E—Learning環(huán)境下學(xué)習(xí)者建模和數(shù)據(jù)挖掘策略研究

陳曉稀+閆冬

摘要：隨著教育信息化的快速發(fā)展，基于網(wǎng)絡(luò)的在線學(xué)習(xí)已經(jīng)被越來越多地應(yīng)用到各類學(xué)習(xí)情境之中。同時(shí)，數(shù)據(jù)挖掘技術(shù)在教育領(lǐng)域的應(yīng)用也逐漸成為當(dāng)下研究的熱點(diǎn)之一。文章利用網(wǎng)絡(luò)內(nèi)容分析法對(duì)國(guó)內(nèi)近十年來E-Learning數(shù)據(jù)挖掘領(lǐng)域的124篇相關(guān)期刊文獻(xiàn)進(jìn)行量的統(tǒng)計(jì)與質(zhì)的分析，梳理了E-Learning數(shù)據(jù)挖掘領(lǐng)域的研究現(xiàn)狀，基于此提出E-Learn-mg環(huán)境下的學(xué)習(xí)者模型及其對(duì)數(shù)據(jù)挖掘研究的補(bǔ)充，最后分析了該領(lǐng)域的研究發(fā)展趨勢(shì)。文章力求豐富教育數(shù)據(jù)挖掘相關(guān)研究，以期對(duì)E-Learning數(shù)據(jù)挖掘的良性發(fā)展有所裨益。

關(guān)鍵詞：E-Learning；數(shù)據(jù)挖掘；學(xué)習(xí)者建模

新一輪課改政策的發(fā)布使得教育個(gè)性化發(fā)展逐漸成為未來趨勢(shì)，同時(shí)，“在線學(xué)習(xí)”被明確寫入全國(guó)兩會(huì)。教育發(fā)展的內(nèi)部需求和外部環(huán)境帶給E-Learning無限曙光，也對(duì)E-Learn-ing學(xué)習(xí)系統(tǒng)提出了更高要求，比如對(duì)學(xué)習(xí)者的學(xué)習(xí)行為進(jìn)行準(zhǔn)確的預(yù)測(cè)，這就有賴于在現(xiàn)有基礎(chǔ)上將學(xué)習(xí)者模型進(jìn)一步完善，構(gòu)成學(xué)習(xí)者模型的數(shù)據(jù)進(jìn)一步充實(shí)，與其同時(shí)發(fā)生變化的是數(shù)據(jù)挖掘，數(shù)據(jù)挖掘?qū)ο笥写龜U(kuò)大，數(shù)據(jù)挖掘技術(shù)有待豐富。

1研究綜述

教育數(shù)據(jù)挖掘是綜合運(yùn)用數(shù)學(xué)統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的技術(shù)和方法，對(duì)教育大數(shù)據(jù)進(jìn)行處理和分析，通過數(shù)據(jù)建模，我們能進(jìn)一步探索學(xué)習(xí)者學(xué)習(xí)結(jié)果與學(xué)習(xí)內(nèi)容、學(xué)習(xí)資源和教學(xué)行為等變量間的相關(guān)關(guān)系，借此來預(yù)測(cè)學(xué)習(xí)者未來的學(xué)習(xí)趨勢(shì)。

以“教育數(shù)據(jù)挖掘”為主題詞在中國(guó)知網(wǎng)（CNKI）進(jìn)行全文檢索，共得到相關(guān)文獻(xiàn)1118篇。論文篇數(shù)一直隨著年份推移而遞增，則說明教育數(shù)據(jù)挖掘研究可謂當(dāng)今一大趨勢(shì)。

