摘要：网络科技的发展催生了网络教育，网络教育的普及是计算机网络科技发展的产物，也是时代发展的必然。网络教育的长足发展需要有良好的教学服务，数据挖掘技术在网络教育中的应用，解决了对学习者的学习习惯、需求、特点分析的需求。本文将分四个部分对数据挖掘在网络教育中的技能应用进行分析，首先简单阐述了数据挖掘的概念，其次分析了网络教育中的数据资源、网络教育的现状，最后重点分析了数据挖掘在网络教育中的具体运用。
关键词：数据挖掘；网络教育；教育资源库；技能应用
一、数据挖掘概述
（一）数据挖掘的概念
大数据时代的到来，面对大量的数据，往往使人失去辨别能力，同时也无法正确发挥出数据的指导作用，传统的数据查询、表报等工具也逐渐无法满足数据挖掘的需求，在这种背景下新型的数据挖掘工具应运而生。数据挖掘功能是伴随着数据仓库技术发展而来的，能够实现对大批量数据的处理，并且抽取出数据中的有效部分。从广义上来说，数据挖掘也称为知识发现的过程，它是一门交叉学科，涉及到人工智能、数据库、数据统计、并行计算等多个学科。狭义上来说，数据挖掘指的就是从一个数据的集合当中抽取出具有使用价值的信息的非平凡过程，所抽取的信息表现出概念、规律、规则等。它能够为决策者提供历史和当前数据的分析，并在此基础上对未来的数据进行预测，为决策提供参考依据。简而言之，数据挖掘是一种新的信息处理技术，其主要特点就是对数据库中的大批量数据进行抽取、分析和转换，并在此基础上提取出有助于决策的关键性数据。
（二）数据挖掘的方法
数据挖掘技术发展至今，已经演变出了许多形式，较为常用的为以下几种：分类和预测、关联规则、Web数据挖掘、数据特征化等，不同的数据挖掘方式从不同的角度对数据进行挖掘，具体的方法选择依据决策的需求而定。
二、网络教育中的数据资源
（一）学生登记信息
学生登记信息指的是学生在登录Web学习页面时在页面上输入的各种信息，具体包括了注册信息、登录信息、作业信息、学习进度等，这些信息记录了学生的学习情况，通过对这些数据的分析能够了解学生的需求，更好的制定定制化的学习服务。
（二）服务器数据
网络教育中的用户在访问服务器时，必然会在服务器上留下相应的数据，大体上这些数据可以分为查询数据和日志文件。查询数据是网络教育站点会产生的一种常规数据，学生在站点中进行查询时就会产生相应的数据。日志分为标准公用日志和标准组合日志两种，标准公用日志存储在学生连接的物力信息，若能对该数据进行挖掘和分析，就能了解学生的行为。
（三）代理服务器数据
代理服务器为Web服务器和用户浏览器之间提供了缓存，一方面，减少了Web服务器的网络流量，提高了网络学习网页的运行速度，另一方面能够将用户的访问信息通过日志的形式存储起来，发挥数据收集的功能。
三、网络教育的现状
（一）网络教育缺乏个性化
目前，网络教育课程内容的展现实现还是以Web页面为主，将课程内容集中于网站，学习用户所看到的学习内容是相同。若是网上学习的内容相对较少，那么问题也相对容易解决，但是随着网络学习内容的日益丰富，时常出现用户无法准确找到自己所需学习内容的情况，同时不管用户登录多少次，都要一次次经过固定的路径查找，也许收藏网页会是一个办法，但是若用户没有固定的计算机，就无法先实现收藏功能。在这种情况下，人们越来越希望网络学习平台能够转变其模式，让学习者成为其中心，自动或半自动化为用户调整课程内容，为每一个学生提供相对具有针对性的个性化课程。
（二）网站导航设计有待优化
目前，大多数教育网站对知识的设置都是非线性结构的，其优势在于能够满足不同学习中的需求，但是由于导航系统设计有缺陷，也很容易让使用者迷失在复杂的超链接中。另外，非线性安排的课程内容具有顺序性，对部分自主学习能力相对较弱的学生而言，缺乏个性化学习指导，就容易对于学习产生迷茫。
（三）对学习过程的监控不足
