基于數(shù)據(jù)挖掘的計(jì)算機(jī)輔助課堂教學(xué)系統(tǒng)設(shè)計(jì)

摘 ?要： 針對(duì)現(xiàn)有計(jì)算機(jī)輔助教學(xué)模式中普遍存在的信息利用率差，智能性、個(gè)性化較低等問(wèn)題，設(shè)計(jì)一種基于數(shù)據(jù)挖掘的計(jì)算機(jī)輔助課堂教學(xué)系統(tǒng)。該系統(tǒng)模塊設(shè)計(jì)采用三層B/S結(jié)構(gòu)。利用信息收集模塊實(shí)現(xiàn)學(xué)生信息數(shù)據(jù)的收集與存儲(chǔ);用戶(hù)信息預(yù)處理模塊將信息數(shù)據(jù)進(jìn)行預(yù)處理后，作為個(gè)性化數(shù)據(jù)分析模塊中個(gè)性化數(shù)據(jù)源的數(shù)據(jù)。通過(guò)個(gè)性化數(shù)據(jù)分析模型，采用數(shù)據(jù)挖掘并行化技術(shù)，通過(guò)K?means聚類(lèi)算法和Map Reduce并行計(jì)算框架更新數(shù)據(jù)聚類(lèi)中心，將聚類(lèi)性能指標(biāo)最小化，對(duì)個(gè)性化數(shù)據(jù)源內(nèi)的數(shù)據(jù)進(jìn)行有效挖掘分析，對(duì)分析后的結(jié)論進(jìn)行規(guī)則化生成教學(xué)規(guī)則，通過(guò)人機(jī)交互呈現(xiàn)給學(xué)生，以提升教學(xué)系統(tǒng)的智能化與個(gè)性化。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能夠有效提升學(xué)生學(xué)習(xí)效率，資源占用率降低32.4%以上。

關(guān)鍵詞： 數(shù)據(jù)挖掘; 計(jì)算機(jī)輔助教學(xué); 課堂教學(xué); 信息收集; 數(shù)據(jù)分析; 教學(xué)規(guī)則

中圖分類(lèi)號(hào)： TN919?34; TP311.52 ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）02?0084?03

Design of computer?aided classroom teaching system based on data mining

ZHOU Junping

Abstract： As for the problems of poor information utilization， low intelligence and individuality in the current computer?aided teaching mode， a computer?aided classroom teaching system based on data mining is designed. The three?layer B/S structure is used in the module design of the system. The students′ information data is collected and stored with the information collection module， which is taken as data of the personalized data source in the personalized data analysis module after the information data is preprocessed with the user information preprocessing module. In the personalized data analysis model， the data clustering center is updated with the data mining parallelization technology by means of the K?means clustering algorithm and Map Reduce parallel computing framework. The clustering performance indexes are minimized to effectively mine and analyze data in the personalized data sources， the conclusion is regularized to generate teaching rules， and presented to students by means of the human?computer interaction， so as to promote the intelligence and personalization of the teaching system. The experimental results show that the system can effectively improve students′learning efficiency and reduce the occupancy rate of its resources by more than 32.4%.

Keywords： data mining; computer?aided teaching; classroom teaching; information collection; data analysis; teaching rule

在教育系統(tǒng)中，舊式純課堂教學(xué)模式受到了強(qiáng)烈沖擊，無(wú)法滿(mǎn)足當(dāng)前社會(huì)對(duì)高等人才培養(yǎng)的全新要求，人們?cè)絹?lái)越重視教學(xué)模式的革新。在此大環(huán)境下，現(xiàn)代教學(xué)模式逐漸取代舊式教學(xué)模式[1]。計(jì)算機(jī)網(wǎng)絡(luò)同教育教學(xué)相結(jié)合的模式是具有代表性的現(xiàn)代教學(xué)模式，該教學(xué)模式以計(jì)算機(jī)作為教學(xué)輔助手段，將網(wǎng)絡(luò)作為知識(shí)傳播的主要途徑之一，具有教學(xué)資源共享、師生交互性增強(qiáng)、學(xué)習(xí)空間不受限制、因材施教等優(yōu)勢(shì)[2]。