但是在高級(jí)檢索中，將主題詞更改為“數(shù)據(jù)挖掘”與“E-Learning”進(jìn)行二次精檢索之后，共搜到參考文獻(xiàn)124篇，研究數(shù)量的減少一定程度上說明了該研究層次中對(duì)“E-Learning”的研究還留有一席之地。其研究領(lǐng)域大致可分為兩類：一類是以工程技術(shù)為主題的研究，文章內(nèi)容多為在線學(xué)習(xí)系統(tǒng)數(shù)據(jù)挖掘的搭建、優(yōu)化，以及數(shù)據(jù)挖掘工具的開發(fā)等技術(shù)性內(nèi)容，其數(shù)據(jù)挖掘平臺(tái)已經(jīng)在使用當(dāng)中，可以為后續(xù)學(xué)者的研究提供相應(yīng)的數(shù)據(jù)來源，數(shù)據(jù)挖掘的工具在實(shí)踐中不斷經(jīng)受著檢驗(yàn)。例如：陶漪在《基于E-Learning的數(shù)據(jù)挖掘系統(tǒng)的改進(jìn)設(shè)計(jì)與實(shí)現(xiàn)》中提出的包括E-Learning編輯服務(wù)器和數(shù)據(jù)處理體系，E-Learning編輯服務(wù)器由準(zhǔn)備模塊、展示模塊和生成模塊構(gòu)成的基于E-Learning衍生的數(shù)據(jù)挖掘系統(tǒng)。

另一類是以評(píng)述為主的文獻(xiàn)研究，多運(yùn)用內(nèi)容分析法在知網(wǎng)或資料中心限定一定時(shí)間區(qū)間，根據(jù)關(guān)鍵詞的搜索對(duì)文獻(xiàn)進(jìn)行分析和評(píng)析，以揭示研究現(xiàn)狀并預(yù)測(cè)發(fā)展趨勢(shì)，教育數(shù)據(jù)挖掘的趨勢(shì)已經(jīng)從“工具開發(fā)”向“系統(tǒng)優(yōu)化”方向進(jìn)行偏移。例如：劉冰、趙君麗在2015年對(duì)教育數(shù)據(jù)挖掘方法使用的分析中提出“神經(jīng)網(wǎng)絡(luò)技術(shù)”在教育數(shù)據(jù)挖掘中使用還不多，主要使用的是聚類、關(guān)聯(lián)規(guī)則、決策樹，以及指出許多理論研究團(tuán)隊(duì)與系統(tǒng)開發(fā)團(tuán)隊(duì)合作與交流不夠充分；丁波在其研究中提出了四點(diǎn)趨勢(shì)，分別是：開發(fā)專門的教育數(shù)據(jù)挖掘工具、在教育環(huán)境中集成教育數(shù)據(jù)挖掘工具、將教育數(shù)據(jù)挖掘數(shù)據(jù)及模型標(biāo)準(zhǔn)化、研究特定的教育數(shù)據(jù)挖掘的技巧。

另外，筆者發(fā)現(xiàn)，對(duì)學(xué)習(xí)者建模的研究文獻(xiàn)還相對(duì)較少，且發(fā)表年份多集中在2010年前后，其構(gòu)建的模型主要為知識(shí)模型、認(rèn)知模型、情感模型與學(xué)習(xí)行為模型，在這四個(gè)部分中對(duì)學(xué)習(xí)者的知識(shí)模型研究最多，例如：趙德芳等學(xué)者在《可演化的個(gè)人知識(shí)圖建構(gòu)及認(rèn)知評(píng)估模型研究》中指出，“在自規(guī)律在線學(xué)習(xí)系統(tǒng)中要構(gòu)建出學(xué)習(xí)者的顯性知識(shí)模型和隱性知識(shí)模型，利用兩個(gè)模型指導(dǎo)系統(tǒng)呈現(xiàn)給學(xué)習(xí)者知識(shí)的方式。”筆者在各類文獻(xiàn)研究中發(fā)現(xiàn)，學(xué)習(xí)者的知識(shí)模型的研究重點(diǎn)更多聚焦于知識(shí)本身，是較為獨(dú)立的知識(shí)，而非與學(xué)習(xí)者結(jié)合的內(nèi)化知識(shí)。獨(dú)立的知識(shí)模型具有較強(qiáng)的可復(fù)制性，但其研究對(duì)后期學(xué)習(xí)者行為的預(yù)測(cè)也將出現(xiàn)較大偏差。

