黄金晶 黄黎

摘 要： 在网络课程教学中对学生进行分类，教师能为不同类别的学生制定相应的教学策略，提高教学质量。文章将信息熵理论运用于学生分类，在预处理之后的数据上，采用ID3算法构建了基于信息增益的决策树，生成相应的决策规则，为新的输入数据提供了分类依据。

关键词： 网络课程； 信息熵； 决策树； 信息增益

中图分类号： TP 393 文献标志码： A 文章编号： 1671-2153（2016）05-0084-03

0 引 言

网络课程[1]教学是信息时代下课程新的表现形式，它以学生为主体，利用现代网络技术，为学生提供多方面的学习素材，如文档、视频等；同时也支持多种形式的师生互动，如在线答疑、讨论，使学生在任何时间任何地点都可以身临其境的学习。此外，在线测试也提供了对学生学习效果的检测。

随着网络学习人群的增加，网络教学平台中留下了大量的数据，利用数据挖掘技术[2]可以从中获取有用的信息。登录网络教学平台学生的基础数据不同，如访问时长、论坛活跃度、学习能力等。若对学生进行分类，对不同的类别的学生采取适合其特点的教学策略，这为个性化学习、因材施教提供了可能。本文主要探讨数据挖掘技术中的信息熵[3]在学生分类模型中的应用，通过对已知样本的学习，预测未知类别学生的分类。

1 学生分类数据挖掘流程

学生登录网络教学平台后，留下了大量的访问数据，比如学号、访问资源、访问时长等，在这些数据中用人工的方式提取有价值的数据是一件非常困难的事，因而可以借助数据挖掘技术对数据进行分析，整体流程如图1所示。……