基于数据挖掘技术的个性化学习国内现状研究

张文青，傅钢善

陕西师范大学教育学院， 西安 710062

基于数据挖掘技术的个性化学习国内现状研究

张文青，傅钢善

陕西师范大学教育学院， 西安 710062

个性化学习是一种以学生为中心的，有利于培养学生创新思维的学习方式。数据挖掘技术为个性化学习平台的创设，个性化资源的建设提供了有力的技术支持。该文对近十余年来的相关文献进行分析、整理，旨在揭示基于数据挖掘的个性化学习在国内的研究现状，预测其研究趋势，以促进数据挖掘技术与个性化学习系统的深度融合。

数据挖掘；个性化学习；文献分析

在信息技术高速发展的今天，各类数据充斥着我们的生活。数据挖掘技术为这些看似无联系的数据转变为有益于人们生产发展的数据和知识提供了可能，该技术的应用也正在创造教育领域的新景观。

学生在个体差异、兴趣、学习风格等方面的差异，很大程度上影响着学习的效果。“以学生为中心”的个性化学习强调以学生的兴趣、学习风格、认知水平等方面的差异为基础，为每一个学生提供最适合自己的学习资源和教学设计，力求提升学习效率，真正做到因材施教。数据挖掘就是从大量的不完整的、有噪声的、模糊的、随机的数据中抽取出潜在的、有价值的知识(模型或规则)的过程，是一类深层次的数据分析方法[1]。该方法主要是利用特定的技术，将各种未知规律从大量数据中进行提取和发掘，并最终实现教学服务的个性化要求。数据挖掘为个性化学习条件的创设，个性化学习资源的推送以及个性化学习系统的开发方面提供了强有力的技术支持。

为全面揭示国内基于数据挖掘的个性化学习研究现状、预测其研究趋势，该文对该研究的研究人员构成、研究主题与研究类别做了详细、全面地梳理，并对其现状出现的原因做出了可能性分析。

1 国内研究现状

1.1 研究样本确定

笔者以个性化学习和数据挖掘为主题在中国知网进行检索，并对在2003年1月1日到2013年12月31日期间的相关中文文献进行搜索、剔除、归类、整理、分析，最终确定38篇文献作为该文的研究样本。通过统计发现，该研究整体趋势稳定，但由于其重要性的凸显和需求的加大，该研究在最近一年时间明显增多，其整体趋势如图1所示。

图1 2003-2013年间相关论文发表数量趋势图

1.2 研究人员组成

笔者在马卫民、张玉芹所提出的研究人员类型的基础上[2]，初步将研究人员分为专家学者、高校教师、在校学生、中小学教师、行政人员五个类别。统计中发现并没有行政人员和中小学教师参与研究，故将其类别剔除。这里的专家学者是指大学教授，单独设立的教育科研所、各级单位的图书、档案馆人员；高校教师是指各个大学，高等院校的教师；在校学生则全部是在校研究生，研究人员类型确定以文章的第一作者为主。最终人员构成如表1所示。

表1 研究人员类型统计

从表1可知：在校学生尤其是硕士研究生以58%的文献发表数量居于领先地位，紧跟其后的是高校教师，占总比例的39%，而专家学者的研究只有3%。通过分析发现，高校的教师、学生重视数据挖掘在个性化学习方面的研究，他们是研究的主体。但此项研究几乎没有专家学者参与其中。没有专家学者的指导与帮助，该研究在研究方向的把握上，研究的系统性方面很可能事倍而功半。而中小学教师身处于教学第一线则没有重视该项技术，其原因可能是数据挖掘技术在教育中的运用还不够成熟，不易掌握，且中小学教师的精力有限，大部分时间都投入到教育教学第一线，也不排除中小学教师理论能力有限，尚不能将所观察到的现象和所收集到的数据进行系统化的分析，没能形成有效的论点。

1.3 研究主题

通过统计、梳理，笔者将其研究主题分为四个类别：①个性化学习模型、系统的研究；②个性化学习模型、系统、平台的设计实现；③个性化系统在教学中的实际运用；④相关的前沿研究。具体数据如表2所示。

