数据挖掘技术在高职网络教学平台中的应用

张瑜 王书敏

摘 要：面对高职网络教学中存在的海量教学数据，如何有效利用该部分数据，为高职网络教学提供有力依据是一项值得深入研究的课题。文章首先阐述了数据挖掘技术的内涵功能，其次分析了高职网络教学平台用户的学习需求，最后探讨了基于数据挖掘技术的高职网络教学平台设计，以期为相关人员研究提供一些参考。

关键词：数据挖掘技术;高职;网络教学平台

0 引言

随着大数据相关技术的迅猛发展，数据已然转变为当前时代不可或缺的信息资源，面临海量庞大且繁杂信息的处理有赖于数据挖掘技术的应用支持，近年来数据挖掘技术在各个行业领域起到了越来越重要的作用。特别在教育行业，网络信息技术的广泛推广，为网络教学平台快速发展创造了有利契机。将数据挖掘技术应用于网络教学平台的功能中，可基于广大教师、学生的实际需求，推进网络教学模式的发展创新，为学生提供个性化的教学内容[1]。基于此，本文将对数据挖掘技术在高职网络教学平台中的应用进行探索研究。

1 数据挖掘技术

根本上而言，数据挖掘即为从海量庞大数据中挖掘提取出有价值的信息数据。数据挖掘技术，不仅可从海量的数据中，及信息不完全的庞大碎片式信息中，挖掘出有价值的信息数据;还可防止在数据决策中产生的不良影响，可保证数据挖掘的精准性，对具有一定关联性的数据进行全面整合，进而整合筛选出对决策有价值的信息数据。将数据挖掘技术应用于各种庞大信息数据库中，可挖掘出有利于数据库存储决策的信息数据，进而提升数据管理质量与效率。依据功能的不同，可将数据挖掘技术划分成分类和预测、关联规则以及聚类分析等。其中，分类和预测作为两项基本的数据分析形势，适用于重要数据集合的挖掘描述及未来数据发展趋势模型的评估。分类可对数据对象的离散程度及无须类别进行预测，而预测则适用于评估数据对象的连续取值，并要求构建连续值函数模型。关联规则作为数据集合中隐藏的相关规律，对数据开展挖掘以提炼数据之前的关联规则是开展数据挖掘的一条重要途径，并在数据挖掘领域中得到了尤为广泛的推广[2]。比如，在网络教学平台中的一个常见应用即为通过搜索频繁访问浏览页面的集合，获取用户的阅读习惯，进一步推送适用于用户的学习课程，平台中呈现用户需求的相关信息资源。聚类分析即为结合数据实际属性对其予以分类，从而获取经聚类后整理出的数据，其中部分数据可呈现数据对象的内在联系规律，其他数据则需要借助相关工具开展进一步处理。在网络教学平台中，依托分组聚类的技术归类出存在相似浏览行为的用户，并分析用户的特点，进而帮助管理者提高对潜在用户的潜在需求有效收集，从而提供个性化的服务。

2 高职网络教学平台用户的学习需求

数据挖掘技术在高职网络教学平台中，可实现网络教学平台的一系列功能，还可依托数据挖掘分析教学平台服务器日志数据，并通过图文界面形式，将数据挖掘分析数据反馈给平台用户，优化整合网络教学平台结构，网络教学平台满足需求浏览网页过程中，需求行为动作涉及标题、网址、主题信息等。网络教学平台设计中，确保用户可浏览教案、知识信息;观看微课、视频;还可开展信息检索、在线测试、作业提交等，满足学生的个性化需求。在高職网络教学平台中，还可依托数据挖掘技术，采集有价值教学信息资源，提升教学平台实用性，满足用户对教学平台的实际需求。

3 基于数据挖掘技术的高职网络教学平台设计

3.1 设计理念

基于数据挖掘技术的高职网络教学平台，在提供常规教学活动的同时，还应对学习过程开展采集、分析及整理。要求结合每位学生的实际特征及学习任务的完成情况，依托数据挖掘处理，进一步建立适用的教学策略。学术在教学平台中占据主导地位，通过不断与教学平台进行交互，学生的学习兴趣、学习基础、对知识的掌握情况等将不断促进网络教学过程的发展[3]。所以，这一个性化的教学平台可为学生营造一个自主、轻松的教学氛围，教学质量、效率也可实现显著提升。基于数据挖掘技术的高职网络教学平台设计，应实现下述几项目标：一是可分析学生的认知水平、学习情况等信息，可自主优化学习内容、学习进度及教学策略;二是可分析学生的实际情况及学习需求，进一步为学生营造和谐的学习环境;三是可收集学生的学习行为，并开展评价分析，为学生制定明确的学习方向及目标;四是可为学生提供适应的教学内容、练习内容及测验内容。