2E-Learning環(huán)境下的學(xué)習(xí)者模型

學(xué)習(xí)者模型是用于描述學(xué)習(xí)者認(rèn)知、情感、學(xué)習(xí)行為等方面的特征的表示，主要包括知識(shí)模型、認(rèn)知模型、情感模型和學(xué)習(xí)行為模型四個(gè)方面。分析和表示學(xué)習(xí)者模型的過程稱為學(xué)習(xí)者建模。

現(xiàn)階段的E-Learning具有大眾化與個(gè)性化、快速性與一致性、高效率與低成本、可跟蹤和可管理的鮮明特點(diǎn)，而針對(duì)傳統(tǒng)學(xué)習(xí)模式的學(xué)習(xí)者模型無法完全滿足E-Eearning的特點(diǎn)需求。

從E-Learning教育數(shù)據(jù)挖掘的角度出發(fā)進(jìn)行思考，本文將對(duì)學(xué)習(xí)者建模進(jìn)行三方面的擴(kuò)展，意在構(gòu)建更具個(gè)人學(xué)習(xí)特點(diǎn)的學(xué)習(xí)者模型，運(yùn)用擴(kuò)展后的模型進(jìn)行數(shù)據(jù)挖掘分析，可以對(duì)學(xué)習(xí)者的學(xué)習(xí)行為進(jìn)行更精確的預(yù)測(cè)，以重新組織不同的知識(shí)來展現(xiàn)，施以不同的教學(xué)策略，從而使自適應(yīng)的個(gè)性化學(xué)習(xí)與學(xué)習(xí)者更加匹配，進(jìn)而提高學(xué)習(xí)績(jī)效。

1）學(xué)習(xí)者知識(shí)水平建模

學(xué)習(xí)者知識(shí)水平是何克抗先生在《“學(xué)習(xí)分析技術(shù)”在我國(guó)的新發(fā)展》一文中提出的，現(xiàn)在將這一概念引入教育數(shù)據(jù)挖掘領(lǐng)域，借此來豐富所構(gòu)建的學(xué)習(xí)者模型的數(shù)據(jù)。此處的知識(shí)水平不局限于學(xué)習(xí)者對(duì)課程學(xué)習(xí)是否具有專業(yè)的課程性知識(shí)，而是指人具有的各方面的知識(shí)。學(xué)習(xí)者知識(shí)水平應(yīng)該存在于學(xué)習(xí)者進(jìn)入學(xué)習(xí)系統(tǒng)之前所搭建出來的一個(gè)數(shù)據(jù)模型之中。

能夠在網(wǎng)上進(jìn)行自主學(xué)習(xí)活動(dòng)的學(xué)習(xí)者，其知識(shí)水平已經(jīng)達(dá)到一定層次，但是對(duì)于同一內(nèi)容的學(xué)習(xí)，不同學(xué)習(xí)者的知識(shí)水平層次不一，這便影響了學(xué)習(xí)活動(dòng)的進(jìn)行速率。例如，在網(wǎng)絡(luò)視頻課程的開發(fā)過程中，我們倘若只按照教學(xué)行為的速度安排教學(xué)內(nèi)容的呈現(xiàn)速率，將使得不同層次的學(xué)習(xí)者接受與理解的結(jié)果產(chǎn)生很大差異。

