数据挖掘学习计划精选(九篇)
前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的数据挖掘学习计划主题范文，仅供参考，欢迎阅读并收藏。
第1篇：数据挖掘学习计划范文
关键词：方剂；肺系疾病；数据挖掘；化学成分；配伍
中图分类号：R2-05 文献标识码：A 文章编号：1005-5304（2013）01-0028-03
随着大气污染、人口老龄化、吸烟等因素，肺系疾病（呼吸系统疾病）的发病率呈上升之势，已经成为严重危害我国人民身体健康重要因素之一[1]。中药尤其是复方对肺系疾病具有较好疗效，古代医籍文献对肺系疾病的治疗方剂记载颇多，近年来，有许多学者对这些方剂的有效部位进行研究，以探索其作用的物质基础。本研究利用数据库及数据挖掘技术对古代医籍
基金项目：山东省博士后创新项目专项资金（201102036）
文献所记载治疗肺系疾病的方剂进行了分析和数据挖掘研究，探索方剂组成中药物化学成分类别的构成情况及可能的配伍关系，以期为治疗肺系疾病方剂的临床应用、物质基础研究与组分配伍研究提供参考。
1 资料与方法
1.1 处方来源、筛选标准与标准化处理
本研究以《中医方剂大辞典精选本》[2]作为方剂基本信息来源。参考《中华医典》[3]、《方剂学》[4]。
本研究所筛选方剂满足以下要求：①《中医方剂大辞典精选本》所列治疗肺系疾病的方剂（以下简称“肺系方剂”）；②有针对肺系病证功效的描述，如“清肺”、“润肺”、“温肺”、“敛肺”、“补肺”、“泻肺”等，或“止咳”、“平喘”、“定喘”、“化痰”等；③方剂主治病证中含有“肺痿”、“肺痈”、“肺胀”、“肺痨”、“咳嗽”、“哮喘”等；④药味≤6味；同时，要求方剂包含的信息较完整，方名、组成、功效、主治各项齐备，有较系统的化学成分研究。所有中药名以《中华人民共和国药典》[5]与《中华本草》[6]记载的正名（即目录名称）为准。
化学成分类别构成的文献资料来源于中国期刊全文数据库、中文科技期刊数据库以及美国化学文摘（CA）数据库，分别以中药的中文名、英文名、拉丁名进行化学成分的资料检索。
1.2 数据分析方法
1.2.1 频数及频繁项集 ①进行处方中中药数据信息的频数与频率分析。数据的频数分析是一种描述性统计分析[7]，包含频数与累计频数两个参数，其中累计频数是依次累计得到的各组频数之和。本研究通过频数分析挖掘处方组成药物的化学成分类别构成情况，其中方剂化合物类别频数是组成药物中含某类化合物的方剂出现的次数，在本研究中累计频数采用向下累计频数，即由频数值高的组向频数值低的组依次累计频数，主要反映组成中药含某几类化合物方剂的频数和在总体频数中所占的比例。②进行频繁项集分析。频繁项集是数据挖掘技术中的一种常用方法，指的是支持度大于或等于用户指定的最小支持度阈值的项集[8]。在本研究中，项集是指处方方剂组成中药化合物类别的集合。通过频繁项集挖掘分析处方中含2类及2类以上化合物类别组成方剂的集合。
1.2.2 关联分析方法 采用关联规则[9-10]挖掘方剂中不同类别化学成分之间的关联关系，即发现处方中组成中药所含化学成分类别之间出现的关联关系强弱。其中支持度是组成中药中含某类化学成分的方剂及其集合（前项）与其他组成中药中含某类化学成分的方剂及其集合（后项）同时出现的频率，亦即前项与后项同时出现的方剂数与总的方剂数的比值。置信度是前项出现时，后项中药出现的概率，亦即前项与后项同时出现的方剂数与只有前项出现的方剂数的比值。
2 结果
2.1 化合物类别构成分析
按照筛选标准，共筛选了100首方剂，各类二次代谢产物在肺系方剂中出现的频数情况见表1。通过频繁项集挖掘，两类化合物在一首方剂的组成药物中同时出现的情况分析见表2。
从表1可以看出，100首肺系方剂中有96首组成药物中含萜类化合物，95首组成药物含甾体化合物，94首含生物碱，最少的是醌类化合物，只有13首。从表2可以看出，生物碱与甾体的组合在肺系方剂中出现的频数最多，其次是萜类与甾体、生物碱与萜类。
2.2 化合物类别关联分析
采用关联规则挖掘方法，挖掘各化合物类别间的相关性，结果见表3、表4（支持度≥80%，置信度≥80%）。
上述结果显示，在肺系方剂中，生物碱类化合物与甾体类化合物、黄酮与萜类化合物关联关系非常强。黄酮、生物碱组合等大部分2类化合物组合与萜类或甾体类化合物关联关系强。说明生物碱类化合物与甾体类化合物、黄酮与萜类化合物在肺系方剂组成药物化学成分类别的构成及配伍当中具有比较重要的意义。
3 讨论
中药方剂化学成分的研究是中药现代研究的一个主要方面。对“复方丹参方”的研究，通过采用药理与化学相结合的方法，不但明确了方剂中有效成分的配伍规律，确定了丹参主要水溶性成分丹酚酸B和脂溶性成分丹参酮ⅡA的最佳配伍比例范围，为现代中药方剂的研究开创了一条新的思路[11]。本研究通过对100首治疗肺系疾病的传统方剂中药物化学成分类别关联关系的研究，发现萜类、生物碱、甾体类化合物出现频数最高，生物碱类化合物与甾体类化合物、黄酮与萜类化合物关联关系非常强。黄酮、生物碱组合等大部分2类化合物组合与萜类或甾体类化合物关联关系强。
萜类化合物是天然物质中最多的一类化合物，如挥发油、橡胶、树脂及胡萝卜素等。目前发现的在萜类化合物已超过22 000种[12]，而且许多具有较强生理或生物活性的物质被应用于临床，如穿心莲内酯、甘草酸、龙脑、齐墩果酸等。萜类化合物在中药中分布极为广泛，藻类、菌类、地衣类、苔藓类、蕨类、裸子植物及被子植物中均有萜类的存在，尤其在裸子植物及被子植物中萜类化合物分布得更为普遍[13]。萜类化合物种类繁多，结构复杂，性质各异，因而具有多方面的生物活性，其中不少化合物是常见的一些中药中的有效成分，具有较为重要的生物活性[12]。现代药理研究表明，萜类化合物对肺系疾病具有明显的药效作用。Shin CY等[14]对桔梗三萜类化合物的祛痰活性研究表明，桔梗皂苷D和D3通过雾化给药，能增加大鼠上皮细胞中黏液素的释放，而且比阳性对照药品ATP和Ambroxole的作用更强；缪氏等[15]发现艾叶提取物α-萜品烯醇对哮喘小鼠气道炎症及外周血Th1/Th2平衡具有积极影响；唐氏等[16]发现单萜类化合物具有良好气管扩张和抗变态反应作用；李氏等[17]发现土贝母苷甲对肺部肿瘤细胞的细胞毒作用大于其他部位的肿瘤细胞。
生物碱类化合物同样是肺经中药中一类重要的化合物。如
麻黄中麻黄碱具有松弛支气管平滑肌、收缩血管和升高血压等作用，临床主要用于支气管哮喘、过敏性反应、鼻黏膜肿胀及低血压等病症的治疗；山豆根中氧化苦参碱可显著减轻哮喘小鼠血管、气道周围炎性细胞浸润，改善黏膜上皮坏死脱落情况，消除哮喘的主要病理基础，起到抗炎、平喘的作用[18]。
从现代药理研究的报道来看，萜类化合物、生物碱类化合物与肺系方剂治疗肺系疾病的作用是有一定关联作用的，但是萜类化合物、生物碱类化合物与黄酮类化合物之间的配伍组合能产生何种有益效应，对治疗肺系疾病能产生何种作用，是否具有特异性，有待今后的研究进一步证实。
参考文献：
[1] 韩世伟.《内经》肺系相关理论及吉林、辽宁两省部分地区肺系疾病发病节律的流行病学调查研究[D].长春：长春中医药大学，2009.
