導語：智能教學系統數據挖掘研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要:本文首先討論了基于WEB的智能教學系統，它以學生為中心，探尋教師的教與學生的學的特征及模式，改變了傳統的教學模式,其次研究了數據挖掘技術和人工智能教學系統的關系，為教師和學生建立起一個智能化、個性化的遠程教育環境，最后對于基于數據挖掘和WEB的智能教學系統的未來做出展望。

關鍵詞:數據挖掘;知識;平臺

智能教學系統是教育科學與人工智能算法等技術和計算機網絡應用系統的結合，通過計算機來模擬人的大腦思考，搜索老師和學生之間的教學方式，讓學生有選擇性和針對性地學習需要的知識。智能教學系統可以智能發現學生和教師在教學中不易發現的盲點，并智能掃除盲點，可以減輕學生的學習負擔，提高教師的教學效率，最終達到提高學生學習成績的目的。數據挖掘一般是指從大量的數據中通過算法搜索隱藏于其中信息的過程。數據挖掘與信息技術有關，并通過機器學習[1]、統計分析、文獻情報檢索等很多方法來實現目的。智能教學系統利用數據挖掘技術對教師的教學策略進行解析，同時對學生及學習過程進行解析，得到的結果被用于課程結構的設置、教學策略的調整等等。

1智能教學系統的應用

基于WEB建立的智能教學模型分為專家智能模型和學生模型[2]，它具有如下特點：豐富的專業知識儲備，可自問自答；具有數據分析處理能力，對學生的具體情況給出處理方案，當學生學習出現錯誤的時候及時糾正；對于不同層次的學生選用不同的教學方式進行個性化指導。專家智能模型是智能教學系統的核心部分。專家智能模型是基于知識的軟件開發模型，它與專家系統結合在一起。該模型應用基于規則的系統，采用歸納和推理機制，幫助軟件人員完成開發工作，并使維護在系統規格說明一級進行。該模型在實施過程中要建立知識庫，將模型本身、軟件工程知識與特定領域的知識分別存入數據庫。以軟件工程知識為基礎的生成規則構成的專家系統與各個應用領域知識規則的其他專家系統相結合，構成這一應用領域軟件的開發系統。學生模型是智能教學系統的重要應用。它得到學生在學習過程中產生的疑問和錯誤原因的反饋，得到的模型值[3]反映出學生的學習能力?？山y評與疑問診斷模型，通過對學生的測試，分析學生產生的錯誤來源，對每個學生做出評價，疑問診斷是智能教學系統對學生實現優化教學而選取合適的教學方法的前提。

2數據挖掘的技術

數據挖掘，稱為數據庫中的知識發現（KnowledgeDis-coverinDatabase，KDD），屬于數據庫領域和人工智能科研領域中的熱門，數據挖掘是指從大型數據庫的大量數據中找出未知的、隱藏的并具有非常價值數據的過程。數據挖掘同時也是一種決策過程[4]，它基于模式識別、統計學、人工智能、機器學習等技術，高精尖地分析數據，做出歸納性的推理結論，并挖掘出隱含的問題，幫助決策者減少風險，調整策略，做出最準確的判斷。隨著計算機的高速發展，其計算能力也在不斷提高，利用計算機強大的計算能力通過相對簡單和固定的方法完成很多以前無法想象的任務。一些新技術和方法在知識發現領域取得了相當不錯的成績，如決策樹和神經元網絡[5-7]，在大量的數據和高速運算能力下，幾乎不用人的關注，就可自動完成許多用戶的需求。數據挖掘就是利用了統計分析和人工智能技術的application，把這些高精尖的技術封裝起來，使用戶人們不用自己掌握這些技術也能完成同樣的功能，只需要專注解決自己的實際問題。