在知識(shí)水平維度我們按照何克抗先生對(duì)“知識(shí)水平”層次的分類一一“初學(xué)者、初級(jí)、中級(jí)、高級(jí)、非常高級(jí)”五個(gè)層次進(jìn)行速率的設(shè)計(jì)。同時(shí)，不應(yīng)只著眼于單一知識(shí)點(diǎn)檢測(cè)數(shù)據(jù)的抽取，而是將知識(shí)點(diǎn)、知識(shí)單元、課程等多個(gè)層面進(jìn)行數(shù)據(jù)抽取；另外，我們也不應(yīng)只著眼于結(jié)果性的測(cè)試數(shù)據(jù)，而應(yīng)加人課程前的測(cè)試和課程進(jìn)行中的測(cè)試。通過多方數(shù)據(jù)進(jìn)行學(xué)習(xí)者知識(shí)模型的搭建，我們可以將這一模型納入到學(xué)習(xí)者建模中，以體現(xiàn)學(xué)習(xí)者的過程性知識(shí)和高階思維能力。endprint

我們提出的“學(xué)習(xí)者知識(shí)水平模型”的構(gòu)建完成于學(xué)習(xí)者進(jìn)人學(xué)習(xí)系統(tǒng)之前，那怎樣進(jìn)行學(xué)習(xí)者知識(shí)水平的獲取便成為首要問題。理想狀況下是學(xué)習(xí)者的數(shù)據(jù)在各個(gè)系統(tǒng)之間可以共享。例如：新*方學(xué)校的中學(xué)培訓(xùn)部在課外培訓(xùn)中要求每個(gè)學(xué)習(xí)者使用“Clicker”進(jìn)行簽到、答題等交互性活動(dòng)，在此時(shí)建立好學(xué)習(xí)者的個(gè)人學(xué)習(xí)數(shù)據(jù)庫(kù)。當(dāng)學(xué)習(xí)者從初中部升入高中部時(shí)，學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)（此處主要是對(duì)單一知識(shí)點(diǎn)的掌握）遷移至高中，此時(shí)，高中部的老師能夠迅速了解該學(xué)習(xí)者對(duì)之前知識(shí)的掌握情況，這無疑使得教與學(xué)在知識(shí)銜接時(shí)的準(zhǔn)備更加充足。但是，在不同的在線學(xué)習(xí)平臺(tái)之間進(jìn)行學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)共享，就目前情況來看是不容易實(shí)現(xiàn)的，這就要求學(xué)習(xí)者在進(jìn)入平臺(tái)學(xué)習(xí)之前，要進(jìn)行相應(yīng)的個(gè)人知識(shí)水平測(cè)定，測(cè)定的內(nèi)容應(yīng)該不僅僅是學(xué)生對(duì)知識(shí)點(diǎn)的掌握，而應(yīng)是通過學(xué)習(xí)者的答題情況得到認(rèn)知特點(diǎn)與基于認(rèn)知風(fēng)格的知識(shí)水平模型。學(xué)習(xí)者知識(shí)水平建模是依托大量的相關(guān)度分析和回歸分析的基礎(chǔ)，需要一定數(shù)量的在線學(xué)習(xí)平臺(tái)中學(xué)習(xí)者的交互數(shù)據(jù)，以此建立可靠的學(xué)習(xí)者知識(shí)模型。

2）學(xué)習(xí)情緒建模

學(xué)習(xí)情緒是指?jìng)€(gè)體對(duì)學(xué)習(xí)情感的意義傾向，表現(xiàn)為學(xué)習(xí)者對(duì)學(xué)習(xí)的喜惡感受和體驗(yàn)?，F(xiàn)在的學(xué)習(xí)者模型中，除學(xué)習(xí)者的知識(shí)模型外，對(duì)學(xué)習(xí)者的認(rèn)知模型等的搭建占有較大部分，而忽視了學(xué)習(xí)情緒這一心理因素。