[2] 彭怀仁.中医方剂大辞典精选本[M].北京：人民卫生出版社，1997.
[3] 长沙市宏宇科技开发有限公司.中华医典[CD].长沙：湖南电子音像出版社，2008.
[4] 段富津.方剂学[M].上海：上海科学技术出版社，1994.
[5] 国家药典委员会.中华人民共和国药典：一部[S].北京：中国医药科技出版社，2010.
[6] 国家中医药管理局《中华本草》编委会.中华本草[M].上海：上海科学技术出版社，1999.
[7] Han JW， Kambe M. Data mining：concepts and techniques[M]. San Mateo，CA：Morgan Kaufmann Publishers，2000：70-79.
[8] 荣秋生，颜君彪.网格下最大频繁项集挖掘算法的实现[J].计算机技术与发展，2007，17（1）：98-100.
[9] Agrawal R， Imielinski T， Swami A. Mining association rules between sets of items in large databases[C]∥Proceedings of the 1993 ACM SIGMOD Conference. Washington DC，1993：207-216.
[10] Agrawal R， Srikant R. Fast algorithm for mining association rules[C]∥Proceedings of the 20th Very Large Data Bases （VLDB'94） Conference.Santiago，Chile，1994：487-499.
[11] 严永清.中药现代研究的思路与方法[M].北京：化学工业出版社， 2006.
[12] 李端.中药化学[M].北京：人民卫生出版社，2005.
[13] 姚新生.天然药物化学[M].4版.北京：人民卫生出版社，2001.
[14] Shin CY， Lee WJ， Lee EB. Platycodin D and D3 increase airway mucin release in vivo and in vitro in rats and hamsters[J]. Planta Med，2002，68（3）：221-225.
[15] 缪卫群.艾叶提取物α-萜品烯醇对哮喘小鼠气道炎症及外周血Th1Th2平衡的影响[D].杭州：浙江大学，2005.
[16] 唐法娣，王砚，谢强敏，等.单萜类的气管扩张和抗变态反应作用[J].中药药理与临床，1999，15（6）：8-10.
[17] 李彤晖，李晔，池群.土贝母苷甲靶向制剂的研究[J].陕西中医，2004， 25（3）：270-271.
第2篇：数据挖掘学习计划范文
关键词：数据挖掘 ICAI 智能化 辅助教学
中图分类号：TP391.6 文献标识码：A 文章编号：1007-9416（2012）11-0077-01
1、引言
伴随着计算机技术、信息技术的飞速发展，各行各业逐步进入了信息化的发展时期，而高校教育事业也不例外。由于社会经济、文化的高速发展，人们对教育质量的追求日益高涨，而传统的教学手段和模式已经无法适应这种快速增长的需求，教学环节逐步和信息化技术相结合，比如计算机辅助教学系统。然而，传统的计算机辅助教学系统依旧存在多种弊端，比如个性化、智能化性能不足。而随着数据挖掘技术、人工智能技术的快速崛起，人们将数据挖掘技术应用到ICAI中，实现了个性化、智能化的应用，大大提高了ICAI的性能和效率。
2、智能计算机辅助教学系统
2.1 概念及意义
智能计算机辅助教学系统ICAI主要依托丰富的教学资源，为学生提供不同层次的学习服务，为教师提供教学工作的管理平台。学生可以根据需要制定学习计划，然后进行有针对性的学习，教师可以对学生进行辅导工作，学生还可以根据学习进度和效果进行调整。ICAI不同于以往的计算机辅助教学系统，它具备更多个性化、智能化的功能。
2.2 系统结构
ICAI系统通常主要包括四大功能模块：知识库、教师管理模块、学生学习模块、智能管理接口。
3、数据挖掘概述
数据挖掘简单理解为“数据库中的发现”，主要是从海量的数据中提取、分析、挖掘有用的知识信息，通过发现可用的模式，来发觉可用的内涵信息，用于提供未来发展趋势的决策信息。数据挖掘的分析方法主要包括四种：分类分析法、预测、关联规则、聚集分析法。
4、数据挖掘应用于CAI
4.1 数据挖掘在知识库中的应用
数据挖掘在知识库中的应用主要表现在下述几个方面：形成知识表示、改进教学模式与策略。
（1）形成知识表示。该过程主要将知识库中的课程信息、技能信息进行分析、拆解、建模，形成一定的知识体系，然后采用人工智能技术将这些知识库转换为ICAI系统可识别的表达模式，从而形成知识表示。在此过程中，使用聚类分析法将知识信息归类，同类的知识间距大，否则间距小；同时确定知识点的类标记，方便查找。需要注意的是，此过程要符合教学规律的需要，便于为个性化教学、启发式教学提供知识信息储备。接着，通过关联规则建立知识点、题目库、项目集的关联信息。
（2）改进教学模式与策略。对学生信息库中的数据进行样本训练，将学生对知识点学习的情况作为分类依据进行分类，标记每一个学生，并且描述学生的分类特征。根据这些分类数据，可以改进教学模式和策略，比如控制学生的学习进度，还可以直接向学生提出学习建议。同时，老师可以通过从学生的聚类分析中发现规律，找出学生成绩优异、认知能力强、学习能力差、学习能力一般等级别的学生，实施个别辅导。
4.2 据挖掘在教师模块中的应用
首先使用聚类分析法对学生的学习能力、成绩进行分类，方便老师为学生提供个性化辅导，而重点就是如何进行分类。主要使用主成分分析法、聚类分析法对学生的信息进行提取、分析、描述，从而确定学生的能力分类，可以继续分解为多个能力属性的分组，形成若干小类，大类可供参考的信息包括：学生成绩信息、考核信息等。对于学生成绩来说，小类可能包括：单一科目、综合成绩等；考核信息可能包括：单一科目考核、综合考核等。综合课程的重难点特点来分析、归类学生的学习能力趋势，据此建立每类学生和对应学习指导知识库的关联关系。但是考虑到学生的基础以及课程彼此间的关联性，因此对于刚入学的学生成绩参考性意义不大，必须要借助成分分析法对学生成绩实施预处理，使用其它的分类指标进行分类，更具有科学性；同时，还可以使用样本训练中的“马氏距离”规则进行聚类分析。最终的目的是形成学生综合能力的分类，然后建立学生类分组和教学指导知识库的关联关系，方便教师为学生提供个性化辅导。
4.3 据挖掘在学生模块中的应用
学生信息的内涵较为丰富，包括基础信息、个人高考成绩信息、个人履历信息、个人喜好信息等，丰富了知识库信息。可以对这些信息进行分类，对这些类分组进行关联分析，对于综合考评学生的综合能力具有指导意义。另外，需要考虑到影响学生学习能力、成绩的因素较多，因此需要发掘潜在的因素并进行归类。可以使用数据挖掘技术中的决策树算法、关联分析法建立影响因素的实例，进行分析，然后形成关联模型。比如，个人喜好表示个人对某方面事物、知识的特别偏好，在一定程度上反应了此人对该领域的知识掌握程度，直接影响到学生综合能力的认定结果。通过对学生进行能力分组以后，然后建立学生类分组和其它知识库的关联关系，从而方便教师对学生进行有效的辅导。
5、结语
ICAI系统在未使用数据挖掘技术之前，无法适应学生个性化、智能化学习的需求。但是将数据挖掘技术应用到ICAI以后，学生可以进行自主学习的同时，还可以由老师提供个性化的辅导，可以有效提高学生的学习效果，同时还可以优化教学模式。ICAI和数据挖掘技术的融合是未来高校教学管理信息化的主流发展趋势。
参考文献
[1]贾丽媛，张弛，周翠红.数据挖掘在网络教学评价中的应用[J].湖南城市学院学报（自然科学版），2011（02）.
[2]洪洁，蒋晓川.Apriori算法在学生系统中的实现与应用[J].硅谷，2011（07）.
