数据挖掘技术在网络教育平台中运用探讨

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又潜在有用的信息和知识的过程。近十几年来,数据挖掘技术已经得到了广泛的研究,并在贸易|教育教学论文|、金融、医疗等众多领域得到了成功地应用,但在教育领域中应用的还很少。随着信息技术的发展,信息技术在教学中的应用也越来越广泛,出现了各种各样的教育教学平台,在网络教育平台快速发展的同时,积累了很多数据,如用户的访问日志信息、注册信息、考试成绩信息、交流信息等,人们往往忽视了这些数据的重要性,造成了资源的极大浪费,这些缺点限制了网络教育平台的继续发展。本文针对这一问题提出了将数据挖掘技术运用于网络教育平台的观点,指出了数据挖掘技术能够很好的解决网络教学中的很多问题,数据挖掘在网络教育平台的应用大有远景|教学论文范文|。本文主要进行了以下几个方面的研究:1.数据挖掘基本知识的深入研究与探讨,为后面各章节的运用奠定基础。2.课程推荐模块中聚类规则的应用研究。首先分析了课程推荐在网络教育平台中的重要性,然后具体阐述了聚类规则挖掘在课程推荐模块的应用过程。3.成绩分析模块中分类规则的应用研究。分析了现有成绩分析的不足,指出考试系统中学习者基本信息与考试成绩间是存在某种联系的,通过决策树分类规则挖掘技术在成绩分析中的应用,实现对学习者成绩的猜测。4.数据挖掘技术在辅助教师决策进行学习者信息分析方面的应用研究。【关键词】：数据挖掘网络教育平台个性化推荐成绩分析
【论文提纲】：摘要4-5ABSTRACT5-8第一章绪论8-111.1课题研究背景与意义8-91.1.1研究背景8-91.1.2实际意义91.2主要研究内容9-101.3本文的章节结构10-11第二章数据挖掘的基本知识11-232.1数据挖掘的相关概念11-142.1.1数据挖掘的国内外现状11-122.1.2数据挖掘的定义122.1.3数据挖掘的过程12-142.1.4数据挖掘的分类142.2聚类规则挖掘14-162.2.1聚类的先容142.2.2聚类的应用与算法先容14-152.2.3k-均值(K-means)算法简介15-162.3数据分类规则挖掘16-192.3.1数据分类的先容162.3.2数据分类的应用及常用方法162.3.3决策树方法16-192.4关联规则挖掘19-222.4.1关联规则的定义192.4.2关联规则的应用19-202.4.3关联规则的数学表示20-212.4.4Apriori算法先容21-222.5本章小结22-23第三章聚类规则挖掘在课程推荐模块的运用23-353.1个性化推荐技术先容23-253.1.1个性化推荐涵义233.1.2个性化推荐方法分类23-243.1.3基于聚类的协同过滤推荐技术24-253.2推荐技术在终身教学平台中的设计与实现25-343.2.1基于聚类的协同过滤推荐系统流程263.2.2获取数据26-283.2.3数据预处理28-303.2.4用户聚类30-313.2.5计算相似度31-323.2.6寻找近邻32-333.2.7形成推荐33-343.3本章小结34-35第四章决策树分类规则挖掘在成绩分析中的运用35-474.1考试系统与成绩分析35-364.1.1考试系统中成绩分析的重要性354.1.2现在对成绩评估的不足35-364.2数据挖掘在成绩分析中的应用36-464.2.1数据挖掘在考试系统中的作用364.2.2数据采集36-384.2.3数据预处理38-394.2.4数据分类规则挖掘39-454.2.5天生|教育论文网|决策规则45-464.3本章小结46-47第五章统计分析与关联规则挖掘在辅助教师决策中的应用47-555.1学习者信息分析47-485.1.1学习者情况分析的重要性475.1.2数据挖掘与学习者信息分析47-485.2学习者信息分析系统设计48-545.2.1学习者信息分析系统结构485.2.2数据采集48-495.2.3统计分析模块设计49-505.2.4关联规则挖掘模块设计50-545.3本章小结54-55第六章结论与展望55-566.1论文总结556.2工作展望55-56致谢56-57参考文献57-58