前言：尋找寫作靈感？中文期刊網用心挑選的數據挖掘技術在遠程教育的運用，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
摘要：本文從分析遠程教育實踐中學生的學習支持服務需求入手，研究了數據挖據技術在遠程教育領域中的應用，基于決策樹算法根據學生知識儲備情況與學習行為的特征數據構建了學習支持服務模型。
關鍵詞：遠程教育；數據挖掘；學習支持服務；Clementine12.0
基于教育數據挖掘（EducationalDataMining）技術對遠程教育類數據集合的處理與分析可以為參與遠程教育的學生有針對性的構建學習方案，合理組織學習內容與進度，有效提升學生學習效率，對現代遠程教育的發展起到了重要的推動作用。
1遠程教育的局限性
對于接受遠程教育的學生，其學習效果主要受到三類因素的影響：學習過程中的有效交互，學習能力的培養，合理的規劃學習進度[1]。而依靠其自身去解決這些問題存在著很大的難度，遠程教育平臺應根據學生的實際需求提供功能完善有效的學習支持服務，幫助學生克服學習過程中遇到的各類困難，為提升遠程教育的人才培養質量提供保障。
2教育數據挖掘
數據挖掘（DataMining），作為涵蓋了計算機、統計學、數學建模等多個學科的新興技術，通過對存儲的海量數據的檢索與分析來發現研究對象所隱含的關系及規律，以強化組織決策能力。教育數據挖掘技術主要是基于數據挖掘技術對教育行業的相關數據進行分析、整理與歸類，并依此對學生的學習行為進行有效預測[2]。
3基于數據挖掘的遠程教育支持服務的實現
本研究數據挖掘所分析的數據來源是運城廣播電視大學遠程教育平臺自動采集的連續3年的已結業學員在參與“Android應用程序開發”課程學習相關的信息，包括基礎性數據（前驅課程結課考試分數）、過程性數據（參與學習該課程的次數、參與課程在線討論的次數和課程單元測試平均分數）和結論性數據（課程結課考試分數）。通過基于以上三類數據建立的學習者模型并分析研究三者之間的關聯，并以此為基礎創建個性化學習方案的動態推薦機制，有針對性的為遠程教育學員提供學習支持服務。同時，我們根據所選的課程內容與特點，我們為遠程教育平臺的學員制訂了3種類型的學習方案，內容簡述如下：1）傳統學習方案。大部分學員習慣于傳統的循序漸進的學習方式。設計方案為：編程語法基礎→算法實現→UI界面設計→簡單功能實現→復雜功能實現→完整項目開發。2）程序功能改進。對于擁有良好程序開發基礎知識的學員，通過對現有程序的完善與改進訓練，可以有效提升程序設計能力。設計方案為：基礎程序代碼填空→單項功能改進→組合功能改進→軟件項目綜合性能改進。3）軟件項目實現。對于有一定程序開發經驗的學員，可以直接通過軟件項目開發練習以進一步提升其軟件設計與開發能力。設計方案為：設計方案分析→軟件子功能實現→項目功能模塊整合→性能及功能測試。本研究的主要任務是通過對數據集的分析來找到影響課程學習的屬性與學習方案的關聯及映射關系。由此可知，本研究的數據挖掘任務屬于分類任務，而我們選擇的分類算法是數據分類方法中最常用的是決策樹算法，其原理是通過分析預測變量和目標變量之間的存在關系來構建數據集，最終生成的結果樹中會顯示預測變量與目標變量之間的相關度。本項目中采用了數據挖掘軟件Clementine12.0作為數據分析工具并選用C5.0決策樹算法來完成獲取最終的個性化學習方案推薦規則[3]。在數據挖掘的具體實現過程中，首先將收集到的學員學習樣本數據整理存儲為Excel文件，并在Clementine12.0中執行“源→Excel”命令，導入數據文件。然后使用“屬性過濾”功能，選擇參與數據分析的各項屬性。數據建模則通過執行“建模→C5.0”下的“執行當前流”命令來完成模型的創建，最后雙擊“路徑”圖標，查看生成的數據模型。最后通過“輸出→分析”功能，對該模型進行評估并分析其準確度。需要注意的是，為排除決策樹算法所生成的規則集中可能存在重復和冗余信息[4]。需要在Clemen-tine12.0中將所創建規則集的最小實例數設置為“10”，以獲取最精簡的規則集。此外，在樣本數量規模的選擇上本研究選取了2136條數據，最終生成的決策樹模型深度為17，經過與真實數據的比對，本次數據分類的準確度達到87.37%。結果分析表明，本研究有效并準確的為學習所選課程的學員推薦了最優的學習方案。
4結束語
本研究利用數據挖掘技術對遠程教育平臺中獲取的學員基本信息及行為數據進行分析，并基于決策樹嘗試構建了遠程教育學習支持服務模型，從而幫助遠程教育學員制訂個性化的學習方案以提高學習效率，獲得更好學習效果。
參考文獻：
[1]陳思慧，寧曉梅.數據挖掘在個性化遠程教育中的應用[J].福建電腦，2011，27(4)：138-139.
[2]陳紅普.Web挖掘在遠程教育個性化服務中的應用[J].中國教育信息化，2008(3)：83-85.
[3]丁琳，吳長永.數據挖掘在遠程教育個性化服務中的應用[J].電化教育研究，2002(9)：43-46.
[4]洪建峰.數據挖掘技術在遠程教育中的應用研究[J].微型電腦應用，2013，29(8)：43-45.
作者:段玉風 單位:運城廣播電視大學