[3]袁燕，李慧.基于数据挖掘的教学评价系统研究[J].计算机与现代化.2009（11）.
第3篇：数据挖掘学习计划范文
[关键词]远程教育；数据挖掘；个性化学习
引言
远程教育是在计算机和网络、卫星系统等的支持下，实现异地同步的图像、声音以及教学双方的交流互动教学，给传统的教育模式带来了一场全新的革命。远程教育是随着计算机网络和多媒体技术的发展而发展的，突破了传统的在教室中教师面授的教学方式，为任何人在任何时间任何地点学习提供了良好的环境，所以远程教育现已经成为全球教育发展的热门话题。
在远程教育中，不同的人可能都有进行网上学习的需求，所以导致远程教育对象存在着很大的差别，主要表现在：个人学习的目标、能力、兴趣、爱好、习惯的不同等，所以就需要针对性的提供差异性的教学安排和教学内容，实现远程教学系统的个性化。而传统的网络学习系统通常不充分考虑用户的需求和学习习惯，而是以系统自身为中心，只是要求人逐步熟悉逐步适应系统，从而造成了学习效果不明显，交互性差等很多问题。
1 远程教育与数据挖掘
数据挖掘技术应运而生，数据挖掘是从大量数据中揭示出有效的、新颖的、潜在有用的，以及最终可理解的知识和模式的非平凡过程。数据挖掘能够从海量的数据中发现一些有价值的、未知的规律，这无疑为提供个性化的教育服务提供了大力的支持。由于缺乏对学习者的个体情况的分析，传统的远程教育也就无法为学习者量身定做学习计划，为了解决这个问题，我们把数据挖掘技术应用于远程教学系统中，挖掘分析出学习者个性特征、访问习惯等，掌握了学习者的这些情况就能为学习者提供个性化服务，才能做到以学生为中心，实现个性化的远程教学。通过数据挖掘能发现问题和规律并反馈给远教学体系，使之改善教学。利用数据库技术存储并管理数据，利用网络和计算机学习的方法去分析数据，从而挖掘出大量的隐藏在数据深处的知识，结合数据库、数据仓库等方面的技术，利用数据挖掘技术，通过对日志的分析挖掘，利用学生的学业记录、在线记录、浏览模式等数据，一方面可以找出学生的行为模式，挖掘出学习者学习的规律，让计算机能够按照类似老师的教学经验为基础进行操作，另一方面，可以分析出远程教育网站的组织结构是否符合学生及教师学习和教学的规律。所以，将数据挖掘技术运用于远程教学系统中，便能够为每个用户提供个性化的学习方案，满足用户的个性需求，这样就能建立一个个性化远程教学系统。
2 个性化的远程教学系统
传统的远程教学系统中每个学习者看到的界面是相同的，所以无法实现因材施教。通过挖掘学习者的兴趣爱好、访问页面情况、学习的能力等给学习者提供不同的学习界面，让学习者感到进行的是一对一的教学，有利于调动学习者学习的积极性和能动性。基于这种思想，本文提出了一个应用数据挖掘技术的个化远程教学系统。该模型由教师模块、资源库、用户库、工具库、个性挖掘模块以及系统界面组成，各组成部分功能描述如下：
2.1 教师模块
教师的操作包括两方面，一是对资源库进行管理，二是对用户库进行管理。
2.2 资源库
资源库中存放教学过程中用到的各类资源：各种试题、作业、相关课件等。
2.3 用户库
用户库中存放着所有与学习者有关的信息。包括学习情况数据库、个性特征数据库和行为记载数据库，该用户库并不是固定不变的，可根据系统需要进行扩展。
2.4 工具库
工具库中包含远程教学所需的各种工具：作业、答疑、交流和考试工具。我们克服了传统的远程教学系统的缺陷，采用模块化设计，将原来的各个系统转化成对应的远程学习的支持工具，这样将原来独立无关联的子系统转为相应的子程序，我们便可随时调用。
2.5 个性挖掘模块
这是体现个性化的关键，是整个个性化远程教学系统的枢纽，它包括三个部分：信息采集中心、个性化分析中心、信息调度中心。信息采集模块所完成的任务是对学习者行为跟踪采集，记录学习者的行为并连同用户库里记载的该学习者的相关信息一起提交到个性化分析中心；分析中心收到相关信息后，选取适当的挖掘方法进行分析挖掘，得到结果后发命令给信息调度中心；信息调度中心收到命令后调用合适的学习工具访问教学资源数据库，然后将需要的信息返回到学习者界面，同时传递给个性化分析中心，分析中心对得到的数据再次进行分析，将得到的最终分析结果写回用户库中。经过上述操作，学习者便能得到与他请求的内容相关的数据，实现了个性化学习。
2.6 系统界面
学习者登录后，个性化界面记录其个人信息，同时将这些信息传递给个性挖掘模块，个性挖掘模块经过分析得到结果，这些结果将用于学习者的界面重组，即根据学习者的要求提供相应界面，将学习者关心的问题呈现出来，方便学习者进一步操作。
3 系统开发的难点与解决方法
个性化远程教学系统的个性化服务功能的实现，其成功的关键就在于充分了解每个学习者自身的特点，根据这些特点将学习者分类，从而实现为不同类的学习者提供适合其类型特点的服务。然而上述所提及的特点有些是客观的如偏爱的课程类型，有些是主观的如学习能力的高低，参与程度等。对这些主观特征进行比较准确的度量正是个性化教学系统功能实现的关键，也正是系统设计的难点。为了有效的解决该问题，系统中采用了通过直接记录的客观精确数据来间接获得客观度量信息的方法，也就是利用学习者在访问系统站点时的一些链接信息和对系统的使用以及交互信息等。具体为：
3.1 对于链接信息：可以通过Web日志文件获得。因为wcJ3日志文件中记录了用户访问站点时的IP地址、访问时间、访问的页面、页面的大小等等。
3.2 对于学习者对系统的使用和交互信息：可以从数据库中的相关表文件获得。因此系统在个性化分析中首先要从Web曰志文件和系统数据库的相关表中获得与分析有关的数据，之后将日志数据和表中数据集成在一起，构成查询相关数据表，经过数据变换将其转换成适合挖掘分析的数据形式，然后使用决策树方法对数据进行训练从而实现对访问站点的学习者的分类，最后系统对所得到的分类结果进行分析并据此为每类学习者提供行之有效的个性化的教学服务。
第4篇：数据挖掘学习计划范文
关键词：现代信息技术；中学；信息技术教育
现代信息社会，网络信息资源具有的交互性、丰富性、跨地域性等特性，改变了人们信息利用的方式。因此，中学生掌握一定的信息技术已是应对社会发展的必然趋势，但现今的中学信息技术课教学问题重重， 面对如此现状，我们应该如何改变？
中学信息技术课教学现状
我国中学信息技术课教学的开展已经多年，对于推广应用计算机技术及网络知识，使学生了解计算机的基本操作方法以及熟练掌握网络技术起到了极其重要的作用。然而，与我国社会信息化程度的不断提高相比，中学信息技术课的教学仍然存在着较多问题。
1.学生信息技术基础知识参差不齐
目前中学生信息技术水平参差不齐，主要是受到家庭因素、学校教育以及学生自身因素的影响，部分学生的信息技术水平在起点上具有较大的差异性，如来自偏远山区的学生和来自城市的学生就存在信息技术知识储备上的较大差距。
2.教师对学生信息知识方面存在的薄弱点了解不足
对中学信息技术课教学而言，很多教师根本不知道学生究竟对哪些方面的知识掌握薄弱，在教学中往往没有把握住难点，这是学生信息技术水平不能有效提高的一个重要原因。
3.不能有效跟踪了解学生的学习情况
如果问到具体某个学生平时的信息技术学习情况，很多教师都不能真正地说出来。因为对信息教育重视程度不够和课时安排等原因，教师并没有对学生的学习情况进行跟踪了解，也不能够有效地对学生的学习进行指导。
4.教学资源开发不足
信息技术教材是课程标准的主要载体，同时也是教学过程中最核心、最重要的课程资源。众所周知，现代的信息技术更新周期很快，落后的教学资源并不适应现代的教学需求。在这种形势下，我们必须要对原有教学资源重新开发，但是部分教师只是把教材中的内容原封不动地教给学生，很少更新教学资源，导致教学内容落后，无法适应时代的发展。
利用现代信息技术改变现状
1.自动生成学习计划，针对薄弱点加强训练