3數據挖掘和基于WEB的智能教學系統的結合

基于WEB和數據挖掘的智能教學系統主要采用數據挖掘技術，對網站上每日獲得的大量數據信息進行分析，提煉師生常用的習慣方式，把有用的信息提供給課程的設計者和管理者，為老師提供學生具體的學習情況，然后為學生提供相對應級別的學習內容，建立起一個智能化、數據化的遠程教育環境[8]。學生可自主選擇學習方法來進行學習,系統實時記錄并采集學生所采用的學習路徑,根據評價分析結果選擇一個最佳的學習方法。學生類別和學習目標會形成教學策略規則,將其放入教學策略規則庫,為后來的學生提供理論和實踐依據,同時也更新了教學策略規則庫[9]?，F在智能教學系統中創建的學生模型，雖然簡單并且容易實現,但是學生模型大部分是靜態模型,此類模型對學生的分類只能反映學生的總體特點,對于那些特殊的學生就得不到正確的結論,屬于先設定學生的類別，再用模型分類后得到結果，有時候結果并不客觀。由此引入了動態模型，它能夠動態并隨機地產生學生類別,挖掘學生的相對特點,應用聚類分析技術為其提供了相當準確的支撐,對于基于WEB使用記錄的數據進行聚類分析可動態地產生學生類別。同時,使用數據挖掘建立學生模型的一個重要的作用是在數據獲取和數據分析的時候更加客觀、準確。因為許多學生在填寫注冊信息時并沒有填寫真實的個人信息，在這種情況下,設計者根據瀏覽者的瀏覽信息和注冊信息表這兩個信息,采用數據挖掘的方法來預測學生的綜合信息,這樣更利于進行智能化教學的學習。對基于WEB的智能教學系統進行數據挖掘，首先要確立數據挖掘的目標，認真分析需求，我們要獲得什么樣的信息。然后根據確立的目標選擇相關的數據挖掘的工具算法，數據挖掘不同的工具算法可以挖掘出不同形式的知識，比如機器學習各類算法[10]。我們要準備相關的數據，因為數據來源的不同以及數據挖掘工具對數據要求的高低，數據可能存在很多的問題而不能滿足數據挖掘的要求，那么我們要對數據進行統一數據的格式。最后運用數據挖掘工具對有關數據進行科學計算得到所需要的結果。將數據挖掘技術和智能教學系統相結合，能對系統中聚集的大量數據進行分析，挖掘出對學習內容和教學策略的調整等有重要作用的信息，從而構建一個美觀友好、內容豐富、人工智能的教學平臺。

4結語

基于數據挖掘和WEB的智能教學系統的設計，圍繞教學過程，嚴格遵守教育教學規律，充分為教師教學著想，將該技術應用到教學的整個過程，并且能實施多方面的挖掘，體現了教育思想和理論的指導作用，也體現了教育與計算機的結合，推進基于數據挖掘和WEB的智能教學系統更加快速而蓬勃地發展。

參考文獻

[1]劉寅,黃燕.基于Web的智能教學系統知識模型與學習控制[J].計算機工程與設計,2006,27(14):2640-2642.

[2]張治斌,王艷萍.數據挖掘技術在數字化校園中的應用研究[J].計算機系統應用,2007(3):27-30.

[3]張瀟,揮爽,陸桑璐,等.并行數據挖掘研究[J].計算機工程,2003,29(17):58-59.

[4]吳贊,馮珊,唐超.智能教學系統的發展與前瞻[J].計算機工程與應用,2002(6):6-7.

[5]王珊,王會舉,譚雄派,等.架構大數據：挑戰、現狀與展望[J].計算機學報，2011(10):88.

[6]黃榮懷.基于Web的協作學習系統模型[J].中國遠程教育,2001(5):42-47.

[7]顧晟.面向知識管理的網絡教學系統構建研究[J].長春理工大學學報,2011,6(1):184-185.

[8]李志平,劉敏昆,孫瑜.基于web的智能教學系統研究[J].計算機工程與應用,2006(2):208-210.

[9]張瀟,揮爽,陸桑璐,等.并行數據挖掘研究[J].計算機工程,2003,29(17):58-59.

[10]焦加麟,徐良賢,戴克昌.人工智能在智能教學系統中的應用[J].計算機仿真,2003,8(20):49-51.

作者:田茁 單位:吉林農業大學信息技術學院