数据挖掘的教学资源国内外研究现状

菜单

1 基于数据挖掘的教学资源研究

能否提高教学质量以及优化教学系统是提高学生学习成绩的关键，对此国内外学者对教学资源进行了不少数据挖掘研究，如：Cristo´balRomero，Sebastia´nVentura，Enrique Garcı´a以Moodle系统作为案例研究了数据挖掘在课程管理系统中的应用[1]。刘美玲在个性化学习系统研究中使用分类方法建立一个学习风格分类模型，用以记录预测学习者的学习风格，挖掘发现学习者行为中隐含的规律，为个性化学习系统个性化服务工作提供支持；同时，在建立学习资源库时使用聚类的分析方法对知识点进行聚类，使同一知识点的距离尽可能达到最小[2]。花卉等利用聚类的数据挖掘方法发现移动学习资源中的一些难易程度适中的知识点，学生通过一定时间的自学能够很好的掌握，而且还发现教师可以发现移动教学资源中存在的学生没掌握的知识点，并以此进行有针对性的教学[3]。Hsis等利用分类的方法分析了台湾某高校哪些课程比较受欢迎，哪些课程更能培养人才[4]。86697

2 基于数据挖掘的教师队伍研究

教师队伍质量的高低在一定程度上也会直接影响学生培养质量的高低，对教师队伍进行数据挖掘分析可发现一些规律来提高教学质量。如：孙艳利用Apriori和ID3算法进行数据挖掘发现通过提高教师的学历层次必然会提升教学质量，学历、教龄和职称都是影响教学质量的关键因素[5]。冉娟利用决策树发现教师要想有好的教学效果，除了有好的教学态度外还需要好的教学方法和过程。从大量的教学评价数据中挖掘出了教师教学效果[6]。霍树勋等利用关联规则对高校中存储的大量有关教师的评价数据进行挖掘分析，分析出的教师的教学效果与自身职称，授课手段之间的关系[7]。

3 基于数据挖掘的学生成绩研究

学生成绩在一定程度上代表了学生的学习效果，对学生的成绩进行挖掘分析可以找出影响学生成绩的关键因素以及预测学生未来成绩论文网。如：Ramaswami和Bhaskaran开发出了一种预测性数据挖掘模型CHAID，用于区别出学习迟钝的学生以及影响学生学业表现的主要因素，并且指出，对教育数据的挖掘在推测学生寻求帮助所需的时间方面非常实用[8]。Kabr 和Bichkar（2011）开发出的决策树算法模型用以识别哪些学生更容易失败和预测学生将来的分数，并识别出学生在不同科目领域得分的影响因素。张媛在基于数据挖掘的选修课成绩分析系统一文使用Aproiri算法分析了学生各选修课成绩的优良影响关系，发现一些课程成绩的好坏直接影响另一些课程成绩的好坏，它们之间有一定的联系，如平面设计和多媒体课件制作的成绩同时优秀时，网页制作有大于100%优秀的可能，同时她使用ID3算法分析了学生成绩优良与课堂学习和复习时间的关系[9]。Chen等利用聚类和关联算法，提出了学习绩效评估系统，教师可以在此系统上了解到影响学生学习成绩的原因[10]。

4 基于数据可视化的教育数据研究

对数据进行可视化可以清晰的表达数据，看出数据中隐藏的规律和变化趋势，对教育数据进行可视化可从中探寻教育活动中数据之间的联系，来提高教与学的质量。教师可通过数据可视化的方式对学生的学习成绩等数据进行表示，可直观获得学生的学习绩效等方面的信息。学生对一些数据进行可视化的分析处理可以很容易的探究知识的规律[11]。郭君芳利用可视化的方法把静态的教育数据转换为动态的图像，降低了教育数据的可理解度，详细的分析实验教学过程中的有关数据[12]。

从以上研究可以看出，国内外学者已经认识到了对教育领域的数据进行挖掘分析的重要性。且已经对教育领域中教学资源、教师队伍、学习成绩以及数据可视化在教育数据中的应用进行了一些数据挖掘分析的研究，并探寻到了可提升教学效果和提高学生培养质量的方法和渠道。但在利用可视化数据挖掘的方法对研究生及导师队伍的数据进行分析研究的方面还较缺乏，因此，本文将利用可视化数据挖掘的方法对JKD的研究生及导师队伍的数据进行挖掘分析研究。