中学信息技术的教学，不一定要完全按照教材来进行。因为学生在对信息技术知识的掌握方面存在差异，所以教师可以结合教材内容为学生设计一套自动生成学习计划的系统，这个系统要能够测出学生在信息技术方面存在的薄弱点，并针对每个学生的情况，为他们自动生成一套学习计划，让他们能够弥补在信息技术方面的不足，凸显在信息技术方面的优势。例如，在初一的信息技术教学中，如果有的学生对《计算机文件搜索》这节掌握比较差，在自动生成的学习计划中，就会包含各种搜索任务，促使学生不断练习针对文件的不同途径的搜索，从而促进他们信息技术水平的提高。在这个环节中，也不能将教师的作用摒弃，在学生的学习计划生成以后，教师要随时了解学生的学习进度和在执行学习计划的过程中遇到的困难，并及时对他们进行指导。当然最好还要鼓励学生之间进行学习经验的交流和问题的讨论，让他们能够自己解决遇到的难题。
2.数据收集处理，了解学生学习状况
在学生对信息技术的学习过程中，可以利用现代信息技术对学生学习中的数据进行收集并加以分析。比如，在上《网上收集信息》这课时，教师可以为学生出一道题目，让他们在计算机上通过网络进行信息的收集，而系统（如数据挖掘技术）就会自动采集他们收集过程中的路径、时间等信息。通过对这些信息的研究能让信息技术教师清楚学生在课堂上的学习情况，了解学生的变化。
3.利用互联网技术，促进信息技术教学
如今，互联网已经渗透到我们学习、生活的各个领域，同样也渗透到了教育中，教师可以利用互联网技术，学习相关的信息技术教育方面的先进经验。同时，教师可以指导学生成立信息技术学习小组，利用网络，对各种先进的信息技术和理念进行学习，促使他们在学习中不断提高自身的学习效率，更新自己的学习计划，丰富学习内容。当然，教师要在一定程度上对学生的网络学习进行监督，避免学生受到不良网络信息的影响。
总之，正视当前中学信息技术课教学中存在的不足，利用现代信息技术改变中学信息技术课教学，一定能够取得良好的效果。
参考文献：
第5篇：数据挖掘学习计划范文
在课改初期，笔者也尝试进行了多媒体信息技术与数学学科教学整合的研究，实验下来，觉得有两点还是比较迷惘，一是更多时候是为了应用技术而技术，技术并不是不可替代，并不能真正促进课堂教学的改革；二是技术的引入，并没有对教育环境和教育现状造成实质的影响，学生并没有取得长足的发展，所以对整合的有效性也产生了质疑。近两年来，大数据浪潮汹涌来袭，笔者又对信息技术与学科教学整合进行了深化研究，在利用数据处理的方法来提高数学教学的实效性这一方向做了几点探究。
（1）在课上的研究。在课堂研究的过程中，笔者利用软件建立了课堂学习平台，在每天的学习过程中，利用平台搜集学生上课的所有数据，日积月累，从而形成一个数据仓库，面对数据仓库，我们不仅仅是对数据进行简单的统计，而是利用现代化的数据处理技术去研究数据仓库中各种数据所隐含的丰富信息，根据分析的信息笔者不断完善课堂教学设计，希望能更好地揭示错综复杂的教育现象的本来面貌。
（2）课堂前后的研究。2013年笔者引入一套课后评价反馈测试平台――“家教新干线”， “家教新干线”是学生在线学习的一个平台，是学生个性化的学习，他们的学习行为的数据都自动生成并留存，一方面易于他们后期的学习行为评价和评估，还能让学生根据个人的学习数据制定相应的学习计划；另一方面笔者也不用再基于自己的教学经验来分析学生的学习中偏好、难点以及共同点等，笔者只要通过分析整合学习的行为记录轻而易举就能得到学习过程中规律，可以利用数据挖掘的关联分析和演变分析等功能，在学生管理数据库中挖掘有价值的数据，分析学生的日常行为，可得知各种行为活动之间的内在联系，并作出相应的调整与对策。
通过一段时间的实验，笔者认识到，我们现在所谓的信息技术与学科整合、在线教育和数字化校园，都仅仅只是数字，还谈不上数据。随着互联网、云等综合技术的成熟，越来越多的数字云集在一起，才形成了数据。处于信息化的时代，学生获取知识的途径不再是课堂，获取知识的主要途径变成了网络和线上学习，而我们传统的课堂，也将成为交流学习成果，答疑解惑的场所。这又使笔者联想起比尔・盖茨的一段话：“五年以后，你将可以在网上免费获取世界上最好的课程，而且这些课程比任何一个单独的大学提供的课程都要好。”的确，现在我们的教育，正在向这个方面转变，这不正是大数据环境下的教学探索吗？
“越来越少的课堂，越来越多的网络；越来越少的讲授，越来越多的交互；越来越少的编制，越来越多的合作；越来越少的办公室，越来越多的实验室……” 这些场景也许你曾经不敢想象，但确实已经随着技术的倒逼，悄悄渗透到了教育领域。千百年来，作为教育工作者，都是想把教师的思维逻辑或者书本的思维逻辑连同知识容量一起拷贝到学生的大脑中。但是事实证明这些努力只是部分有效，这些仅仅是一个基础学习，不能造就人才。随着信息学和行为学的研究深入，人们才逐渐认识到，教育真正的最高境界，是发掘学生自身原有的动力和天分。教育到了变革的关键时期。我们作为教育工作者，应该向大数据时代、知识时代跨越，知识将无所不在。笔者认为我们目前教育正在进行或者未来必定主流的模式将是：视频成为主要载体，教育资源极其丰富；翻转课堂；按需学习；终身学习；不以年龄划线；远程教育的提法将消失；距离不再是问题，在学校之外进行，等等。
第6篇：数据挖掘学习计划范文
随着信息技术的不断发展，计算机科学渗透生活的各个领域，改变了人们的生活方式和学习方式。其中，人工智能作为计算机科学中迅猛发展的一部分，正在以其独特的魅力走进人们的视野。“人工智能”（Artificial Intelligence），顾名思义，即通过应用计算机来模拟人脑的信息接收、思考、判断以及决策等思维行为过程，进而扩展人脑的思维和行动，帮助人们高效智能化地解决特定问题。近年，人工智能在教育领域中发挥的作用越来越显著[1]，其与众不同的特点决定了其在教育培训中的地位，将人工智能应用在农业知识培训中的可行性也成为教育界热议的新话题。
1我国农业发展背景和农业培训必要性分析
11我国农业发展背景
我国是传统的农业大国，农业对我国的经济发展具有极其重要的影响，一方面是由于我国人口基数大；另一方面是由于我国进出口贸易主要依靠农产品，农业发展成为影响我国经济发展最重要的因素之一。但由于各方面原因，我国农业发展还比较落后，尤其与发达国家的现代化农业相比，依旧有较大差距。
12开展农业知识培训的必要性
反思其他发达国家在?r业发展上实施过的举措，包括重视农业教育、科研和技术推广，注意提高劳动者素质；推广现代农业机械和高技术，重视农场管理；经营集约化、产业化；生产专业化；服务社会化；市场机制与政府扶持相结合；加强农业基础设施建设等，可以看出，我国在农业知识培训、素质教育、技术推广方面与发达国家差距明显。为发展我国农业，培养一批高素质、懂技术、会经营的农民以及一批愿意为农业发展做出自己贡献的高学历人才成为关键。农业的发展离不开农民的发展和进步，也离不开受过高等教育的精英人才的共同努力，而开展农业知识培训，则是为他们的发展奠定了一条夯实的道路。
2人工智能在教育中的应用与发展
近年来，伴随着人工智能在各行业的应用和发展，人工智能在教育领域中发挥的作用也越来越显著。例如，智能化的作业批改可以大大减轻教育工作者的沉重负担，在线学习等网络教学模式可以让人们更灵活地接受教育。从人工智能诞生伊始，其就与教育产生了密不可分的联系，延续发展至今，人工智能在教育领域中的应用主要包含以下几个方面。
21基于人工智能的计算机网络课程
计算机网络教育是对传统教育方式的一次革新，而人工智能对网络教育的渗透，又将其推向了新的发展高度。[2]学生可以自主地登录网络平台进行在线学习，根据智能导学系统制订学习计划，进行在线测试。例如近年来大为流行的MOOC课程，学生可以便捷地通过网络获取全球最高质量的教学资源，并可以量身打造自己的学习计划。
