基于Web挖掘技术的远程教育个性化服务应用研究

摘 要：本文通过对远程教育个性化学习模式的探究，结合Web使用挖掘技术，通过对数据进行采集、预处理、模式发现以及模式分析和评价，提升远程教育平台服务能力，使Web挖掘技术在远程教育个性化教学中为学生提供更加智能化、个性化的服务。

关键词：Web挖掘技术；远程教育；个性化；服务

中图分类号：TP39

1 远程教育个性化学习模式

随着信息技术的发展，远程教育这种新型教育形式应运而生。现代远程教育通过网络技术、多媒体技术和现代通信技术等手段将信息技术和现代教育思想有机结合起来，它的开放、自主和资源共享等特点满足了“人人能学、处处可学”终身学习理念。

随着终身学习理念的不断深化，远程教育适应个性化学习需求越来越高，远程教育服务平台在教学设计、平台架构和资源优化上要满足对学习者实施个性化的远程学习服务。个性化学习强调学习的开放性、自主性和灵活性，这是个性化学习的主要特征。同时完成远程教育在网络环境下个性化学习需要网络技术的支撑，因此，它具有明显的技术性特征。从数据挖掘角度看，Web 挖掘技术是实现Web个性化服务的核心技术之一，建立个性化远程教育服务平台时Web 挖掘技术不失为数据挖掘技术的一个很好的选择。

在远程教育的个性化学习研究中，构建基于网路的个性化学习模式是重点。个性化学习具有开放性、自主性和灵活性特征，而基于网络的个性化学习还具有明显的技术性特征。从技术环境要素下设计个性化的学习模式，优化现有远程教育平台。主要设计目标有：（1）重构页面超链接。通过分析学生的学习需要，挖掘学生对知识的兴趣点，使需求多、访问量大的网页能够以更快捷、更有效的访问方式展现给学生，并重新优化网页超链接。（2）挖掘潜在数据关联。通过数据关联之间的重要信息，教师和教育管理者可以修改教学内容呈现形式，指导教学设计和修改测试难度系数等。（3）聚类分析提供导向。为学生动态提供浏览的建议，提供远程教育个性化服务。

2 Web 挖掘技术

Web挖掘是数据挖掘在Web上的应用。Web挖掘内容有：提取Web页面数据信息，分析页面之间的架构，挖掘站点的设计和分析用户访问信息等，是一种重要的数据挖掘技术。Web挖掘技术过程就是提取抽象的、潜在的和有价值知识的过程。Web结构挖掘、Web内容挖掘和Web使用挖掘是Web挖掘技术的三个分类。

2.1 Web内容挖掘。从内容、数据和文档中发现有价值的信息的过程称为Web内容挖掘。Web内容挖掘的对象纷繁多样，文本、图像、音频和视频等多媒体数据都可成为Web内容挖掘的对象。文本数据挖掘是Web挖掘中比较重要的技术领域，它主要针对无结构化文本，最近Web多媒体数据挖掘成为另一个研究热点，它涉及网络、多媒体的技术、数据库以及关于知识的决策等多个领域。

2.2 Web结构挖掘。分析Web组织架构和页面中的链接关系，挖掘隐藏在每个Web页面后面的链接结构模式称为Web结构挖掘。利用这种模式对网页进行分门别类、按照同一类型聚合，在此基础上寻找所需要主题的高访问量站点和核心页面，提升搜索引擎的性能。Web结构挖掘对提高页面采集效率、提升采集可信度方面也发挥很大指导作用。典型的方法有Page Rank算法和HITS算法。

2.3 Web使用挖掘。Web使用挖掘技术通过用户访问 Web 时留下的用户访问行为记录，用户会话，Cookies Logs，Web server Logs、Browser Logs、用户注册、登录、浏览等相关数据和用户在使用时与网站、其他用户之间的交互信息进行挖掘，了解用户的网络行为数据所具有的意义。Web使用挖掘有一般的访问模式挖掘和个性化访问模式挖掘两个方向。Web使用挖掘的个性化访问模式挖掘在远程教育个性化服务中发挥重要作用，主要是分析特定使用群体，比如记录使用者的登录时长和学习习惯，分析对学习资源的使用频度，为学生提供个性化教学服务提供有效的依据，提高学生对网站访问率和教学资源的使用率。