現(xiàn)有的計(jì)算機(jī)輔助教學(xué)模式中普遍存在信息利用率差，智能性、個(gè)性化較低等問(wèn)題[3]。作為數(shù)據(jù)庫(kù)技術(shù)開(kāi)發(fā)與研究的結(jié)果，數(shù)據(jù)挖掘技術(shù)能夠在大量信息存儲(chǔ)器內(nèi)挖掘潛在有用信息，其本質(zhì)為數(shù)據(jù)增值過(guò)程。將數(shù)據(jù)挖掘技術(shù)應(yīng)用在計(jì)算機(jī)輔助教學(xué)模式中，設(shè)計(jì)基于數(shù)據(jù)挖掘的計(jì)算機(jī)輔助課堂教學(xué)系統(tǒng)，提升信息利用率、提供教學(xué)資源下載、網(wǎng)絡(luò)交互、成績(jī)管理等服務(wù)，對(duì)教育系統(tǒng)中的“教”和“學(xué)”均具有較大的積極意義。

1 ?計(jì)算機(jī)輔助課堂教學(xué)系統(tǒng)

1.1 ?系統(tǒng)整體結(jié)構(gòu)設(shè)計(jì)

本文參考相關(guān)教育專(zhuān)家的研究結(jié)果[4]，將模塊結(jié)構(gòu)設(shè)計(jì)為三層B/S結(jié)構(gòu)，如圖1所示。

教學(xué)界面層的主要任務(wù)是針對(duì)各用戶(hù)提供人機(jī)交互界面。教學(xué)應(yīng)用層包括四個(gè)主要模塊，即信息收集模塊、信息預(yù)處理模塊、個(gè)性化分析模塊及信息調(diào)度模塊。通過(guò)這些模塊實(shí)現(xiàn)系統(tǒng)個(gè)性化功能。系統(tǒng)資源層的主要功能是存儲(chǔ)教學(xué)規(guī)則、教學(xué)資源以及用戶(hù)信息等。

1.2 ?硬件設(shè)計(jì)

1.2.1 ?信息收集模塊

信息收集模塊實(shí)現(xiàn)學(xué)生信息數(shù)據(jù)的收集與存儲(chǔ)，支持OLTP數(shù)據(jù)、OLAP數(shù)據(jù)、日志數(shù)據(jù)等不同源數(shù)據(jù)格式[5]，包含數(shù)據(jù)庫(kù)實(shí)時(shí)同步、Socket消息同步等多種數(shù)據(jù)同步方式。該模塊采用模板化設(shè)計(jì)方式，實(shí)現(xiàn)新數(shù)據(jù)的模板與元數(shù)據(jù)配置，完成不同信息數(shù)據(jù)統(tǒng)一收集與規(guī)約。信息收集模塊設(shè)計(jì)圖如圖2所示。

1.2.2 ?個(gè)性化分析模塊

個(gè)性化分析模塊劃分為個(gè)性化數(shù)據(jù)源與個(gè)性化數(shù)據(jù)分析模型兩部分[6]。用戶(hù)信息預(yù)處理模塊將信息收集模塊獲取的信息數(shù)據(jù)進(jìn)行預(yù)處理后，作為個(gè)性化數(shù)據(jù)源的數(shù)據(jù);選取K?means聚類(lèi)算法和Map Reduce并行計(jì)算框架，對(duì)個(gè)性化數(shù)據(jù)源內(nèi)的數(shù)據(jù)實(shí)施挖掘分析，分析后進(jìn)行規(guī)則化生成教學(xué)規(guī)則，并存儲(chǔ)至教學(xué)規(guī)則庫(kù)，同時(shí)將個(gè)性化信息傳輸至信息調(diào)度模塊內(nèi)，通過(guò)人機(jī)交互呈現(xiàn)給學(xué)生，以提升教學(xué)系統(tǒng)的智能化與個(gè)性化。

1.3 ?軟件設(shè)計(jì)

1.3.1 ?數(shù)據(jù)挖掘并行化技術(shù)

數(shù)據(jù)挖掘并行化技術(shù)是系統(tǒng)個(gè)性化分析模塊提供的基礎(chǔ)算法之一，包括數(shù)據(jù)挖掘算法能夠并行和相應(yīng)的并行策略選取等[7]。利用K?means聚類(lèi)算法和Map Reduce并行計(jì)算框架提升個(gè)性化數(shù)據(jù)源中數(shù)據(jù)挖掘效率與質(zhì)量。