表2 论文主题统计

表2显示，个性化学习模型、系统的研究占总研究数量的42%，居于第一位；模型、系统的构建，算法的设计，平台的实现以39%的研究比例紧随其后；其应用研究只占到总比例的16%，其中包括对授导系统的研究、学习空间的探索和行为现状的研究等方面；前沿研究在数量上只有一篇，占3%，但是前沿研究为基于数据挖掘的个性化学习指出了方向，有着不可忽视的重要作用。

将数据挖掘技术应用于学习系统是一个年轻的领域，它需要更多的专门面向该领域的挖掘算法。这也就是文献的研究主题主要集中在模型与系统的研究与构建上，而其运用研究领域还比较缺乏的原因。要将数据挖掘技术与学习系统进行深度融合，其设计开发需要大量人员作为此类研究的先行者，积极地参与合作、深入探究，从而促使技术在个性化学习中的运用更快成熟。更重要的是，研究决不能闭门造车，要积极从各种渠道获得相关技术或者关于个性化学习分析的前沿信息，分析其各类需求，才能使所研究开发出的平台与服务具有普世价值，才能成功地激发学习者的学习兴趣，符合其认知风格，帮助其获得最大的学习收益。

1.4 研究类型

样本文献中采用的研究类型是根据我国学者吕巾娇、李世改等在研究教育技术相关内容时所提出的分类框架进行界定的[3]。研究中主要涉及到的理论研究是指用逻辑分析进行理论的描述和推导，最终形成理论性研究成果。此类研究重在逻辑思辨，带有书斋式研究特点；访谈研究是指采用访谈的形式进行研究；实验研究是指操纵自变量，对受试者施加一定的影响，检查其效果；解释性研究是指通过描述、观察某类现象，进行意义的理解和阐释，在此基础上形成解决问题的策略方法或具体方案；开发研究是指开发新的材料、理论或技术，以解决特定的问题，最终形成理论体系或技术成果，研究过程主要是进行开发性工作[4]。具体统计数据如表3所示。

表3 论文发表时间与论文研究类型统计

表3显示：①解释性研究占34%。解释性研究能发现研究中存在的现象，从背后分析其原因，从而使研究更好、更顺利地进行。但自2010年后，解释性研究数量明显下降，这与研究层次没能层层深入，只停留在表面现象有一定的关系；②开发性研究占31%。近11年在数量上保持稳定。开发性研究虽然一直在进行，但是强度却远远不够，究其原因与数据挖掘的专业难度、我国现阶段的国情和数据挖掘技术在教育领域的研究还处在发展阶段有关[5]；③理论研究占总数的29%；④访谈研究与实验研究分别占据了3%。

2 研究趋势

通过以上分析，我们对数据挖掘技术在个性化学习中的研究有了一个定量的认识，认为该研究将会呈现以下趋势：

2.1 高校教师与硕士研究生仍然是数据挖掘技术在个性化学习研究中的实践者与引导者

中国有世界上最多的教育技术从业人员，接受过教育技术培训的各级各类教师数量巨大[6]。在这个群体中，高校教师与在校硕士研究生、博士生一直走在教育信息化改革的研究前端，他们以极大的热情与精力投入其中，硕果累累。在数据挖掘技术应用于个性化学习系统这一方面，高校教师与硕士研究生十几年来一直紧跟前沿，对其研究进行深刻的分析与思考，并将其研究一步步推进，才使得数据挖掘技术能从教育数据的汪洋中提取不易被发现的数据与规律，在教育信息化的进程中有了更大的影响力。

但是，要将数据挖掘技术在教育中更快、更好地推进，仅凭高校教师与学生的努力探究还远远不够，专家学者的理论指导，一线教师应用的有效反馈，行政人员的政策推进，社会力量的大力支持都是该研究走向成功不可忽视的因素。

2.2 个性化学习系统的研究与设计实现仍然需要不断推进，其应用研究也将引领一个新的研究领域

目前，数据挖掘方法论已日趋成熟。数据挖掘技术研究重点逐渐从发现方法转向系统应用[7]。将数据挖掘技术应用于个性化学习系统，可以对学习风格分类和学习成绩之间、学习风格与学习方法之间进行关联分析，能够根据学习者的学习风格按照规则库中的规则组织适合学习者个人的学习内容[8]。但是，数据挖掘是一门涉及多个学科的复杂技术，将其应用于教学活动中必须遵循教学的规律，而教育领域某些具体对象的属性难以用数量方法描述[9]，所以开发应用的难度较大。