22基于人工智能的教师辅助系统
近十年来，智能传感器、语音识别、图像识别、深度学习、大数据等方面的蓬勃发展令信息的采集及处理越来越准确高效，这无疑使得人工智能与辅助教学系统的融合变得越来越深入。借助于语音识别、图像识别等技术，学生可以将学习过程中遇到的问题上传至系统，借助于数据库系统对信息准确的搜素和整合能力，实时地为学生提供答案或相关信息，答疑解惑。目前此类应用软件的应用广泛，例如小猿搜题、百度作业帮等。
23基于人工智能的教育数据库系统
随着信息化时代的到来，如何高效地搜集、分类和检索碎片化的教育信息和教学资源，无疑是一项巨大的挑战。为了更有效地分配和管理信息，在教育中引入智能化的数据库系统势在必行。现如今数据挖掘和深度学习的研究成果不断深入，依托知识库系统对教育信息的整合与构建，学生可以将已习得的零星的知识点进行扩充，由点至面的不断学习新知识；依托教育资源管理系统中来，教育管理工作者可以合理分配教学资源，让人们从爆炸式的高密度信息中解放出来，真正做到物为己用，因材施教。
3人工智能与农业知识培训的结合
新时代社会经济的发展为国家农业产业的发展翻开了新的篇章，如何加快社会主义农业现代化，促进农业转型，这为新时代的农业知识教育提出了新的要求。另外，近年来劳动力转型的趋势日益显著。随着农业劳动人口数量的减少，为了提高农业生产效率，需要有素质、懂知识的农民投入农业生产中来。因而，对于农业知识培训的革新作为农业现代化建设的重中之重，已被提上日程。
人工智能技术和教育领域融合的不断完善成熟，基于人工智能的农业知识培训正如雨后春笋般涌现，在农业教育培训领域崭露头角。
31人工智能应用于农业知识培训的优势
从我国农业发展的现状看，较之于发达国家，我国农业从业者的基数巨大但是整体受教育程度偏低，农业专业领域的知识匮乏，农业知识教育的推广不仅薄弱，而且效率低下。因此，伴随着信息化时代“互联网+”的新型教育模式对传统教模式的强有力革新，基于人工智能的农业知识培训展示了其强大的威力和优势，具体可以总结为如下两个方面。
311个性化教育针对性强
相比于课堂教学的传统模式，基于人工智能的网上在线教育模式能够为学生个性化地制订学习计划，灵活安排学习时间。这有力地解决了学生参加农业知识培训的时间成本问题，农业从业者可利用闲暇时间自主安排学习。另外，针对于培训者的当前知识水平和培训需求，培训平台可以个性化地安排教学相关领域的专业知识和操作技能。
312教育资源利用率高
我国当前的农业知识培训，教育教师需求数量和实际在岗教师资源极不匹配，具备丰富农业专业知识和农业生产经验的教师数量缺乏，这是导致农业知识培训推广速度缓慢的重要原因。而人工智能为这一问题的解决带来了福音，智能化的教学进程得以让教师从繁重的教学负担中解放。同时，基于网络的课程资源共享可以让先进的农业技术走进千家万户，让学生与优秀农业知识的距离不再遥远。
4平台开发的系统架构
基于人工智能技术，一个合理的农业知识培训平台能够像一个优秀的教师那样具备完备的农业专业知识和优良的教学技能知识，并且能够模拟及扩充教师的教学过程。除此之外，该培训平台还能够准确实时地与学生进行信息交互，有针对性地开展个性化教学，并可以自适应地完成教学效力评估和反馈，不断更新和完善教学内容和教学策略。基于以上分析，该开发平台的系统架构分为学生模型、教师模型、综合数据库模型和人机交互接口四个组成部分，结合下图对每一部分分别进行详细阐述。
41学生模型
学生模型应针对不同的学生，准确地评估学生当前的学习水平，对学生的学习背景、知识水平、知识架构进行诊断和评定，以便有针对性地制订教学方案，进而实施个性化教育。
另外，学生模型需要对学习过程中的学生的学习情况进行记录入库，对教育效果进行评定，从而诊断出当前教学计划是否合适，以便下述教师模型中对教学内容和教学策略的灵活调整。
42教师模型
教师是教学工作开展过程中的主体，一个合理的教师模型应该包括如下三个部分。
教师模型首先完成教学内容的选择，这要根据学生模型中对学生当前的学习水平的评定，并且针对学生既定的学习目标，并从下述知识库中调取对应的内容，为教学的开展做好准备。
在确定了教什么的问题之后，教室模型要确定如何教的问题，即选取合理的教学策略开展教学。教学方式的选择依附于学生模型，而又能根据学生学习情况记录进行反馈动态，不断完善和调整教学策略。
另外，在传统教学模式中，教师传授知识，并能为学生答疑解惑。当学生在学习过程中遇到问题和疑惑时，教师模型应该实时地提供信息支持，为学生提供针对性的帮助。因而教师模型要实现与人机交互接口的实时连接，在问题到来时控制模块驱动应答部分为学生答疑解惑。
43综合数据库模型
综合数据库模块为农业知识培训系统提供数据库支持，主要包括以下三个模块。
知识库模块中分类别地存放着农业领域的专业知识，包括文本、图像、自然语言、多媒体等多个类型的学习知识。一旦教师模型中完成了教学内容的选择，便由此模块中调取相对应的文件开展教学。
专家评估模块用于处理教学过程中的教学效果评价和经验总结，为教师模型中的各个环节的反馈和更新迭代提供数据支持。在一个完善的教学过程，教师需要根据学生的学习效果进行总结和反馈，以此指导下一步的教学内容和策略的更新。
为了对学生阶段性学习的效果进行评估，还需要引入测试考核模块对学生的成绩进行量化考核。测试考核模块中包含学生答题库和成绩测评库，准确检测出开展农业知识培?的作用与效果。
44人机交互接口
基于人工智能的农业知识培训的过程是学生和系统进行交流的过程，所以一个友好的人机接口是系统必不可少的组成部分。在这一模块中，友好的图形用户界面的设计能够帮助学生流畅地接收信息，提高学习效率。同时，借助于人工智能中对语音和图像信号的先进识别技术，人机交互接口可以智能化地接收分析和理解学生的自然语言信息和动作信息，进而为系统提供宝贵的输入信息。
第7篇：数据挖掘学习计划范文
关键词:网络智能学习系统学习模型
中图分类号: 文献标识码:A文章编号:1007-9416(2010)01-0000-00
1 传统网络学习系统的学习模型
在基于WWW的网络教育发展过程中,一般采用了B/S浏览学习结构,即:将课程资料、素材、讲义、电子教案等存放在远端的WEB服务器上,并且如果系统使用了数据库则通过WEB服务器与数据库进行连接。然后学习者在通过Internet或者Intranet接入的方式,对WEB服务器提出请求,由服务器端进行处理,然后反馈给客户端相应的内容,这是传统网络教学系统所普遍采用的基于WWW的远程学习模型,如下图:
这种基于WWW的远程学习模型满足了网络学习的基本要求,能够实现网络学习。而且现在的很多网络学习系统和平台依然在采用这种模型,其优点是学习系统结构清楚,维护方便,而且B/S结构和数据库的引入可以让所有接入这个系统的学生进行有效的学习,如果在功能上(例如作业系统、评价系统、监控系统、讨论平台等)和学习资源上给予足够的支持,将是实现网络远程学习的更有效的途径。
但是应该看到,这种模型同样具有一个明显的缺点:这种学习系统主要以系统为中心,并没有充分考虑学生的需求和习惯,要求人来适应系统而不是系统来适应学习者,没有充分按照人的个性要求等因素来实施系统设计。实践也逐渐地证明了这一点,那就是学生在这样的环境中学习,需要花很长的时间来适应这种环境,而且一成不变的学习环境、不感兴趣的辅助材料使学习会变得枯燥和无味。
2 网络智能学习系统的特征及其发展趋势
在传统的网络学习系统中存在的最大的问题就是没有以学生学习为中心,系统对学生不能自动的适应,没有照顾到学生的个性因素,不利于学生完全自由的学习,也无法做到个性化指导。
