定的方法寻找数据集隐含的规律，最后将分析得到的信息以可视化的方式呈现给用户.

2 多维数据模型的构建

2.1 学生表模型的构建

学生表用来记录学生的基本信息和学习情况.学生表的构建包含两个方面信息：一类是静态数据信息，包含学生的基本信息，主要有：姓名、性别、电话、地址等信息；另一类是动态数据信息，例如：课程名称、课程内容、学习进度、学习效果等.当学生登陆到远程教育系统时，必须先进行注册，注册完成后就可以将注册的信息作为学生表的静态数据信息自动录入数据库中.动态信息是在学习过程中产生并形成的，当学生选择某门课程学习时，就可以由数据挖掘服务提供的分类分析和聚类分析功能自动完成动态数据信息的分类及存储，这种信息的分类和信息的存储是不断变化.

2.2 课程表模型的构建

课程表中存放的内容是课程的名称，课程教学课件，电子教科书，教学大纲、学时、课程知识点总结等.对于课程教学课件和电子教科书仍可采用传统的树形结构进行.这样每个学生的学习路径都一样，都是从根结点开始，然后从左到右依次学习课程教学课件和电子教科书里的内容.这种学习方式不会遗漏任何的内容.但对于课程知识点总结则是个性化教学必需要具备的功能，它用来归纳总结每门课程的重点和难点以及所要掌握的内容，这些数据采用图形结构进行组织，将课程中每一章节的知识点依照先后关系构建一张知识结构图，学生可自由选择图中某一节点进行知识点的学习和掌握，若发现某一知识点的掌握情况不太理想，就可以向前追溯是否前一知识点没有掌握好［4］.另外图中的各节点的分支很多，说明某一节点中知识点的学习至关重要，会直接影响到其余知识点的学习和掌握.

2.3 教师基本情况表模型的构建

在远程教育系统中，教师基本情况表的构建也是十分重要的一个环节.通过该表的构建可使得学生了解到各门课程各位授课教师的教学质量、教学方法，这样更能吸引学生学习该课程，从而也能促进教学质量的提高.构建教师基本情况表应包含：姓名、年龄、职称、授课课程、授课学时、联系方式等.创建数据库时便可将教师的基本情况录入教师基本情况表中.这些信息都是静态信息.同时也可将一些名师的教学课程制作成精品课程并存放于该表中，这样学生在了解教师基本情况的同时也可自行下载该教师所教授的精品课程进行自主观看，以更进一步了解教师的综合教学情况.

2.4 时间表模型的构建

时间表是用来记录每个学生登入和退出系统的时间以及进入和退出每门课程学习的时间，并以此来描述每个学生学习的整个过程.学生表的构建分层进行.底层模型中应包括学生姓名、系统登入时间、系统退出时间、所学课程名称.高层模型中应包括所学课程名称、进入课程学习的时间、退出课程学习的时间、单次学习时间.底层模型和高层模型之间建立映射序列，可按周及按月统计每个学生学习的时间，然后再按学期进行累计，一学期的累计结果便是某个学生某门课程的整个学习时间.系统可根据学生的学习时间了解学生的学习进度和学习状况.

2.5 评价项目表模型的构建

为了实现智能化、个性化教学，在远程教育系统中评价是必不可少的模块.评价涉及到教师授课情况的评价以及学生学习情况的评价，这些评价均是很多方面的综合评估，很难用具体的数值来度量.笔者采用细分评价项目，对各个评价项目的评价用较为准确的数值来描述，然后进行加权综合统计，最终得出的数值就是综合评价结果.具体的评价项目包括几个方面.

（1）互动交流情况评价

在远程教育系统中可提供形式多样的即时交流工具，例如：腾讯QQ、MSN、BBS、贴吧等.提供这些交流工具是为了促进教师和学生、学生和学生、学生与学习资料之间的交互.互动交流情况评价可以通过记录学生利用各种交流工具辅助学习进行，例如：学生在教学资料库中上传和下载学习资料的次数；在学习论坛发帖的数量以及对各种帖子感兴趣或认可程度等，教师也可对学习所提问题的深度给出一定的评价.利用数据挖掘对各类信息进行整合，提供一个综合数值作为互动交流情况评价这个项目的综合评定结果.

（2）答疑情况评价

学生在学习过程中遇到疑问可即时向授课教师或者远程教育系统设置的智能导师系统寻求帮助.答疑情况评价可以通过学生提问的问题数、浏览问题解决的次数以及对解决方案的满意程度等信息进行综合评价.答疑情况评价这一项目可以帮助学生更加深入地理解所学的知识，也可反映出学生对知识的掌握程序和学习的主动性.

（3）教学资料学习情况评价

教学资料学习情况评价主要包括学习登入远程教育系统的次数和时间、课程学习时间、教学资源库上传或下载数据的次数及大小、资源检索的范围和次数等.通过对这些信息的记录来综合评定学生学习的整体情况.

（4）作业完成情况评价

教学课件中每一章节后都有一部分作业题，作业题能够快速分析学生对所学内容的掌握程度.当学生完成这些作业题后系统会自动批改并判分.作业完成情况评价表就是根据作业完成情况与得分来综合评定学习对知识的掌握和运用情况.

（5）测试情况评价

在教学资源库中每门课程都有相应的测试试卷，用来综合评定学生对这门课程知识的掌握程度.当学生完成某门课程的学习后便可自行进行测试，然后将测试试卷提交给系统进行自动判卷.测试情况评价表就是通过对测试试卷的分析，评定学生某门课程的学习情况.

（6）意见反馈

当学生不论是对远程教育系统或系统中的某一环节，还是对教学资源、教学过程有任何的意见或建议均可在意见反馈中将详细情况进行记录，这一项目不列入学生的综合评定成绩中，但可促进远程教育系统的完善与远程教育事业的发展.

3 结语

远程教育系统的目的是实现个性化、智能化的高效教学方式，是对传统教学模式的一次革命.它突破了时间和空间的局限，为学生提供了资源共享、交互式的学习形式.想要成功地构建远程教育系统就必须引入数据挖掘技术.数据挖掘技术是目前人工智能和数据库领域研究的热点问题，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策［5］.只能将数据挖掘技术串穿于远程教育系统构建的全过程，才能实现一种真正的多元化、智能化、交互性、自主性的教育教学模式.

［1］李益骐.远程教育在线考试阅卷系统的设计及其安全性［J］.西北大学学报，2010，1（2）：22-23.

［2］李瑞林.数据挖掘技术在教学过程中的应用［J］.制造业自动化，2010，5（9）：16-18.

［3］徐丽琴.远程教育系统的网络安全策略研究［J］.盐城工学院学报：自然科学版，2009，22（3）：15-17.

［4］王慧，王春喜，张翠羽.基于多 Agent的网上教学模型的研究［J］.电脑知识与技术，2008，11（16）：28-36.

［5］张丽杰，付宏波，郭建伟.基于知识发现的数据挖掘技术分析与研究［J］.知识经济，2010，17（23）：11-13.

［6］John Allspaw，Jesse Robbins.网站运维：保持数据实时的秘技［M］.杨建华，译.北京：电子工业出版社，2011.

［7］John A Rice.数理统计与数据分析［M］.3 版.田金方，译.北京：机械工业出版社，2011.