通用智能化网络教学平台的研究与设计

徐雅静 徐惠民

摘要:网络教学平台是网络教学的技术基础,如何有效地管理和使用资源、为使用者提供更加个性化的服务,成为网络教学平台关注的焦点。本文研究并设计了一种通用智能化网络教学平台,该平台采用分层的系统架构,通用的功能模块,利用数据挖掘知识将智能课程推荐与平台无缝融合,并采用了基于RSS的Web 2.0技术,有效提高了网络教学质量和教学效率。

关键词:网络教学平台;教学模式;智能课程推荐;RSS

中图分类号:G642 文献标识码:A

1引言

网络教学平台作为网络教学的技术基础,在高等教育现代化建设中正发挥着越来越重要的作用。通过网络教学,创造数字化学习环境,能够促进教育观念、教学内容和方法的改革,提高教育教学的质量和效益,从而提高学习者在信息社会中生存和发展的能力。

高等教育中的网络教学作为课堂教学的一种新的辅助教学手段,充分利用了信息技术、多媒体技术、计算机技术的最新成果,使教学能够跨越时间、空间的限制,具有极大的灵活性和交互性,网络教学使教学资源的展示越来越灵活、形象、生动,是教师指导下学生自主学习的最有力手段,因此,越来越受到高校教师的青睐。但随着教学资源的不断丰富,网络教学应用的不断深入,对网络教学平台也提出了更高的要求。因此,如何构建一个通用、智能化的优质网络教学平台,是实现教育现代化与信息化迫切需要解决的问题。

本文研究和设计的“通用智能化网络教学平台”,提供通用的教学管理、课程管理等模块,强调以认知科学为理论基础,利用数据挖掘技术,针对不同用户提供不同的推荐课程和学习策略决策支持,提供更加个性化的服务,有效地提高教学质量和教学效率。

2系统架构

在技术上,通用智能化网络教学平台采用分层的逻辑设计,自上而下分为四层逻辑构件,即表示层、业务逻辑处理层、数据处理层和数据存储层。该结构符合MVC(模型-视图-控制)设计模式,核心思想是将数据存储、业务逻辑和界面显示分离,易于系统的扩展和维护。

系统架构中表示层对应视图角色,控制过程由业务逻辑处理层承担,数据处理层和数据存储层承担数据处理角色,图1展示了系统架构设计。

(1) 表示层

该层负责向不同用户,比如管理员、教师、学生、访客,提供灵活的用户接口和丰富的多媒体展示手段。通过Web方式实现,逻辑上表示层不直接与数据库关联,易于系统的扩展性、实施和维护。

(2) 业务逻辑处理层

业务逻辑构件完成对用户提交的业务处理请求的逻辑处理,并调用相关的数据,完成数据处理操作。对用户提交的查询、统计、下载请求分别调用相应的组件,根据数据处理层返回的查询结果进行显示。当然,它仍不与数据直接关联,这是很重要的分工。

(3) 数据处理层

在Web方式下,这一部分通常是处理具体数据的若干专用对象,它们提供大量的方法,灵活的实现,支撑上层的调用,可以直接操作数据库,因此,它仍使用通用的SQL语句,再由数据存储层的语句转换对象和数据库操作对象来实现最终的数据操作。

(4) 数据存储层

数据存储层即数据库,通常运行在独立的数据库服务器上。负责存储、检索大量的数据。数据存储层为系统提供了可靠的、永久性的数据库服务。此外,数据库的事务服务、备份恢复和高速的检索能力都是构造可靠、高效系统的保证

3系统主要功能

通用智能化网络教学平台提供了丰富的功能,能够帮助教师快速建立自己的教学平台,帮助学生方便获取相关的学习资源,该平台主要体现了以下的教学模式:

(1) 教师授课

每位授权的教师,可以开设自己的课程,在平台上完成相关的教学环节,可以上传教学课件以及其他教学资料、可以布置和批改作业、可以发布习题和自测题,等等。

(2) 学生学习

学生可以在自己登记的课程资源中进行学习,完成作业,查看作业批改情况,自主进行复习和自测,以检查对于课程掌握的程度。

(3) 统一资源管理

同一门课程的不同老师可以使用课程的公共资源,比如试题,也可以为课程的资源建设作出贡献。学生可以使用已选课程的公共资源。

(4) 讨论区

按课程进行分类,可以在线答疑、留言等。学生可以和老师讨论,也可以是学生之间讨论。

按照这种新的教学模式,整个平台的功能划分为如图2所示的六个部分,包括门户网站(新闻管理、信息检索和友情链接)、课程管理、教师管理、系统管理、讨论区和站内消息。各功能模块之间共享数据信息,但各自具备相对独立业务逻辑,便于为用户提供通用的服务,也方便开发和维护。