要解决这一问题,最关键的就是要在学习系统中增加对学生个性化因素、学习策略等方面进行支持的功能模块。因此,需要研究具有智能分析学生个性化特征的网络智能学习系统,在这种系统中,不是简单的对传统网络学习系统的改进,而是一种理念上的更新:这将以学生的学习为中心,尊重不同学生的个性,发掘学生学习的潜在规律,让系统智能的来适应学生,从而更好的支持学生自行选择的学习策略,培养其元认知能力,在了解学生学习过程的情况下给予适当的个别的学习指导。
在传统网络智能学习系统研究中主要具有如下特征:
2.1 具有更强的交互性
在这里更强调人机交互的方便和易用性,学生可以对系统提出相关资源请求信息,得到系统及时的反馈,比较常见的有智能搜索引擎等。
2.2 具有良好的导航功能
良好的导航功能可以使学生在浩如烟海的学习资源中清楚把握自己所在的学习位置,并能迅速方便的找到自己需要的资料,避免出现迷航现象。
2.3 能提供一定规模的专家知识领域库
这就加强了对学生自主学习的指导作用,学生在学习过程中,可以借助比较智能的专家知识领域库来做出对遇到问题的解释,在这里,专家知识领域库并不是完全作为一种答案解答机制,也不是对所有问题都提供详实的解释,而是指导问题解决的相关概念,这样可以让学生利用适当的学习策略,通过知识的迁移来完成对问题的解决,培养其学会学习的能力。
2.4 采用了具有一定智能测试反馈策略
在过去的研究中,智能(自适应)测验也开始引入了智能学习系统的设计。自适应测验是计算机技术和项目反应理论相结合的测验方式,它需要根据学生对试题的反应来选择下一个测试题,它需要实时对学生的反应做出判决,并需要根据一定的规则选择下一试题。通过具有智能特征自适应测试,可以对学生的知识水平和学习效果做出一个初步的判断。
传统网络智能学习系统确实在一定程度上体现了更加重视学生“学”的特点,将学生学习置于中心地位,是网络教育的重大进步。同时,随着研究的深入进行,发现基于网络的自主化学习对网络学习系统的要求也越来越高,因此就要求网络智能学习系统有更深层次的改善和发展,其主要结构特征发展趋势为:
2.4.1 建立动态学生的认知模型,以存储学生学习过程中的特征信息
网络智能学习系统最核心的特征就是根据学生的能力特征和认知特征提供最适合学生需求的学习环境。从这个角度看,就要求通过一定的技术测控手段将学生的个人学习情况记录下来,再通过分析决策得到相关结论,作为教学决策的依据。认知模型主要记录每个学生原有的知识水平认知能力和特点。
2.4.2 智能学习内容呈现方式
能根据学生的动态信息特征来动态的为每个学生提供不同的学习内容。这就需要对学生特征有详细的掌握,主要包括个人信息、安全信息、学业信息、管理信息、偏好信息、关系信息、绩效信息、作品集信息、学习行为(进度信息、课程内容学习信息、典型例题学习信息、练习信息、作业信息、测试信息、提问信息、交流信息、媒体学习信息)等,而且学生的这些特征将随着学生的学习发生适应性的改变。根据学生的这些特征信息进而确定不同内容的不同呈现方式,更好地适应每个学生的学习特征,实现学生的个性化学习。
2.4.3 智能导航功能支持
智能导航主要为了解决学生在超媒体和超文本空间航行过程中的方向性问题。因为在网络学习中,学习内容虽然形式多样,但主要是以超文本方式链接起来的。学生在其中学习的过程中,容易在超媒体的复杂关系干扰下出现迷航现象,所以需要有智能导航系统的辅助。如树形导航、路径导航、内容导航等。
2.4.4 智能学习策略的支持
网络学习是以学生学习为中心的学习,每个学生根据其认知水平、兴趣爱好、认知特征、元认知能力等方面的差异,对相同的学习内容、学习目标会采取不同的学习策略。对于网络智能学习系统而言,就需要将知识以单元的形式,通过对学生相关信息的判断,提供对不同学习策略的支持。例如对同一学习内容而言,在教学设计之初就应该建立完备的设计规划,充分考虑到传授式学习、探索式学习或是协作学习的具体支持策略。
2.4.5 智能语义搜索
根据语义网络原理建立知识库和语义网络的对应关系,构建基于限定领域的搜索引擎。根据学科和学习者的特征以及他的历史搜索记录、历史学习记录等,呈现其最需要的查询内容。
2.4.6 学生学习记录与智能分析
对学生学习的历史记录包括学习内容、参与测试的过程和结果、参与的讨论和提问、学习策略的选择、学生自行记录的学习日志等等,记录学生的学习行为,并以一定的规则进行数据抽取,以得到学生学习过程的概括描述,这就是关于学生学习过程的智能分析。通过对学生学习的历史记录进行智能分析,可以知道学生对知识掌握、学习策略选择、参与讨论的积极性、学习时间分配等许多学习要素。然后根据这些要素分析的结果给予学习者一定的客观的评价,同时推荐给学习者相应的学习建议,包括可能需要的学习内容或学习资源等等。
2.4.7 智能答疑系统
学生遇有疑难问题时,可以通过智能答疑系统中的智能语义搜索引擎来自动解答。在接到学生提问后,首先在已有专家知识领域库和已解答问题库中进行搜索,若找到相关问题则呈现给学生,若没有找到则将问题存入未解答问题库,待解答之后返回给学生,同时并存储在已解答知识库中,并定期对问题进行统计分析,得到学生对学习内容的整体提问分布,从而
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
2.4.8 智能评价与反馈系统
网络智能学习系统中,学生的学习成果和知识获得可以通过测验、考试等办法得到,同时利用智能评价系统,基于学生的学习过程做出形成性评价,对测验、考试的结果做出总结性评价,并给予适当的建议让学生进行调整。
从上述研究来看,网络课程的特征结构可以表示为如图2所示的结构组成。
3 网络智能学习系统的学习特征
在网络智能学习环境中,学习是学生通过自身原有知识经验与智能学习系统进行交互活动来获取知识、提高能力的过程。在这个过程中,学生能够自我组织、制定并执行学习计划,自主选择学习策略,并能控制整个学习过程。这种学习主要有以下特点:
3.1 是基于资源的学习
但是学习资源在呈现上并不是按照事先完全确定的顺序和模式来为学生提供的。而是由智能学习系统根据学生的个别化特征来有选择的呈现,学生的个别化特征包括学生的个性化分析、学习风格分析、学习过程分析、测试结果分析等。
3.2 学习过程是在学生的掌握和控制中的
智能学习系统中建立的学生认知模型,是对学生的个别化学习提供帮助与支持的。学生将对自己的全部学习负责,智能学习系统将对学生的学习进行指导,推荐学习资源,对学习策略和学习进度给予建议。
3.3 学生的学习是个别化、人性化的
在智能学习系统中,充分尊重学生的个人学习风格和学习习惯。通过对学生的个性特征进行分析、数据提取、数据挖掘,得到学生的个人特征模型。可以说学生在这种环境中学习是完全个别化的。
3.4 学习过程是知识的建构过程。
学生学习的过程中,他们主要是通过自己在智能学习环境中探索、研究、讨论和交互来建构自己的知识。学生在这种环境中探索和交互时,不仅掌握知识,更重要的是掌握学习方法,同时也强调知识的运用能力和与他人合作的能力。
3.5 学习过程是数字化和高度智能化的过程
智能学习系统的学习环境的构建可以说是一个高度数字化和智能化的系统:对学生个性的智能分析和灵敏的主动适应,快速的反馈和个性化的评测系统,存储大量的媒体资源供选择,方便的讨论和通信系统。因此,这种智能学习系统的构建需要利用多媒体网络技术、人工智能、数据库及数据挖掘技术、语义解析、网络通信等最新技术。
3.6 学习过程是一种不断反馈的过程
在智能学习系统中,学生的学习将是自己不断调整的,同时需要系统根据对其个性因素、智力因素、知识水平等等的分析给出相应的建议。另外,学生还要有和别的学习者进行交流的机会和条件,需要教师在适当的时候给予指导和建议,因此,这种环境下的学习是一个不断调整、不断反馈的过程。
参考文献
[1] 段培俊等.基于网络的智能自主学习系统设计[J].2006.