K?means聚類(lèi)算法內(nèi)的聚類(lèi)準(zhǔn)則函數(shù)為聚類(lèi)集內(nèi)各本點(diǎn)與此類(lèi)簇中心點(diǎn)間距離的平方和，同時(shí)將其最小化，即：任意選取[d]個(gè)目標(biāo)，各目標(biāo)均表示一個(gè)數(shù)據(jù)簇的初始均值與中心;依照剩余各目標(biāo)與各簇的均值距離，將剩余各目標(biāo)分配至相似度最高的簇內(nèi);確定各簇的新均值;循環(huán)上述過(guò)程至準(zhǔn)則函數(shù)收斂。一般情況下，以平方誤差準(zhǔn)則為準(zhǔn)則函數(shù)，表達(dá)式如下：

[U=i=1dp∈Cip-bi2] ? ? ? ? ? ? ? ? （1）

式中：[U]和[p]分別表示數(shù)據(jù)集內(nèi)全部對(duì)象的平方誤差和給定對(duì)象;[Ci]表示簇;[bi]是其均值[8]。任意初始化[d]個(gè)聚類(lèi)中心后，執(zhí)行一次新的任務(wù)就表示更新一次當(dāng)前[d]個(gè)聚類(lèi)中心。映射過(guò)程中，用[Rs]表示樣本，針對(duì)各[Rs]需確定與其距離最近的聚類(lèi)中心，用[Ri0≤i≤d-1]表示，獲取[i，Rs]鍵值對(duì)。在Map Reduce并行計(jì)算框架內(nèi)根據(jù)聚集的樣本可再次獲取[d]個(gè)數(shù)據(jù)聚類(lèi)中心：

[Ri=j=1nRjn] ? ? ? ? ? ? ? （2）

通過(guò)上述過(guò)程結(jié)束一輪Map Reduce后，即可得到新數(shù)據(jù)聚類(lèi)中心，對(duì)比新數(shù)據(jù)聚類(lèi)中心與上一輪聚類(lèi)中心就能判斷算法是否收斂來(lái)提升數(shù)據(jù)挖掘效率與質(zhì)量。

2 ?實(shí)驗(yàn)分析

2.1 ?系統(tǒng)功能測(cè)試

實(shí)驗(yàn)為測(cè)試本文設(shè)計(jì)的基于數(shù)據(jù)挖掘的計(jì)算機(jī)輔助課堂教學(xué)系統(tǒng)功能，對(duì)其實(shí)施相關(guān)功能性檢測(cè)，通過(guò)期望結(jié)果與測(cè)試結(jié)果是否一致判斷本文系統(tǒng)功能有效性，如表1所示。由表1得到，本文系統(tǒng)功能性測(cè)試的結(jié)果與期望結(jié)果完全一致，表明本文系統(tǒng)功能的有效性。

2.2 ?教學(xué)效果對(duì)比

以某高校124名學(xué)生為實(shí)驗(yàn)對(duì)象，將其分為未使用本文系統(tǒng)對(duì)照組和使用本文系統(tǒng)實(shí)驗(yàn)組，每組62人，由一名教師進(jìn)行授課。對(duì)比對(duì)照組與實(shí)驗(yàn)組期末平均成績(jī)，結(jié)果如表2所示。

用柱形圖形式描述表2中的數(shù)據(jù)，結(jié)果如圖4所示。

由表2和圖3能夠得到，在期末考試平均成績(jī)中，實(shí)驗(yàn)組不及格分?jǐn)?shù)段與高于90分?jǐn)?shù)段中的人數(shù)分別是2人和16人，在80～89分?jǐn)?shù)段的學(xué)生人數(shù)最多，占總?cè)藬?shù)40.32%;對(duì)照組中不及格分?jǐn)?shù)段與高于90分?jǐn)?shù)段中的人數(shù)分別是13人和3人，在60～69分?jǐn)?shù)段的學(xué)生人數(shù)最多，占總?cè)藬?shù)38.71%。實(shí)驗(yàn)結(jié)果表明，此次期末考試中，使用本文系統(tǒng)的學(xué)生成績(jī)明顯高于未使用本文系統(tǒng)，說(shuō)明本文系統(tǒng)能夠有效提升學(xué)習(xí)成績(jī)。

2.3 ?資源占用率對(duì)比

實(shí)驗(yàn)為測(cè)試本文系統(tǒng)的資源占用率，分別從人機(jī)交互、信息收集、信息預(yù)處理等方面對(duì)比本文系統(tǒng)、基于移動(dòng)終端的輔助課堂教學(xué)系統(tǒng)和C/S多媒體輔助課堂教學(xué)系統(tǒng)的CUP及內(nèi)存占用率，結(jié)果如表3所示。