郭秀麗在《精心創(chuàng)造有效情景，激發(fā)學(xué)生學(xué)習(xí)情緒》一文中指出：“較高的情緒容易促進(jìn)學(xué)習(xí)者學(xué)習(xí)的積極性”。同時(shí)，心理學(xué)研究表明：一定的連續(xù)學(xué)習(xí)時(shí)間內(nèi)，學(xué)習(xí)者學(xué)習(xí)情緒的變化隨學(xué)習(xí)時(shí)間的增加呈“u”型變化趨勢(shì)。這個(gè)“u”型變化曲線是基于定量研究的，在每個(gè)學(xué)習(xí)者身上學(xué)習(xí)情緒的變化與定量研究得出的“u”型曲線不會(huì)完全重合，所以我們要針對(duì)每個(gè)學(xué)習(xí)者的學(xué)習(xí)情緒進(jìn)行模型的構(gòu)建。在此過程中，學(xué)習(xí)者興趣處于“u”型趨勢(shì)底部時(shí)，可以采取創(chuàng)設(shè)驚奇等策略，以此激發(fā)學(xué)習(xí)者的學(xué)習(xí)興趣，提高學(xué)習(xí)情緒，進(jìn)而提高在線學(xué)習(xí)的績(jī)效。

不僅每一節(jié)課程內(nèi)存在學(xué)習(xí)情緒的變化，課程內(nèi)部同樣存在學(xué)習(xí)情緒的變化，如：MOOC學(xué)習(xí)過程中，學(xué)習(xí)者的學(xué)習(xí)活動(dòng)持續(xù)力不強(qiáng)以及棄課率的存在難免與其學(xué)習(xí)情緒有關(guān)。這就要求在學(xué)習(xí)情緒變化不同的學(xué)習(xí)者之間采用不同的課程排列方式。從學(xué)習(xí)情緒出發(fā)，使得數(shù)據(jù)挖掘的范圍進(jìn)一步擴(kuò)大，要處理神經(jīng)網(wǎng)絡(luò)技術(shù)、眼動(dòng)技術(shù)記錄在后臺(tái)數(shù)據(jù)庫(kù)中的大量數(shù)據(jù)。瓦拉特普（Vatrapuetal，2013）曾經(jīng)通過技能測(cè)量、微笑等九個(gè)指標(biāo)來描述學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，我們也應(yīng)該在將來把更加先進(jìn)和成熟的技術(shù)應(yīng)用于教育數(shù)據(jù)挖掘的領(lǐng)域中。

3）學(xué)習(xí)行為特征抽取

在線學(xué)習(xí)的過程中，教師的角色已經(jīng)發(fā)生了極大變化，他們并不能出現(xiàn)在學(xué)生面前管理和調(diào)節(jié)學(xué)習(xí)者的學(xué)習(xí)過程?，F(xiàn)階段，學(xué)習(xí)者行為的模型多偏向于研究學(xué)習(xí)者的認(rèn)知，但認(rèn)知不足以將學(xué)習(xí)者的學(xué)習(xí)行為全部概括。學(xué)習(xí)者的學(xué)習(xí)進(jìn)度以及各種學(xué)習(xí)活動(dòng)安排的權(quán)力將全部掌握在學(xué)習(xí)者自己手中，這就造成了不同學(xué)習(xí)行為之間存在不同特征。如：孫月亞在《開放大學(xué)遠(yuǎn)程學(xué)習(xí)者在線學(xué)習(xí)行為的特征分析》中利用實(shí)證研究的方法得出了學(xué)習(xí)者在四個(gè)階段的特征一一重開端、輕視頻、重考核、輕反思，并得出了“只有學(xué)習(xí)者的學(xué)習(xí)行為才能真正預(yù)測(cè)學(xué)生的學(xué)習(xí)效果”的結(jié)論。

學(xué)習(xí)者在網(wǎng)絡(luò)環(huán)境下的學(xué)習(xí)行為在各項(xiàng)研究中包括個(gè)體學(xué)習(xí)行為和社會(huì)學(xué)習(xí)行為兩個(gè)方面。個(gè)體學(xué)習(xí)行為是指?jìng)€(gè)體自主完成學(xué)習(xí)任務(wù)的行為，具體包括登錄行為、閱讀行為和提交作業(yè)行為；社會(huì)性學(xué)習(xí)行為是指學(xué)習(xí)者在網(wǎng)絡(luò)中維系與他人的社會(huì)性關(guān)系的行為，具體包括在線討論行為和協(xié)作學(xué)習(xí)行為。