[2] 刘立新.智能教学系统学生端导航模型设计[J].2006.
[3] 李听.智能授导系统中学习者特征分析的研究[J].2005.
第8篇：数据挖掘学习计划范文
2012年是美国在线教育市场风生水起的一年，、Coursera、Udacity等在线教育机构先后获得大笔融资，数额从几百万美元到上亿美元不等。
美国火爆的在线教育市场给国内创业者和投资人带来了极大的信心和热情。从去年下半年开始，国内先后有网易前总裁李甬（创办粉笔网）、世纪佳缘前CEO龚海燕（创办91外教网）等一大批创业者积极投身到这片蓝海之中，欲抢先抓住掘金的大好时机。新东方创始人、著名天使投资人徐小平更是在微博上大胆地指出：“在线教育是未来！所有从事教育与培训的朋友们不关注在线教育，来日无多啦！”在他看来，未来两年内，在线教育将成为和电子商务一样普及的行业。
近日，在线教育网站沪江网获得了约2000万美元的B轮风险投资，创下国内在线教育领域近年来最大的单笔融资纪录，其品牌估值也达到2亿美元。同时，还有超级课程表、91外教网、猿题库等公司先后获得融资，国内在线教育市场一片蓬勃景象。
除了资本的看好和创业者的热情，像BAT这样的互联网巨头也对在线教育青睐不已。日前，有传言称淘宝即将推出教育频道“淘宝同学”，尽管官方尚未正式表态，但淘宝进军在线教育领域的意图昭然若揭。此外，百度CEO李彦宏也曾在公开场合指出当前教育的弊端并呼吁“用互联网升级教育”；而腾讯也不甘落后，已推出“腾讯徽讲堂”这一原创节目，同时也在儿童领域重点推进教育产品。
巨大机遇引发创业热潮
在线教育已被视为下一个互联网创业热潮，不仅市场规模庞大，而且机会众多。
有公开数据显示，近几年，我国教育信息化市场规模实现了快速发展，2010年中国教育信息化市场规模为1117亿元，2011年达到1322亿元；同时，2012年中国教育行业IT投资总规模达到439.1亿元，同比增长率达到20.9%。
新东方董事长俞敏洪就曾公开表示，随着互联网等现代技术的发展，在线教育行业将迎来颠覆式的变革，“线上占40%，线下占60%，这个情况的发生，就是未来3至5年的事情”。
“在线教育是一个欣欣向荣的市场，互联网迟早将再造传统教育行业。”对此，龚海燕也持同样看法，“经济越发达，人们在教育上的投入就会越多。”在她看来，人们在物质上充实后，就会在精神上有更多的需求，而教育本身既是精神的东西，同时也是打开精神通道的方式。
在细分领域，在线教育更是大有可为。按年龄阶段，在线教育可大致分为幼儿教育（0-6岁）、K12教育（6-18岁）和大学教育。除此之外，还有P2P教育、外语教育、职业教育、企业教育、兴趣教育、出国留学、考研/国考、考试服务等诸多领域，并且多数领域都有值得深入挖掘的价值。如此前曾有报告显示，中国在2012年已经花费300亿元投入到英语学习当中，根据市场成长情况，2013年英语培训市场规模更有望突破350亿，而像91外教网就是定位在英语培训领域之下的在线英语口语教育之上。
同时，就行业本身的发展而言，在线教育才刚刚起步，如今抢先出手的各公司都还处在摸索阶段，市场尚未形成巨头垄断的态势，而教育本身又是一个竞争激烈、巨头领跑的行业，这就给国内诸多创业者留下了巨大的机会和想象空间。
想获利就要打“持久战”
随着互联网的飞速发展，在线教育成为大势所趋已是业内公认的观点，甚至有不少人把如今的在线教育看作是下一个电子商务，对它寄予厚望。
投资者们看中的在线教育的优势主要在于其可以突破时间和空间的限制，让用户可以自主选择学习的时间和地点，同时打破了传统教育行业长期存在的教育资源、师资力量等分布不均的诸多弊端，使得教育资源得以共享，不受经济、地域等因素制约。此外，网络内容表达形式的多样也让在线教育的内容更加丰富多彩，不再局限于传统教育的刻板内容。
“实际上，我们已经看到它是大势所趋，在线教育能够带来的用户体验，经过我们最近的研究发现，用户一旦开始使用在线教育后，实际上很难再回到传统的教育方式上，在线教育能提供时间上的弹性、一对一老师的便利性，都是线下教育无法替代的。不过，线下教育所能提供的同学之间关系的维护等，则是线上教育比较欠缺的。”欢聚时代CEO李学凌表示。
尽管优势明显、前景诱人，但目前在线教育依然面临着叫好不叫座的尴尬局面。
首先是用户行为习惯尚未真正养成，在线教育最大的缺陷在于对用户没有限制行为，用户可以随时终止学习，而在以娱乐为主的网络休闲时间之中，网站很难保证用户的黏度，也难以保证用户在网上学习的效果。
其次是盈利模式不清晰，目前，在线教育仍处于成长初期，尚未出现成熟的商业模式，盈利前景并不清晰，烧钱成为当下诸多在线教育网站共同面对的问题。学而思董事长张邦鑫此前曾在媒体上表示，集团在线教育业务每年亏损额已达数千万元，至于这种情况何时能终止，他心里也没底。学而思网校内部人士也曾透露，尽管从财报上看，网校贡献了集团3%的营收，却承担了一半以上的亏损，“今年，学而思网校的目标是盈利1元钱，如果这个目标能达到，将会具有非常强的标志意义”。
最后是教育产业本身的属性问题。教育是个慢行业，需要内容、经验、资源等的不断积累，而互联网却是个快行业，两者在发展速度上存在一定的矛盾。同时，两者相结合的在线教育本身也需要时间、人力、物力、技术等大量成本的不断投入，试图在2至3年内赢得丰厚利润并不现实。
大数据与云带来的变革
虽然当前在线教育还留有诸多问题等待从业人士的解决，但其广阔的前景已是事实。而作为传统行业的颠覆者，大数据、云计算等技术的发展也为在线教育带来了新的机遇。
作为当下最火热的技术，大数据对海量数据进行数据收集、挖掘以及分析从而产生的价值，已成为行业人士争相追捧的利润焦点。
在线教育领域，常常会面临网站提供的内容并非用户所需、无法精准聚焦用户需求等一系列问题，而大数据则能带来全新气象。如今，在线教育网站可以利用大数据挖掘并分析用户的行为数据、课程内容数据、题库数据等一系列相关数据。例如网站可以通过大数据掌握用户对不同知识点的掌控程度、掌控相应知识点的使用时间、偏好的表达方式和学习工具等，而网站可以通过这些挖掘分析结果向用户实时向提供反馈，并提供推荐课程和习题，帮助用户随时调整自己的学习计划。同时，老师也可以利用大数据的分析结果来研究学生的学习模式和行为习惯，以便更好地了解学生的学习情况和行为习惯，更好地帮助他们学习。
以当前很火的猿题库为例，公司2月18日上线的“公务员考试题库”上线4个月，已有21万注册用户，服务器端生成并评估试卷套数达5亿次；而5月份上线的司法考试题库，8天内就有了2万多的用户。据了解，考生只要在猿题库上开始答题练习，系统就会清晰地分析出他当前的能力水平、薄弱考点有哪些、如果参加考试预计能得多少分以及接下来需要做什么题目等，而这些是猿题库基于大数据的分析及人工智能算法等多项专利技术而实现的。猿题库创始人兼CEO李勇表示，题库将通过人工智能算法对考点、考频和难度进行分析以及基于大数据的挖掘，准确地评估出用户当前的能力水平，一对一有针对性地出题。