3 基于Web使用挖掘技术的个性化推荐系统

个性化推荐是指以远程教育中的学生学习需求为中心，通过信息采集和与学生交互，了解学生的学习特点，将其感兴趣的信息主动推荐给学生，个性化推荐系统是建立在Web使用挖掘技术上的一种高级智能平台，信息检索和智能系统技术集成于个性化推荐系统。

基于Web使用挖掘的个性化推荐系统分为离线准备和在线生成两部分：（1）离线准备是个性化推荐的准备阶段。首先根据用户的基础数据，分析用户的使用特性，挖掘用户的访问模式，最终得到一个模式库，包括数据预处理和模式提取。数据预处理的作用是：清洗并删除对挖掘无效的数据，提高数据挖掘的精确度，提升数据使用效率；模式提取阶段的作用是：通过聚类用户访问模式和频度序列访问模式对用户进行推荐服务。（2）在线生成是个性化推荐的服务阶段。通过目标用户使用习惯的分析， 生成动态推荐页面，为不同的用户提供个性化服务。典型的推荐系统有优化网页搜索引擎，社会网络过滤器等。

4.Web 挖掘技术在远程教育个性化服务中的应用

4.1 Web挖掘流程

Web挖掘技术能对学生访问信息进行挖掘，在挖掘信息的基础上建立起一个智能化和个性化的远程教育平台， 使不同的求学者在登录远程教育平台时能够得到个性化的教学服务。就像聘请的“私人教练”，根据学生特点进行教和学的个性化辅导。数据采集、数据预处理、模式发现和模式分析及应用是Web挖掘技术四大流程。（1）数据采集。学生登录远程学习平台，为Web数据挖掘提供大量有用的信息，如学习的个人信息、浏览的课程、访问的URL、学习的时长、资源类型的点击率等学习行为都为采集数据提供基础资料。（2）数据预处理。滤掉多余的记录，合并相关数据并将不恰当的或冗余的数据项从数据集里清除，通过会话识别和事务识别，对用户进行识别，准备进一步的数据挖掘。（3）模式发现。通过关联规则对学生学习行为和学习记录进行挖掘，发现学习者兴趣并动态地呈现给学生；根据分类聚类结果，将学生划分成不同的类型，提供给远程教育导学教师，为个性化教学设计和分类教学提供依据。（4）模式分析及应用。在经过模式发现处理后，生成的规则依旧数目庞大，呈现的信息利用率不高。模式分析就显得尤为重要，通过模式分析，进行技术处理，构建个性特征库，显现给学习者的信息易于理解和接受，应用在学习者学习过程中，为学习者提供个性化学习资源和个性化学习指导。

4.2 Web挖掘个性化服务应用

（1）在线学习。远程教育平台应用Web数据挖掘技术，经过学生数据信息采集，数据信息预处理等流程，应用适合的数据挖掘算法处理此数据信息，最后生成一种学生容易理解和接受的呈现方式将信息传递给学生。构建针对不同学生量身定做的个性化学习计划和学习方案。（2）实时教学。通过远程教育教学平台，全天候二十四小时学习成为可能，Web数据挖掘技术实时了解学习者的学习能力和学习偏好，远程教学导学教师根据这些信息有的放矢的开展实时教学。（3）智能答疑。在远程教学平台上建立智能答疑系统，可以根据学习者的访问日志文件，运用数据挖掘技术，针对学生用户提问记录、日志不断更新，调整数据库内容，智能抽取实现为学生的智能答疑。（4）实时考试。基于Web的远程在线实时考试系统，根据课程考核目标和考核内容要求，结合学习者求学目的和学习背景，提供多种试卷组合，做到难易相当、科学组卷。实时考试系统还能同步打分，实时给出考试成绩，根据学生的答题情况按试题所涉及的知识点进行统计分析，给出试卷评价信息。

参考文献：

[1]姚梦涛.基于Web日志的数据挖掘技术研究[D].西安理工大学，2010.

[2]刘彤.Web 数据挖掘技术在个性化远程教育平台中的应用[J].科技信息，2008（21）.

[3]巫莉莉等.Web 数据挖掘在远程教育个性化中的应用研究[J].微型电脑应用，2010 ，26（2）.

[4]闻永萍.基于WEB数据挖掘在远程教育中的应用研究[J].电脑编程技巧与维护，2011.12.

[5]刘强.基于Web使用挖掘的个性化推荐系统研究与设计[D].燕山大学，2006，04，01.

[6]蒋志辉.网络环境下个性化学习的模式建构与策略优化[J].中国远程教育，2013.2.