大量具有相同特征的學(xué)習(xí)行為可以抽象為學(xué)習(xí)行為范式。例如，加拿大薩斯卡通大學(xué)（University of Saskatoon）的布魯克斯（Brooks，2014）獲取在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者交互數(shù)據(jù)時(shí)，采用非監(jiān)督機(jī)器學(xué)習(xí)技術(shù)，抽取了五種學(xué)習(xí)者行為范式，包括“活躍型、早期型、及時(shí)型、最少活動(dòng)型和延期型”，他指出活躍型對(duì)提高學(xué)習(xí)成績(jī)并無顯著性影響。吳忭等學(xué)者也對(duì)學(xué)習(xí)者圖示化學(xué)習(xí)過程開展序列分析，發(fā)現(xiàn)具有“概念建構(gòu)一假設(shè)提出一推理論證”學(xué)習(xí)行為模式的學(xué)習(xí)者比較容易取得好成績(jī)。

在學(xué)習(xí)行為特征的抽取過程中，我們需要收集在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)資源的點(diǎn)擊次數(shù)、順序及停留時(shí)間等數(shù)據(jù)，這些學(xué)習(xí)過程中出現(xiàn)的具體數(shù)據(jù)不存在于服務(wù)器日志當(dāng)中，這意味著教育數(shù)據(jù)挖掘?qū)ο蟮倪M(jìn)一步擴(kuò)大。收集數(shù)據(jù)完畢后，我們要從大量的數(shù)據(jù)中抽離出學(xué)習(xí)行為的范式或在個(gè)人領(lǐng)域內(nèi)形成資源結(jié)構(gòu)特征，并研究其與學(xué)習(xí)者生成的形成性評(píng)價(jià)與結(jié)果性評(píng)價(jià)的關(guān)系。

3新的學(xué)習(xí)者模型下的數(shù)據(jù)挖掘

在E-Learning環(huán)境下的學(xué)習(xí)者模型為數(shù)據(jù)挖掘提供了新的可能和新的資源，也提出了新的要求，對(duì)應(yīng)此環(huán)境及模型的數(shù)據(jù)挖掘也應(yīng)施以新的發(fā)展策略。

1）樹立對(duì)學(xué)習(xí)者進(jìn)行長(zhǎng)期建模的理念

學(xué)習(xí)是貫穿學(xué)習(xí)者生命始終的，這是終身學(xué)習(xí)提出的概念，尤其在如今高度信息化的社會(huì)中，學(xué)習(xí)者的學(xué)習(xí)行為不斷發(fā)生，從學(xué)習(xí)行為中收集數(shù)據(jù)，并加以分析處理，以便對(duì)之后的學(xué)習(xí)行為進(jìn)行更加準(zhǔn)確的預(yù)測(cè)正當(dāng)其時(shí)。正如“常用常新”說的就是這個(gè)道理。就學(xué)習(xí)者的學(xué)習(xí)內(nèi)容來分析：?jiǎn)位谄喗艿恼J(rèn)知發(fā)展理論而言，在0-2歲的感覺運(yùn)動(dòng)階段，人們主要進(jìn)行簡(jiǎn)單的思考和支配自己的動(dòng)作；在2-7歲的前運(yùn)算階段主要進(jìn)行的是形象思維的構(gòu)建，這時(shí)學(xué)習(xí)的內(nèi)容是簡(jiǎn)單的、形象的知識(shí)；在7-11歲時(shí)進(jìn)人具體運(yùn)算階段，這時(shí)學(xué)習(xí)的內(nèi)容中就可以添加一些具有邏輯性的知識(shí)；在12-15歲的形式運(yùn)算階段，人們可以接受更加抽象的知識(shí)。學(xué)習(xí)者在不同階段的學(xué)習(xí)內(nèi)容具有不同的特點(diǎn)，這就可以從認(rèn)知發(fā)展維度為學(xué)習(xí)者搭建個(gè)性化模型。這只是一個(gè)關(guān)于認(rèn)知的理論基礎(chǔ)，就已經(jīng)將學(xué)習(xí)者的學(xué)習(xí)內(nèi)容劃分為四種，隨著學(xué)習(xí)理論的進(jìn)人，便可組合衍生出更多的情況。不僅在學(xué)習(xí)內(nèi)容上情況如此復(fù)雜，學(xué)習(xí)過程中各種有代表性的學(xué)習(xí)行為都可以為模型增加維度。因此，長(zhǎng)期建模的理念是在基于E-Learning的數(shù)據(jù)挖掘過程中一定要養(yǎng)成的思維模式，其作用是對(duì)學(xué)習(xí)者模型的豐富、完善以及對(duì)預(yù)測(cè)精準(zhǔn)度的保證。endprint