4智能课程推荐

智能课程推荐是数据挖掘技术在网络教学平台中的一种新的尝试,其目的是推荐更符合学习者感兴趣的课程,提高学习者的学习效率,缩短学习者自行搜索相关知识的时间和精力。传统的课程推荐会使用一些调查问卷的形式进行手工筛选和评比,但这种方式无法依赖每个人的知识,产生合适的推荐,并且工作量大,操作复杂。因此,目前的智能课程推荐更加倾向于使用一些人工智能、数据挖掘、协同过滤等方法,对已有的历史数据进行分析和处理,找出隐藏的知识,获取相关信息。

鉴于上述分析,我们的智能课程推荐采用数据挖掘领域中关联规则经典算法——Apriori算法思想,通过此机制向具有相似学习兴趣的学习者动态地、智能地推荐基于Web的网络课程,以此作为学习者在线选择网络课程的依据和参考,提供学习者以及管理人员的课程规划的决策支持。

4.1Apriori算法

关联规则是数据挖掘领域的一个重要的研究方向,主要应用于挖掘发现大量数据中项集之间有趣的关联或相关联系。其数学原理如下:

设I={i1,i2,..,im}是项集,其中ik(k=1,2,…,m)可以代表网络教学中的课程或教师,I代表同一个学习者所选的课程或教师集合。设任务相关的数据D是事务集,其中每个事务T是项集,使得 。设A是一个项集, 。关联规则是如下形式的逻辑蕴涵: , , ,且 。

关联规则具有如下两个重要的属性:

(1) 支持度:P(A∪B),即A和B这两个项集在事务集D中同时出现的概率。

(2) 置信度:P(B|A),即在出现项集A的事务集D中,项集B也同时出现的概率。

同时满足最小支持度阈值和最小置信度阈值的规则称为强规则。给定一个事务集D,挖掘关联规则问题就是产生支持度和可信度分别大于用户给定的最小支持度和最小可信度的关联规则,也就是产生强规则的问题。

Apriori算法是经典的关联规则算法,由Agrawal等人于1993年研究挖掘顾客交易数据库中项集间的关联规则问题而提出的,核心是基于两阶段频集思想的递推算法。其中,所有支持度大于最小支持度的项集称为频繁项集,简称频集。

Apriori算法的基本思想就是首先找出所有满足最小支持度的频集,然后由频集产生满足最小支持度和最小可信度的强关联规则。其基本步骤是首先产生频繁1-项集L1,然后在L1中产生频繁2-项集L2,直到找不到满足条件的项集为止。

4.2Apriori算法在智能课程推荐的应用

智能课程推荐的一个前提就是认为身份或背景相似的学习者具有相似的兴趣,选择相似课程的学习者也具有相似的兴趣。因此,智能课程推荐采用Apriori算法挖掘,根据系统用户的历史选课记录,并结合每个用户的基本信息、知识能力,挖掘系统中课程和课程之间的关系,以及教师和课程之间的关系。

(1) 设置数据集和参数

项集I={i1,i2,..,im},其中ik(k=1,2,…,m)代表一门课程,每一个项集I代表系统中一个学生的选课记录。

任务集D,根据登录系统的学生的专业和年级的信息,筛选出基本信息相同的学生选课记录。

参数:默认支持度suppose = 1;表示该门课程至少被选择过1次;默认置信度confidence=1,代表项集至少存在一次。根据系统数据可以调节。

(2) 获取推荐课程

如果用户是客人,则在所有项集中, 用Apriori算法按照降序寻找频繁1-项集,即寻找同类学生选择的最多的那些课程即可;

如果登录的学生还未选课,则在任务集D中用Apriori算法按照降序寻找频繁1-项集,即寻找同类学生选择的最多的那些课程即可;

如果登录的学生已经选课,比如该学生已经选择了ABC三门课,则在任务集中先按降序寻找包含ABC三项的4-项集,则多出的一项即为推荐的课程;如果不存在这样的4-项集,则再按降序选择包含AB、AC、BC但不包含ABC的3-项集;依次类推,一直到1-项集。

如果以上三种情况,频繁1-项集都不存在,则自动转到专家推荐数据库获取推荐课程信息。

(3) 反馈机制

当用户退出系统时,会自动弹出满意度问卷,问卷使用五分量表方式,依序询问:非常同意、同意、普通、不同意、极不同意,管理员根据用户的反馈,及时调整系统各种参数,并在专家推荐数据库中更新推荐意见。

此外,按照类似方法,系统对于教师也进行了推荐,方便学习者对于不同教师教授的同一门课程的进一步选择,智能课程推荐的具体体现在系统首页,如图3所示。

：

5基于RSS的Web 2.0技术的应用

通用智能化教学平台还采用了基于RSS订阅和推送服务的Web2.0技术,用来为用户提供更加个性化的服务,扩展平台的功能。

5.1RSS简介

RSS 是一种描述和同步网站内容的格式,是目前使用最广泛的XML应用。RSS的解释有多种,比如“Rich Site Summary”(丰富站点摘要),“RDF Site Summary”(RDF站点摘要),或“Really Simple Syndication”(真正简易聚合),这主要是由于该技术有不同的来源,实质上RSS 是基于XML 技术的互联网内容发布和集成技术,是一种描述新闻或其他Web内容的方式,通过“Feed(提要)”将信息从网站传递到Web用户面前的一种技术。

