利用数据挖掘技术在教学中应用

前言：想要写出一篇引人入胜的文章？我们特意为您整理了利用数据挖掘技术在教学中应用范文，希望能给你带来灵感和参考，敬请阅读。

摘要:以数值分析课程为例，在新工科背景下利用数据挖掘技术探讨学习分析在教学中的应用。选取三峡大学理学院两个数值计算课程班级的学生作为实证研究对象，形成对照组，进行实证研究，得到学习数据与学生成绩二者之间的关系，及时了解学生的学习情况并发现学习过程中出现的不足，预测学生在学习时可能遇到的难题，以期为三峡大学理学院在线教学平台的建设与改进提供理论指导，形成较为完善的在线教学平台。

关键词:新工科;数据挖掘技术;学习分析;数值分析课程

《教育部办公厅关于推荐新工科研究与实践项目的通知》《教育部高等教育司关于开展新工科研究与实践的通知》一经发布，加快了新工科建设的步伐。数据挖掘技术结合了人工智能、数据库、统计学、机器学习等多个领域的理论和技术。在国外，采用判别式分析的方法，佐治亚州立大学学者分析了高中学习者在线课程的学习情况。在国内，大部分学者将研究主要集中在学生在线学习的数据采集、监控和数据分析等方面。胡运安等人采用机器学习的方法，在规范的网络教学平台上采集学生在线学习的数据，并对此数据进行分析和评估;赵慧琼等人采用数据挖掘技术对学生的学习过程进行适当干预，挖掘学生在线学习的潜在问题并提出合适的、有特色的解决方案，进而提高学习效率和教学质量。

1数据挖掘和学习分析

1.1数据挖掘

通过人工智能的算法对数据库中的信息进行搜索并获取隐藏信息的过程被称为数据挖掘技术。数据挖掘的实现和计算机技术有关，需要对数据库中的大量数据进行统计，利用数据分析技术在线分析相关数据，采用情报检索的方法进行数据检索，可结合机器学习的算法、过去的相关经验规则及模式识别等多种途径进行实现。要从大量模糊的、有噪声的、不完全的数据中挖掘出有用的信息通常需要经过以下步骤:数据清理、集成、筛选、变换、挖掘、模式评估和知识表示。

2学习分析

学习分析是指采用数据建立模型预测学习者的学习成效和学习行为。2011年，学习分析被定义为通过对学生学习情况相关数据的检测、整理和分析来对学生的学习效率进行优化。学习分析模型主要包含了收集学生发布的数据形成特征库(数据层)、分析行为特征库中各个因素之间的关系和内涵并进行预测和反馈(机制层)，将分析得到的结果提供给教师、学生和家长(结果层)。

2研究对象和内容

结合三峡大学理学院的办学特色和教学条件，利用数据挖掘技术探讨学习分析在工科研究生教学中的应用，研究对象和主要内容如下:(1)获取学生在线学习的相关数据，如学生一学期登录教学平台的次数、单次登录教学平台的在线时长、一学期在线时长总和、在线操作频率、每次作业的完成时间和提交时间、是否和教师在线进行互动等内容;(2)将各网络教育平台收集的数据进行比较分析，归纳总结学生学习相关数据的处理方式，将整理之后的数据以合适的方式优化，最终确定项目需要研究的数据。通过数据处理优化，能够筛选出规范的、有结构化的数据，为后续的研究做准备。(3)选取几种常用的数据处理算法和数据分析方法，将这些算法和方法进行对比分析，选择适合学生在线学习数据的优化算法和分析方法，掌握这些算法和分析方法的原理，精通这些算法和方法的使用方式，然后利用大数据技术为后面的研究做铺垫;(4)选取两个数值计算课程班级的学生作为实证研究对象，形成对照组，进行实证研究;(5)对所选取的研究对象进行成绩分析，以验证研究方法的有效性。

3具体实施过程

3.1建立教学实证研究模型

教学实证分析系统的功能模块如图1所示。

3.2数据筛选和优化处理

A.数据的获得。统一录入学生基本信息到三峡大学网络教学平台，任课教师在平台上发布教学相关资源和知识结构，创建各类教学区域，如作业、测试、答疑讨论、案例库与问卷等。课后，学生能够在平台中学习知识、提交作业、互相讨论、巩固教学内容，以加强学生学习效果，提高学习效率。利用平台获取学生的学号、姓名、班级和年级等数据，通过分析方法得到对结果无影响的相关参数，将其列入学习成绩相关的指标中，确定并选取以下指标:(1)学生登录网络教学平台的次数、课堂讨论发帖次数、课后记录知识点的次数、复习课件的次数、练习试卷的次数、提交试卷和作业的次数、学习最终成绩、单次在线时长和在线总时长;(2)将学生基本信息全部录入到教学平台中，融合学生的校园卡所存储的数据和成长发展数字化平台的数据，根据在校情况、回访情况和档案记录情况分析学生的日常学习和生活，依据多维度分析法确定学生时间和成长两个维度之间的关系，给出学生的在校轨迹。B.数据的处理。在学习分析数据工具的选择上运用了以下算法:(1)决策树算法:经常用于学习者的模式识别与预测;(2)神经网络算法:应用在模式识别中，能够对干预学习和学习预警提供一定的决策支持;(3)支持向量机算法:主要用在模型识别、模型分类和模型回归分析中;(4)K－Means聚类算法:在学习分析中可以应用于数据的聚类分析。C.实证研究对象的选取和具体研究过程。(1)选取两个班的学生分成1、2两个组;(2)按照前6周学习结果预测两个组学生可能会出现的危机情况;(3)将预测结果告知1组，对1组学生后6周的教学过程进行适当干预;(4)2组的学生不干预，只预测;(5)对1组学生进行相关指导;(6)参照学生最终成绩、回访结果和调查结果，确定学习危机预测准确与否及这种预测和适当的干预可否激励学生提高学习积极性、课程考试过关率、学习动力和学习有效性。

4结语

利用数据挖掘技术对数值计算这门课的学生在线学习相关数据进行分析研究可以得到学习数据与学生成绩二者之间的关系，及时了解学生的学习情况并发现学习过程中出现的不足，预测学生在学习时可能遇到的难题，为三峡大学理学院在线教学平台的建设与改进提供理论指导，形成较为完善的在线教学平台。

参考文献:

［1］隋永博，曹旭.基于数据挖掘的学习分析在教学中的应用初探———以高校计算机课程为例［J］．长春中医药大学学报，2018，34(05):988－991.

［2］孙永辉，周宏.数据挖掘技术在高校成绩分析中的应用研究［J］．科技创新导报，2015，(33):157－159.

［3］孙伯翰.基于数据挖掘学习分析的高校计算机教学实证研究模型分析［J］．现代电子技术，2019，42(19):127－131.

作者:杨珊珊 单位:三峡大学理学院