“互联网+”时代背景下数字化智慧课堂多维度数据精准搜索方法研究

李居尚 战荫泽 于洋 卞玮

摘要：传统的智慧课堂多维度数据精准搜索支持度较低，因此，文章提出了“互联网+”时代背景下数字化智慧课堂多维度数据精准搜索方法。文章构建了课堂多维度数据属性集，制定了课堂多维度数据挖掘规则，基于数字化筛选精准搜索数据候选集，搜索最大频繁项目集，实现了智慧课堂多维度数据精准搜索。实验结果证明，所提设计方法在不同数据集下均有较好的数据挖掘支持度。

关键词：“互联网+”时代；数字化；智慧课堂；多维度数据精准搜索

中图分类号：G642文献标志码：A

0 引言

数字化时代下，智慧课堂作为一种新型教育形态备受瞩目。借助数字化技术，智慧课堂通过多维度数据的精准搜索和分析，为师生提供更加个性化、高效的学习体验。作为智慧课堂的核心支撑技术之一，数字化技术备受关注。在智慧课堂中，多维度数据精准搜索技术被广泛应用，带来了革命性的教学方式和学习体验。

劳雪松^[1]利用支持向量机，搜索通信网络异常流量数据。贾超贤^[2]利用粒度计算搜索异构网络多维数据。然而，数据的维度众多，包括学生的学习行为、学习成果、学习偏好、个性特征等多个方面，如何从这些数据中提取有价值的信息，需要对数据进行深入精准搜索。因此，文章提出一种“互联网+”时代背景下数字化智慧课堂多维度数据精准搜索方法。本文所提方法不仅可以推动教育信息化和现代化的发展，还可以提高教育质量和效率，为教育事业的发展注入新的动力。

1 设计数字化智慧课堂多维度数据精准搜索

1.1 构建课堂多维度数据属性集

本研究旨在对数据属性进行标准化处理，将不同属性的数据转换为相同的数据类型，并整合到一个统一的属性集中，以提高数据的一致性和可比性，从而确保实现数据的精确搜索效果^[3]。本研究所提的智能课堂多维属性集合的构建过程如下。假设数据量为M，多维度数据量为N，则全部数据量的属性为m，多维度数据量的属性为n。据此建立多维度数据属性集合矩阵，其表达式为：

其中，M表示数据属性集合矩阵，m_x1，m_x2，…，m_xy表示数据属性参数，N表示多维度数据属性集合矩阵，n_x1，n_x2，…，n_xy表示多维度数据特性参数，x、y表示常数。本研究以2个属性集合为基础，计算它们之间的相似度，其公式为：

其中，S（m，n）表示属性矩阵M和N中类似的数据，m_ij表示特性矩阵M中第i个参数中第j个相似数据；n_ij表示特性矩阵N中第i个参数中第j个相似数据。

1.2 制定课堂多维度数据挖掘规则

构建智慧课堂多维度属性集后，教育技术领域的研究人员需要制定课堂多维度数据挖掘规则，多维度数据挖掘规则引入时间和空间2个属性。在“互联网+”时代的背景下，数字化智慧课堂实现了多维度数据精准搜索，这归功于多维度数据挖掘规则的设计原理。多维度数据挖掘规则的设计原理是数字化智慧课堂实现多维度数据精准搜索的核心框架，对于教学质量和效率的提升具有重要作用。这些原理建立在先进的数据分析技术基础上，通过收集、整合、处理和挖掘多维度的课堂数据，为用户提供更为准确、有价值的信息。

在制定课堂多维度数据挖掘规则时，研究人员需要遵循具体的步骤以确保数据的准确性和有效性。制定课堂多维度数据挖掘规则的步骤如下。

步骤1：本研究明确了数据挖掘的目标，指导后续的数据收集和处理工作。

步骤2：本研究全面收集多维度的课堂数据，包括学生的学习行为、学习成果、学习偏好、个性特征等。

步骤3：本研究对采集的数据进行数据清理和整合，剔除无效和错误数据，以保证数据的精准性和一致性，从而提高数据质量和可信度^[4]。

步骤4：本研究对数据进行深入分析和挖掘，寻找数据间的潜在关联和模式。在分析和挖掘过程中，本研究需要注意数据的隐私和安全问题，设计评估标准（置效度和置信度），以保护个人信息。

所建立的置效度计算公式为：

其中，A表示某一属性集合，B表示另一属性集合，W表示多维度数据挖掘规则中的置效度，G_E表示为多维度数据集，D表示为多维度数据库。

建立的置信度计算公式为：

其中，C表示多维度数据挖掘规则的置信度。X表示属性集合A和属性集合B的合集。

步骤5：本研究对挖掘结果进行评估和解释，确保结果的准确性和可理解性，并将挖掘结果与教育教学的实际情况相结合，为教师和学生提供有价值的反馈和建议。这些流程需要教育技术领域的研究人员和教育工作者之间深入合作和交流，共同推动课堂多维度数据挖掘规则的发展和应用^[5]。第10期2024年5月无线互联科技·智能控制No.10May，2024