分析表3可知，使用本文系統(tǒng)進(jìn)行計(jì)算機(jī)輔助教學(xué)時(shí)CPU占用率總值為35.7%，與其他兩個(gè)系統(tǒng)相比，分別降低了50.8%和37.7%;本文系統(tǒng)內(nèi)存占用率總值為18.6%，相比其他兩個(gè)系統(tǒng)分別降低了51.8%和32.4%。實(shí)驗(yàn)結(jié)果表明使用本文系統(tǒng)進(jìn)行計(jì)算機(jī)輔助教學(xué)時(shí)資源占用率較低。

3 ?結(jié) ?論

本文將數(shù)據(jù)挖掘技術(shù)應(yīng)用在計(jì)算機(jī)輔助教學(xué)模式中，設(shè)計(jì)基于數(shù)據(jù)挖掘的計(jì)算機(jī)輔助課堂教學(xué)系統(tǒng)，利用信息收集模塊收集學(xué)生信息，通過(guò)個(gè)性化數(shù)據(jù)分析模塊分析預(yù)處理后的學(xué)生信息，采用數(shù)據(jù)挖掘并行化技術(shù)，通過(guò)K?means聚類(lèi)算法和Map Reduce并行計(jì)算框架聚類(lèi)分析預(yù)處理后的數(shù)據(jù)，生成教學(xué)規(guī)則，同時(shí)將個(gè)性化信息傳輸至信息調(diào)度模塊內(nèi)，實(shí)現(xiàn)個(gè)性化教學(xué)。實(shí)驗(yàn)結(jié)果表明本文系統(tǒng)能夠有效提升學(xué)生學(xué)習(xí)成績(jī)。

參考文獻(xiàn)

[1] 孔邵穎，薛麗敏，曹莉.現(xiàn)代遠(yuǎn)程教育泛在學(xué)習(xí)模式的研究與實(shí)踐[J].中國(guó)成人教育，2018（14）：9?13.

[2] 梁小帆，趙冬梅，龐元博.現(xiàn)代教學(xué)理念視域下的高效課堂教學(xué)探析[J].教學(xué)與管理，2018（30）：105?107.

[3] 趙新憲.多媒體技術(shù)在計(jì)算機(jī)輔助教學(xué)中的應(yīng)用：評(píng)《計(jì)算機(jī)輔助教學(xué)多媒體課件設(shè)計(jì)制作與應(yīng)用》[J].中國(guó)教育學(xué)刊，2017（2）：151.

[4] 路玥.基于數(shù)據(jù)挖掘的英語(yǔ)教師教學(xué)能力評(píng)價(jià)研究[J].現(xiàn)代電子技術(shù)，2018，41（11）：161?164.

[5] 鐘若武，王惠平.基于數(shù)據(jù)挖掘的高校云計(jì)算管理系統(tǒng)中特定數(shù)據(jù)查詢(xún)技術(shù)[J].現(xiàn)代電子技術(shù)，2018，41（2）：130?132.

[6] 柴艷妹，雷陳芳.基于數(shù)據(jù)挖掘技術(shù)的在線(xiàn)學(xué)習(xí)行為研究綜述[J].計(jì)算機(jī)應(yīng)用研究，2018，35（5）：1287?1293.

[7] 王新剛，吳穎，張垠.基于數(shù)據(jù)挖掘的智能電能表在線(xiàn)監(jiān)測(cè)方法[J].電測(cè)與儀表，2016，53（13）：65?69.

[8] 張延芳，袁浩.網(wǎng)絡(luò)數(shù)據(jù)庫(kù)訪(fǎng)問(wèn)路徑關(guān)聯(lián)特征分析查詢(xún)優(yōu)化[J].計(jì)算機(jī)仿真，2015，32（9）：437?440.

[9] 李麗萍，孟小豐，劉立輝.基于代碼自動(dòng)生成的計(jì)算機(jī)輔助系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].航天控制，2015，33（4）：68?72.

[10] 朱利鵬，陸超，孫元章，等.基于數(shù)據(jù)挖掘的區(qū)域暫態(tài)電壓穩(wěn)定評(píng)估[J].電網(wǎng)技術(shù)，2015，39（4）：1026?1032.

作者簡(jiǎn)介：周俊萍（1982—），女，陜西西安人，碩士，講師，研究方向?yàn)橛?jì)算機(jī)應(yīng)用技術(shù)、英語(yǔ)教育技術(shù)。