2）擴(kuò)大基于E-Learning數(shù)據(jù)挖掘的對(duì)象

現(xiàn)有文獻(xiàn)數(shù)據(jù)表明在教育大數(shù)據(jù)挖掘中，主要挖掘?qū)ο鬄椋悍?wù)器日志、平臺(tái)課程數(shù)據(jù)庫(kù)、論壇帖子集等。但是這些數(shù)據(jù)遠(yuǎn)不能滿足模型的新需求。例如：要抽象出學(xué)習(xí)行為的新范式就意味著要分析形成這一范式的數(shù)據(jù)并進(jìn)一步將其深化。這一特定數(shù)據(jù)需要大量信息作為基礎(chǔ)，并不能使用原始數(shù)據(jù)，數(shù)據(jù)來源便是數(shù)據(jù)挖掘的對(duì)象。數(shù)據(jù)挖掘?qū)ο蟮脑黾邮怯裳芯克钄?shù)據(jù)量的增加引起的，這是因?yàn)榧扔械臄?shù)據(jù)挖掘?qū)ο鬅o法為新的研究提供所需的數(shù)據(jù)。同時(shí)，不斷有新的技術(shù)應(yīng)用于E-learning的數(shù)據(jù)挖掘中，挖掘?qū)ο笠搽S之豐富起來，隨著研究領(lǐng)域的擴(kuò)展和研究層次的深入，數(shù)據(jù)挖掘?qū)ο蟮脑黾邮潜厝坏内厔?shì)。

然而，數(shù)據(jù)挖掘的對(duì)象并不是盲目增加的，還是應(yīng)該與范式特點(diǎn)具有一定的相關(guān)度或者說具有一定的聯(lián)系性。否則大量無關(guān)數(shù)據(jù)的分析不僅會(huì)影響分析的效度，也會(huì)降低數(shù)據(jù)分析工作的效率。