该研究仍然需要投入大量的时间与精力去研究、运用、反馈、调整，从而开发出各级各类的应用平台，使得教学设计、教学过程、教学评价等一系列的教学活动更适合学生的个性化发展。随着个性化学习模型的搭建、个性化资源的丰富、各级应用的不断完善、系统构架的整体成熟，如何将个性化学习系统运用于我们的日常教学中，如何将该系统与传统的学习方式深度融合，则是每一个教育工作者需要认真思考的问题。系统开发的质量决定着应用领域的效果，反之，应用领域的探索也极大地影响着开发的方向、性能等方面，个性化学习的应用研究将是一个新的研究领域。

2.3 研究方法多样化，应以实证研究为支撑、质的研究为引导

在模型搭建、算法设计、系统研究阶段，研究者大都针对具体的应用模块进行了解释性分析和开发研究，为系统的设计完善提供了有力支持。但是，其中缺乏调查研究、实验研究来获得相关的数据，这将导致研究结果有可能偏离目标，实际可操作性不强。以实验性与量化为主流的实证主义研究传统转向质的研究已是社会科学的一项整体趋势[4]，质的研究能从不同的侧面较为全面地反映该研究的实际情况，能对研究的复杂性和过程性全面深入地作出分析，能反映被研究者的真实声音，具有强烈的人文关怀和平民意识[10]，使研究避免陷入闭门造车的困境。

3 总结

数据挖掘技术在学习系统中的应用提高了个性化服务水平，为系统的决策分析提供了辅助手段。基于数据挖掘的个性化学习系统的开发要综合考虑到学习者的性格特点、智能优势、认知水平，其复杂性要求在研究过程中采用更加多元化的研究方法，逐步完善研究体系，也要求专家、教师与企业、政府深度合作，从而形成质量优良的研究共同体。该研究还要继续全面、深入地进行，直至将数据挖掘技术与个性化学习服务系统深度融合，最终成熟地运用于学习的各个环节。该研究也是一个循序渐进的过程，其逐步深入地进行将有助于进一步推进我国信息化教学的进程。

[1]韩家炜,坎伯著.数据挖掘概念与技术[M].北京:机械工业出版社,2001：256

[2]马卫民,张玉芹.网络教研文献内容分析[J].电化教育研究,2009,(9):65-69

[3]李世改,孙卫华,李红梅.近五年教育技术学优秀硕士学位论文内容分析[J].电化教育研究,2008,(1):30-35

[4]张冬玉.面向信息时代中小学教师专业发展的研究现状及趋势[J].电化教育研究,2010,(8):33-37

[5]林阳.数据挖掘在教育信息化中的潜在价值[J].现代教育技术,2002,(1):65-67，77-78

[6]贾积友,马小强.适应性和个性化学习系统研究前沿[J].中国电化教育,2010,(6):1-5

[7]李雪妍.基于Web数据挖掘在个性化远程教学系统中的应用研究[D].西安:西安电子科技大学,2010：65-67

[8]刘美玲.基于数据挖掘技术的个性化学习系统研究[D].扬州:扬州大学,2009：35

[9]高巨山,郭健.数据挖掘技术在教育信息化中的应用研究[J].中国教育信息化,2007,(9):75-76.

[10]陈向明.质的研究方法与社会科学研究[M].北京:教育科学出版社,2002：32

Domestic situation of personalized learning based on data mining

ZhangWenqing,FuGangshan

SchoolofEducation,ShaanxiNormalUniversity,Xi'an710062,China

Personalized learning, a student-centered learning style, helps improve students' innovative thinking. Data mining technology provides a strong technical support for creating a person- alized learning platform and developing personalized resources. The article analyzes relevant literature in the past decade to reveal the domestic situation of personalized learning based on data mining and predicts the research trend so as to promote the in-depth integration of data mining technology with personalized learning system.

data mining; personalized learning; literature analysis

2013陕西师范大学首批信息化示范课程(现代教育技术)建设项目前期研究成果。

2014-11-13

张文青(1989-)，女，山西阳泉人，硕士研究生在读，主要研究方向：网络与远程教育。

G40-057

A

1004-5287(2015)03-0243-03

：10.13566/j.cnki.cmet.cn61-1317/g4.201503002