对于平台型在线教育网站而言，通过大数据手段，对当前庞大的教育资源进行数据整合和优化配置，可以打破原先的限制，让优质教育资源得以共享；对相关数据的充分分析和挖掘必然使其更加强大。
提到大数据就不得不提及云计算，云计算通过资源的虚拟化和调度实现资源分配使用的合理化，以此降低成本并促进创新。云带来的是计算能力的革命，而大数据则使云计算有了新的商业价值的落地方式。与传统教育培训机构相比，在线教育虽然节省了师资、教室等成本，但却增加了技术、产品等人力的投入和宽带、服务器等网络方面的投入，而云计算给网络教育带来的最大的好处就是成本的大幅降低。
第9篇：数据挖掘学习计划范文
概述
研究背景
笔者经过文献分析，现有的教育技术专业知识管理系统的功能、理念设计已不能满足现有用户的需求，而且大多是个人或学校所有的知识管理系统，使用权归所在学校的教师、学生所有，其他人很难获取权限;而个人所有的知识管理系统居多，但由于个人能力和精力有限，往往所涵盖的知识深度、广度有限，功能不全面。因此，开发一个功能强大、知识覆盖面广、访问权限开放，能促进知识共享再造的系统非常急迫。该文围绕教育技术专业人员对系统设计的需求，在分析现有案例的基础上设计了该系统的功能模块图，以期为教育技术专业知识管理系统设计者提供借鉴。
研究方法
文章主要采用问卷调查法和案例分析法。在对有关教育技术学专业知识管理的书籍、文献分析基础上，设计了调查问卷。问卷主要从该专业的知识体系、在线学习活动行为、管理系统的特性、管理系统的功能需求等维度进行设计，以此来了解分析教育技术学知识管理系统的用户需求;笔者同时在网上搜索了相关知识管理系统，筛选出了内容丰富、功能全面的网站作为案例进行分析。
该问卷在问卷星平台上进行发放，共发放29份问卷，收回29份，回收率为100%，其中24人是教育技术学专业，2人是现代教育技术专业，3人是非教育技术专业。
问卷结果显示，用户在知识搜集知识订阅、知识收藏、知识评论、知识学习等业务需求中主要的是知识学习、搜集(86.23%)、收藏(58.62%)，而在知识订阅和知识评论等方面比较少。因此，预开发平台应该为用户提供更便捷、良好的知识搜集学习机制，同时加强订阅服务和知识共享评论鼓励机制。
在专业知识了解程度方面，只有13.79%的用户表示有一定程度的了解，因此预开发系统应能为用户清晰地呈现教育技术专业需要学习的知识框架，专业的知识体系[2]。建议以学科基础、学科建设、学习资源为主，并对教育技术学所包含的知识模块进行综合系统开发。因此，后期开发中应注重对用户的引导，使其进行系统综合性学习;在知识共享分享机制方面:大部分用户愿意将自己所收集掌握的知识整理后通过网络与大家分享，占到62.07%，但仍有37.93%的用户持无所谓的态度。因此，预开发平台将通过激励机制鼓励持“无所谓”态度的用户进行知识分享。
在系统功能搜索开发方面，用户清楚自己需要的知识，但不能迅速定位，且查找及删选费时。因此，预开发平台需要为用户提供便捷、精确的高级搜索引擎、云服务、数据挖掘等搜索工具;用户在知识处理时，大部分用户都在计算机上进行知识处理，记录的用户比较多，但及时整理的不多，因此后续开发中需要提供良好的多维分类和多维标记对知识进行管理，并设计奖励机制，鼓励用户对知识进行整理;在用户预期理想搜索方式方面，目录搜索/分类搜索与关键字搜索仍受到众多用户的喜爱，元搜索、知识地图、链接列表次之，最后是推送服务。因此，在该平台的设计中，应支持多种搜索方式，而推送服务不受欢迎的很大原因是因为用户跟踪数据处理不精细，导致为用户推送了很多垃圾信息，所以预设系统应加强数据的智能化处理，为用户推送更加个性化的信息。
在知识管理平台个性化设计方面，大部分用户希望该系统为其提供“近期需要学习和正在学习的知识、以及最新热点知识、素材资源，等”并着重对用户进行学习记录跟踪提供近期所需信息与最新热点的呈现，大量免费素材资源的分类存储分享，提供重难点知识和知识概念图，使用户可随时查看学习信息，并据此做出学习计划。除此外，用户希望知识管理系统平台为其提供听示的功能。大部分用户希望该系统为其提供个人知识管理系统、学习记录和步调跟踪、智能知识分类、专家系统疑难解答、知识百科、专业圈子等功能，用户对个人知识管理功能需求较大，因此预开发平台中应该提供多种个人知识管理软件便于下载使用;在对知识管理系统平台了解及使用情况方面进行统计发现，只有10.34%的用户表示了解并使用过，不了解、没用过的占到了7.86%，因此，在对知识管理系统进行设计时，应有说明及帮助版块，界面简单易操作。的案例。Kmpro知识管理系统基于互联网架构，整合了企业的知识管理引擎，是面向流程的一套功能完整、操作便利、弹性的知识管理平台。功能有:知识地图归纳整理企业知识体系、知识管理引擎管理企业知识文件;知识采集工具、知识工具、知识搜索引擎、知识学习计划、知识资产评估工具，为该企业整理、共享、评估内部知识资产提供了稳定、高效的平台。因此，该系统的功能图中的知识分类、知识共享、知识浏览可以作为预设系统的功能设计参考;TFS睿思鸣知识管理系统是一个集企业与个人于一体的知识管理系统，功能强大，使用率比较高。该系统的特色有最新知识、最热知识排行榜，公司的每日之星、公告栏、搜索框、投票、通讯录、专家黄页、问答版块、知识地图以及个人空间。其个人空间功能也十分完善，比较突出的有系统邮箱、搜索版块，论坛版块、正在热议、换肤、项目、专题、娱乐、猜你喜欢(推送知识)并与研发中心链接，方便员工进行投稿，并可以用微博、QQ的账号进行登录，分享知识到微博或空间。除此之外，还有积分榜、人气排行、我的导航，等，鼓励用户互动分享，促进交流。其中，我的空间功能板块包括九大单元:系统消息:通知用户查看邮件、通知消息;我的问答:对访问者提出问题、回答者的回答，及时显示在空间内，以便于提问者追问或回答者补充答案，并将提问及回答同步到系统的论坛内;推送知识:是指系统根据访问者的学习踪迹进行科学的分析，为其推送相应的知识;我的关注:是指访问者根据自己的爱好，定期关注某专业或某类知识;我的订阅:是指访问者订阅某杂志或期刊;我的知识:用户对自己获得的知识二次加工，进行整理、标记、编辑后在自己的空间进行分类显示;我的收藏:根据个人爱好，收藏自己喜欢的图片、文档、音视频，等;我的博客:为访问者提供一个将隐性知识显性化的平台，访问者可以随时查看自己的足迹，包括学习反思，游记，等。