3）在E-Learning數(shù)據(jù)挖掘中使用新的數(shù)據(jù)工具

技術(shù)的更迭是飛速的，E-Learning數(shù)據(jù)挖掘作為一個(gè)交叉學(xué)科更要掌握技術(shù)發(fā)展的趨勢(shì)，以促進(jìn)學(xué)科發(fā)展，豐富學(xué)科內(nèi)涵。尤其是近年來腦科學(xué)研究的不斷深入以及傳感技術(shù)的日益成熟，國(guó)內(nèi)外許多研究者開始對(duì)這一領(lǐng)域進(jìn)行初步探索，其中以眼動(dòng)技術(shù)最為成熟。在我國(guó)學(xué)者對(duì)眼動(dòng)技術(shù)的研究中，已將其數(shù)據(jù)化，在微眼動(dòng)的識(shí)別和分析技術(shù)中，主要涉及的眼動(dòng)參數(shù)有眼球位置、方向、頻率、速率、加速度、幅度和持續(xù)時(shí)間等。通過這些數(shù)據(jù)的搜集和分析，可以與注意、知覺建立起聯(lián)系。在此過程中搜集到的數(shù)據(jù)有賴于小波轉(zhuǎn)換技術(shù)去濾掉奇異值再進(jìn)行分析。當(dāng)腦科學(xué)等技術(shù)融入后，學(xué)習(xí)者模型中的數(shù)據(jù)不僅是計(jì)算機(jī)記錄的行為數(shù)據(jù)和知識(shí)數(shù)據(jù)，還是大量的生物數(shù)據(jù)。生物數(shù)據(jù)和原有數(shù)據(jù)進(jìn)行整合時(shí)，有賴于基于小波的識(shí)別技術(shù)將其進(jìn)行處理，隨處理后的新數(shù)據(jù)進(jìn)入新的研究領(lǐng)域和研究視角。新技術(shù)帶給E-Leaming數(shù)據(jù)挖掘的不僅是該領(lǐng)域的拓寬，由于技術(shù)流入生成的數(shù)據(jù)模型使得后期的預(yù)測(cè)將更趨向于精確化。

4）建立基于E-Learning平臺(tái)間的數(shù)據(jù)共享

在學(xué)習(xí)者長(zhǎng)期的學(xué)習(xí)過程中連續(xù)使用同一在線學(xué)習(xí)平臺(tái)的情況很少。換言之，每個(gè)在線學(xué)習(xí)平臺(tái)都有其獨(dú)特風(fēng)格與專長(zhǎng)領(lǐng)域。假設(shè)學(xué)習(xí)者在早期使用A在線學(xué)習(xí)平臺(tái)，又更換至B在線學(xué)習(xí)平臺(tái)，那么在剛進(jìn)入B在線學(xué)習(xí)平臺(tái)時(shí)，該學(xué)習(xí)者模型處于空白狀態(tài)，自適應(yīng)學(xué)習(xí)系統(tǒng)將無法預(yù)測(cè)他的學(xué)習(xí)行為，無法準(zhǔn)確判斷他原有知識(shí)水平等學(xué)習(xí)者特征。但是，此學(xué)習(xí)者在A在線學(xué)習(xí)平臺(tái)中的學(xué)習(xí)者模型是成熟的，數(shù)據(jù)是被大量記錄與分析的。在兩平臺(tái)之間實(shí)行數(shù)據(jù)的共享，就是解決這一難題的捷徑，即共享原生數(shù)據(jù)，或共享學(xué)習(xí)者的模型。具體運(yùn)行手段可以通過有償或者建立聯(lián)盟等方式運(yùn)行。

假設(shè)平臺(tái)之間選擇共享構(gòu)建的學(xué)習(xí)者模型，則需要同一模型的規(guī)范，正如秦王統(tǒng)一度量衡一般，方便平臺(tái)間實(shí)現(xiàn)共享。社會(huì)不斷進(jìn)步，科技飛速發(fā)展，學(xué)習(xí)者需要獲取更多知識(shí)，而需要E-Learning數(shù)據(jù)挖掘做的也有很多。

4結(jié)束語

學(xué)習(xí)者的模型構(gòu)建是E-Learning中的重要部分。本次研究提出了從學(xué)習(xí)者的知識(shí)水平、學(xué)習(xí)情緒、學(xué)習(xí)行為特征三方面來擴(kuò)充和完善E-Learning環(huán)境下學(xué)習(xí)者的模型，并對(duì)學(xué)習(xí)系統(tǒng)的教育數(shù)據(jù)挖掘提供了策略，以期使得E-Learning系統(tǒng)能適應(yīng)教育的發(fā)展和外部環(huán)境需求，達(dá)到更好的效果。endprint