前言：寻找写作灵感？中文期刊网用心挑选的数据挖掘技术在远程教育的运用，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要：本文从分析远程教育实践中学生的学习支持服务需求入手，研究了数据挖据技术在远程教育领域中的应用，基于决策树算法根据学生知识储备情况与学习行为的特征数据构建了学习支持服务模型。
关键词：远程教育；数据挖掘；学习支持服务；Clementine12.0
基于教育数据挖掘（EducationalDataMining）技术对远程教育类数据集合的处理与分析可以为参与远程教育的学生有针对性的构建学习方案，合理组织学习内容与进度，有效提升学生学习效率，对现代远程教育的发展起到了重要的推动作用。
1远程教育的局限性
对于接受远程教育的学生，其学习效果主要受到三类因素的影响：学习过程中的有效交互，学习能力的培养，合理的规划学习进度[1]。而依靠其自身去解决这些问题存在着很大的难度，远程教育平台应根据学生的实际需求提供功能完善有效的学习支持服务，帮助学生克服学习过程中遇到的各类困难，为提升远程教育的人才培养质量提供保障。
2教育数据挖掘
数据挖掘（DataMining），作为涵盖了计算机、统计学、数学建模等多个学科的新兴技术，通过对存储的海量数据的检索与分析来发现研究对象所隐含的关系及规律，以强化组织决策能力。教育数据挖掘技术主要是基于数据挖掘技术对教育行业的相关数据进行分析、整理与归类，并依此对学生的学习行为进行有效预测[2]。
3基于数据挖掘的远程教育支持服务的实现
本研究数据挖掘所分析的数据来源是运城广播电视大学远程教育平台自动采集的连续3年的已结业学员在参与“Android应用程序开发”课程学习相关的信息，包括基础性数据（前驱课程结课考试分数）、过程性数据（参与学习该课程的次数、参与课程在线讨论的次数和课程单元测试平均分数）和结论性数据（课程结课考试分数）。通过基于以上三类数据建立的学习者模型并分析研究三者之间的关联，并以此为基础创建个性化学习方案的动态推荐机制，有针对性的为远程教育学员提供学习支持服务。同时，我们根据所选的课程内容与特点，我们为远程教育平台的学员制订了3种类型的学习方案，内容简述如下：1）传统学习方案。大部分学员习惯于传统的循序渐进的学习方式。设计方案为：编程语法基础→算法实现→UI界面设计→简单功能实现→复杂功能实现→完整项目开发。2）程序功能改进。对于拥有良好程序开发基础知识的学员，通过对现有程序的完善与改进训练，可以有效提升程序设计能力。设计方案为：基础程序代码填空→单项功能改进→组合功能改进→软件项目综合性能改进。3）软件项目实现。对于有一定程序开发经验的学员，可以直接通过软件项目开发练习以进一步提升其软件设计与开发能力。设计方案为：设计方案分析→软件子功能实现→项目功能模块整合→性能及功能测试。本研究的主要任务是通过对数据集的分析来找到影响课程学习的属性与学习方案的关联及映射关系。由此可知，本研究的数据挖掘任务属于分类任务，而我们选择的分类算法是数据分类方法中最常用的是决策树算法，其原理是通过分析预测变量和目标变量之间的存在关系来构建数据集，最终生成的结果树中会显示预测变量与目标变量之间的相关度。本项目中采用了数据挖掘软件Clementine12.0作为数据分析工具并选用C5.0决策树算法来完成获取最终的个性化学习方案推荐规则[3]。在数据挖掘的具体实现过程中，首先将收集到的学员学习样本数据整理存储为Excel文件，并在Clementine12.0中执行“源→Excel”命令，导入数据文件。然后使用“属性过滤”功能，选择参与数据分析的各项属性。数据建模则通过执行“建模→C5.0”下的“执行当前流”命令来完成模型的创建，最后双击“路径”图标，查看生成的数据模型。最后通过“输出→分析”功能，对该模型进行评估并分析其准确度。需要注意的是，为排除决策树算法所生成的规则集中可能存在重复和冗余信息[4]。需要在Clemen-tine12.0中将所创建规则集的最小实例数设置为“10”，以获取最精简的规则集。此外，在样本数量规模的选择上本研究选取了2136条数据，最终生成的决策树模型深度为17，经过与真实数据的比对，本次数据分类的准确度达到87.37%。结果分析表明，本研究有效并准确的为学习所选课程的学员推荐了最优的学习方案。
4结束语
本研究利用数据挖掘技术对远程教育平台中获取的学员基本信息及行为数据进行分析，并基于决策树尝试构建了远程教育学习支持服务模型，从而帮助远程教育学员制订个性化的学习方案以提高学习效率，获得更好学习效果。
参考文献：
[1]陈思慧，宁晓梅.数据挖掘在个性化远程教育中的应用[J].福建电脑，2011，27(4)：138-139.
[2]陈红普.Web挖掘在远程教育个性化服务中的应用[J].中国教育信息化，2008(3)：83-85.
[3]丁琳，吴长永.数据挖掘在远程教育个性化服务中的应用[J].电化教育研究，2002(9)：43-46.
[4]洪建峰.数据挖掘技术在远程教育中的应用研究[J].微型电脑应用，2013，29(8)：43-45.
作者:段玉风 单位:运城广播电视大学