3.2 功能设计

对于基于数据挖掘技术高职网络教学平台的功能设计而言，一是学生模块的功能设计，可采集学生的一般资料、学习行为，分析学生的学习情况，并有效评定学生在网络教学平台中各项学习特点;二是教师模块的功能设计，保证教师可开展课程资源管理，同时可开展课程信息调整处理，并借助相关模块与学生进行交流互动;三是数据挖掘模块的功能设计，结合对应挖掘数据打造学生特征数据库，并对各项数据进行分析处理。

3.3 数据挖掘

数据挖掘技术在高职网络教学平台中的应用，可实现对网络教学平台中各种学生群体特征的有效分析，并结合突出特征对学生群体进行分类，对广大学生的学习认知、学习行为予以划分，依照不同学习行为的特征，为学生提供个性化教学服务，具体而言：一是学生学习行为与学习情况的关联分析，依托采集学生相关学习行为及学习情况，展现两者相互间的关联性，为师生开展教学工作提供依据。比如，依托关联分析，可让教师有效了解各位学生的学习情况及特征。二是学生学习行为的聚类分析，因为不同学生相互间存在显著差异，不同学生拥有着各不相同的学习兴趣、学习行为以及学习需求，学生可通过网络教学平台开展教学探究，结合学生浏览频率、时间等的不同，依托聚类分析，分析学生学习行为规律;还可结合学生实时学习情况，评估学生在网络教学平台中哪些学习行为是有效的[4]。

3.4 高职网络教学平台的实现流程

基于数据挖掘技术的高职网络教学平台设计，可分成四个流程实现，为网络教学提供可靠支持，基于数据挖掘技术的高职网络教学平台实现流程为采集相关信息—数据预处理—模式识别—模式分析。

一是采集相关信息，在网络教学平台中包含诸多有用的信息数据，诸如网络教学平台用户浏览数据、学生学习行为数据、学生测试成绩等。针对这些信息数据，可引入数据挖掘技术，对其中有价值的信息进行收集，为相关教学策略制定提供数据支持。二是数据预处理，数据挖掘技术在高职网络教学平台中应用，要求对冗余数据予以清除，调整缺失的数据信息。结合数据挖掘的实际需求，基于网络教学平台学生原始数据表构建数据库。对学生在教学平台中的相关学习行为或学生测试环节与学习情况相互间的联系开展分析，学习行为主要包括学生登录教学平台频率、在线时间、观看视频等，学生测试环节主要包括单元测试、综合测试等，依托数据预处理获取与学习情况密切关联的学习行为。三是模式识别，对数据预处理获取的教学数据借助数据挖掘技术开展分析，首先分析数据相互间的关联性，建立与网络教学平台开展教学管理相符的挖掘算法;在网络教学平台中借助关联或者决策规则，分析教学平台中学生不同学习行为相互间的关联性，及对学生学习情况的影响水平，评估各项学习行为可能产生的学习效果;另外，借助数据挖掘技术分析每位学生的实际特征，开展好前期网络教学平台教学设计工作，为网络教学策略整合提供可靠依据[5]。四是模式分析，对数据挖掘结果进行评估归纳，以此实现对教学平台数据挖掘数据的有效分析，并清除各项冗余、不具备实质价值的信息，将有用的信息转化成规则模型，为教师开展教学决策管理提供依据。

4 结语

总而言之，随着网络信息技術的迅猛发展，网络教学模式得到广泛推广。在网络教学平台中，依托数据挖掘技术，对平台中的各项数据开展挖掘分析，可找出影响学生学习效果的重要数据，为教学工作者开展好教学工作提供有力依据。因此，高职院校相关人员应围绕如何推进数据挖掘技术在高职网络教学平台中的有效应用进行探索研究，明确数据挖掘技术的内涵功能，基于高职网络教学平台用户的学习需求，从多个不同方面着手，使高职网络教学平台的有序运行，达到理想的教学效果。

[参考文献]

[1]黄伟，文竹.基于数据挖掘的高校网络教学平台构建与研究[J].计算机光盘软件与应用，2011（16）：227-228.

[2]郑倩倩.数据挖掘技术在网络教学平台中的应用研究[J].通讯世界，2016（5）：193-194.

[3]朱楠.数据挖掘技术在个性化网络教学系统中的研究与实现[J].苏州科技学院学报（自然科学版），2014（2）：75-80.

[4]张仁美.大数据挖掘技术在高职教育教学过程中的应用研究[J].计算机产品与流通，2020（1）：153-154.

[5]戴妮娜.数据挖掘技术在高职教学效果分析中的应用研究[J]. 计算机产品与流通，2020（2）：194.

（编辑 姚 鑫）