RSS通过一种“轻量级、多用途、可扩展的元数据描述及联合推广格式”,用于共享各种各样的信息,包括新闻、简讯、Web站点更新,等等。对内容提供者来说,RSS 技术提供了一个实时、高效、安全、低成本的信息发布渠道;对内容接收者来说,RSS 技术提供了一个崭新的阅读体验。

下面是一个标准的RSS信息体的XML格式,用于建立标准和开放的频道描述框架(Channel Description Framework)和内容收集机制(Content Gathering Mechanism):

< rss version = ″2. 0″> //遵从RSS2. 0规范

< channel >///收取信息的频道,网站提供

< title > 频道标题< / title >

< link > 频道链接< / link >… //频道参数

< item > //信息单元

< title > 标题< / title >

< link > 链接< / link >

< description > 摘要< /description >. . .

< / item > //信息单元实体

. . . //其他信息单元

< / channel >

< / rss >

5.2RSS在智能教学平台中的应用

在分布式网络教学中,需要将有用的学习信息和资源及时推送给学习者。信息提供者,采用RSS的方式可以整合学习信息和资源并发布为RSS Feed,信息订阅者,使用阅读器订阅该RSS Feed,学习信息或资源就能够及时呈现给用户。通常,由于RSS阅读器会通过设置较短的间隔时间自动去访问提供内容发布的服务器来追踪最新信息,所以RSS一般适用于经常变动、快速更新、时效性较强的信息和资源。

鉴于以上分析,通用智能化教学平台作为信息提供者,首先将网站的资源进行分类,区分为动态和静态,将动态信息进行发布。每当平台中有课程资源更新、教师更新、新闻通告更新时,根据RSS标准信息推送模块将资源中的用户需求信息结果记录的title、 identifier-url、description和date字段,自动形成RSS feed中Item描述的对应项,即< title >、< link >、< descrip tion>、< pubDate >[5];然后将生成的RSS文件部署到Web 服务器中,并将其网址(URL)加入到RSS 阅读器中,用户通过RSS 阅读器可以得到通用智能化教学平台推送的内容,当更新RSS文件,RSS Reader上所显示的内容将同步动态更新。

RSS技术在通用智能化教学平台中的应用,不仅改进了教育资源的信息传递、信息呈现方式,而且为学习者提供更加方便、快捷的获取信息的途径,时效性强、成本低,进一步推动了教学平台智能化的发展。

6总结

通用智能化网络教学平台是实施网络教学新模式的基础。该平台能够满足高等院校中大量并发用户的需求,满足高等教育的需要。

通用智能化网络教学平台开通以来,访问量不断上升,其丰富的教学资源、友好的页面、智能的课程推荐以及信息订阅等新技术的应用,都为学生提供了一个良好的学习环境。当然,通用智能化网络教学平台目前还存在一些缺陷,比如,对于订阅信息的用户还不能根据兴趣进行资源推送、对于学生学习兴趣及动力的激发手段方面也还需要进一步的研究与改进,以便更好地实施和推进高校网络教学的智能化改革。

参考文献:

[1] Gamma E, Helm R, Johnson R, et al. Design Patterns: Elements of Reusable Object-oriented Software[M]. New York: Addison Wesley,1994.

[2] 杨红颖,侯丽敏,王向阳. 智能化网络教学平台的研究与设计[J]. 现代远程教育研究,2007(3):61-64.

[3] 王志梅,杨帆. 基于相似学习者发现的资源推荐系统[J]. 浙江大学学报:工学版,2006,40(10):1688-1691.

[4]Jiawei Han, Micheline Kamber. Data Mining Concept and Techniques[M]. 范明,孟小峰,译. 北京:机械工业出版社,2008.

[5] 胡晶晶,郑志蕴. 基于RSS的个性化信息服务研究[J]. 计算机应用与软件,2009,26(5):40-42.

Research on the Design of Generic and Intelligent Network Teaching Platform

XU Ya-jing, XU Hui-min

(School of Information and Communication Engineering, Beijing University of Post & Telecom, Beijing 100876, China)

Abstract: Network Teaching Platform (NTP) is the technical foundation for network teaching. With the richness of teaching resources and the depth of network application it gradually became the focus of NTP that how to effectively manage and utilize resources to provide personalized services. In response to above issues, a generic and intelligent NTP was proposed, which used hierarchical structure, generic functional modules and data mining algorithms to build intelligent courses recommendation. In addition, Web 2.0 technology, for example RSS also applied to the NTP. So the quality and effectiveness of network teaching are improved.

Key words: network teaching platform; teaching mode; intelligent courses recommended; RSS