第10期2024年5月无线互联科技·智能控制No.10May，2024

1.3 基于数字化筛选精准搜索数据候选集

为了更好地实现多维度数据精准搜索，本研究引入数字技术来筛选精准搜索数据候选集。在计算机中对精确搜索数据进行筛选的条件如下：本研究利用数字技术从大量数据中快速抽取关键字，并以此关键字为切入点，查找对应的多维度数据^[6]。在筛选的过程中，为了确保筛选的精度，需对特定某一类别中数据特征出现的概率进行计算，公式为：

其中，P表示特定某一类别中数据特征出现的概率，α_i表示具体某一特征对应的多维度数据，d表示多维度数据特征。根据上述公式，将不需要精准搜索的时空数据剔除，实现对精准搜索数据的筛选。

1.4 精准搜索最大频繁项目集

根据数字化筛选的结果，发现特定的关系类别与实际的精准搜索信息存在重要联系。本研究通过从这些特定关系类型中识别最大频繁项目集，能够有效地获取数据精准搜索节点的逻辑地址，并进行寻址计算，此时的最大频繁项目集精准搜索过程如图1所示。

由图1可知，本研究通过比较频繁项目集，可以找到最大频繁项目集^[7]，完成最大频繁项目集的精准搜索。

2 实验论证

为了验证本文提出的数据精准搜索方法在实际应用中的有效性，设置如下实验进行验证。将劳雪松^[1]、贾超贤^[2]方法与本文设计方法进行对比，并设置相关指数来检验其应用效果。

2.1 实验准备

本次实验选择了Microsoft Windows XP作为开发系统，采用Java语言进行实验环境的搭建，并使用Eclipse作为开发工具，建立一个数据精准搜索的实验模型。

在实验过程中，用户需要通过用户界面与系统进行交互。首先，系统输出原始数据；然后，经过数据仓库进行转换、清洗和整理处理；最后，将处理后的数据传输到精准搜索设置界面，完成数据精准搜索。此时，实验还可以设计唯一指标——数据精准搜索支持度。数据支持度越高，证明相应的数据精准搜索方法的搜索效果越好。

在实验中，本文选择associationRule作为主控制集，并结合containMain来驱动实验程序的正常运行，即完成了主控程序逻辑的构建。

主控程序的逻辑结构符合实验需求，然而在开始实验之前，还需要额外进行数据搜索，以获取不同数据规则的置信度，以便进行接下来的数据精准搜索实验。

2.2 实验结果分析与结论

结合上述的实验准备，分别使用本文设计方法、劳雪松^[1]、贾超贤^[2]方法进行数据精准搜索，并使用公式计算不同方法的数据精准搜索支持度，实验结果如表1所示。

由表1可知，通过对不同数据类型的实验结果进行分析，使用本文设计的数据精准搜索方法得到的支持度均高于40%。而使用劳雪松^[1]提出的方法得到的支持度较低，大多为20%～30%。最低的支持度是使用贾超贤^[2]的方法，低于20%。实验结果表明，本文设计的方法具有较好的数据精准搜索效果，能高效提取有价值的数据。

3 结语

在“互联网+”时代背景下，数字化智慧课堂多维度数据精准搜索成了教育领域的重要发展方向。通过对多维度数据的分析，本研究能够全面地了解学生的学习行为、习惯和需求，优化教学设计，提高教学质量和效果，同时，还可以为教育决策提供科学依据，实现个性化教育和精准教学。

参考文献

[1]劳雪松.基于支持向量机的通信网络异常流量数据挖掘方法[J].信息与电脑（理论版），2023（12）：197-200.

[2]贾超贤.基于粒度计算的异构网络多维数据挖掘方法[J].重庆科技学院学报（自然科学版），2023（2）：87-91.

[3]袁蒙蒙，熊文静.基于K-means算法的关联规则数据挖掘方法[J].信息与电脑（理论版），2023（7）：72-74.

[4]陈婷婷，赵世忠.考虑模糊时间序列的高维大数据挖掘方法研究[J].计算机仿真，2023（3）：467-470，475.

[5]张庆昌.基于人工智能的计算机网络异常数据挖掘方法[J].信息与电脑（理论版），2022（16）：31-33，37.

[6]蔡勋玮，赵俊，赵丽，等.SpringCloud微服务框架下新型供电系统数据挖掘方法[J].电子设计工程，2022（16）：164-168.

[7]罗滨鸿，周虎，张祺薇，等.基于Apriori算法的网线编织工艺缺陷数据挖掘方法[J].制造业自动化，2022（5）：75-77，102.

（编辑 王雪芬编辑）

Research on accurate search method of multi-dimensional data in digital smart classroom

under background of “Internet+” era

Li  Jushang， Zhan  Yinze， Yu  Yang， Bian  Wei

（School of Electronic Engineering， Changchun College of Electronic Technology， Changchun 130000， China）

Abstract：  The traditional smart classroom multidimensional data accurate search support is low， therefore， the digital smart classroom multi-dimensional data accurate search method under the background of the “Internet+” era is proposed. This paper constructs the class multidimensional data attribute set， formulates the class multi-dimensional data mining rules， based on the digital screening of accurate search data candidate set， searches the maximum frequent item set， and realizes the smart classroom multi-dimensional data accurate search. The experimental results show that the proposed method has good data mining support under different data sets.

Key words： “Internet+”era; digitization; smart classroom; accurate search of multi-dimensional data