在传统的课程教学中，师生处于同一空间，距离相对较近，教师能够较好的把握学生的学习情况，实现对学习情况的良好监控，但是网络课程的模式下，教师和学生的关系被拉远，师生指教缺乏交流和对话，导致对学习的监控不足。另外，网络学习所面对的群体广泛，学习者之间的差异较大，教师想要全面了解学生的学习情况存在很多现实问题，因此，对课程学习的过程控制就处于相对较弱的状态。
（四）网络数据浪费
用户在访问学习网站的过程中，会产生大量的数据，比如注册信息、考试信息、访问日志、学习进度等，这些信息的利用将有利于教学的开展，但现实的情况是，许多网络教育平台都没有充分利用这些信息，造成资源的浪费。
四、数据挖掘在网络教育中的应用
（一）数据挖掘在网络教育课程推荐中的应用
网络教育所面向的群体广泛，参与学习的个体在学习能力、学习目的、学习风格等方面都存在极大差异，因此网络教育有目标针对不同的学习需求提供有针对性的教育服务，具体的手段就体现在对课程内容的个性化推荐。基于内容的推荐、协同过滤推荐、关联规则推荐等数据挖掘的方式，是实现个性化课程推荐的主要方式。协调过滤推荐是网站课程推荐最为成功的技术之一，它能够根据用户的喜好信息计算出用户之间的距离，然后利用临近用户对课程评价来预测目标用户对特定课程的喜爱程度，以这种判断为依据，确定所推送的内容。网站根据用户提交的注册信息、学习信息和需求记录，获取相关数据，并进行分析分析。学习系统会向学生推送新的学习内容，当学生对这一内容感兴趣是，系统会继续推送一些于此相关的学习内容。较为的常规的知识点则按照类型进行分类，并固定存放在网页的某个位置，简化学生对学习内容的查找过程。但是在线辅导、知识点分组可能完全不相同，它以针对学生的实际需求为基础。有针对性的学习过程，强调的是学习和信息的个性化，就是网站能够通过数据挖掘的功能，识别、建立和调整学生的学习喜好，促使用户能够以自己方式访问学习网站。网站在个性化的课程推荐中，不仅要考虑学生的喜好，还应该要对学生已掌握的知识有所了解。只有这样，用户在网络学习中的效率才能不断提高，其对学习网站的依赖也会不断加深。
（二）数据挖掘在网络教育课程用户挖掘中的应用
利用数据挖掘技术通过分析网络课程中学生所浏览的历史记录，一方面可以预测学生的实际学习需求，另一方，还可以对学生需求倾向的改变进行评估，最终目的在于不断提高网络教育网站的竞争力。对于网络教育网站而言，不断挖掘潜在用户是促使其自身发展的必然途径。潜在用户的挖掘基于对用户访问信息基础上的，运用信息分类技术，识别出该学生与已经分类的学生的共性，即公共描述，根据公共描述确定用户的类型，在此分类的基础上有针对性的向用户展现特殊的、有吸引力的内容，吸引用户，让潜在用户成为真正的用户。Web数据挖掘是网络教育机构挖掘潜在用户中较为常用的数据挖掘方式。网络教育机构通过Web数据挖掘所得的数据，对网站页面的课程内容、课程安排、专业设置等进行相应的调整，尽可能跟上广大用户的需求，留住且提高现有用户忠实度的同时吸引更多学生到网站中进行学习。网络教育虽然不能识别每一位潜在客户，但是可以借助行业协会、企业、市场分析的力量来缩小客户的范围。具体操作中，网络教育机构可以加强与行业协会以及企业的沟通联系，发挥合力建立起现代远程教育学习者数据库，获取相关学习者的信息，以便于更好的分析是否继续挖掘的可能性。在对潜在客户进行分析的基础上,发掘在各方面最有潜力的客户并配合以各种的课程推送、广告等形式，吸引他进入到网络教育机构。
（三）数据挖掘在网络教育中辅助教师决策的应用
统计分析和关联规则挖掘是网络教育中辅助决策常用数据挖掘方式。统计分析模块通过对已经获取的数据进行加工和处理，提供图形化界面，实现对学习者基本情况的实时统计分析。关联规则模块则学习者基本信息相关的属性见的潜在关联进行挖掘，具体会采用Apriori的算法进行挖掘，包括了学习的类型、学历、帖子数量等。网络教育中，运用数据挖掘技术，对教学过程和教学评估的数据进行收集、转换、分析和模型化处理，从而提取出辅助教师决策的关键数据。对于网络课程的决策者而言，反馈数据和学生评价数据的特征化和区分具有重要意义。因为通过这项工作决策者能够对当前的教学情况有良好的把握，以此实现对课程教学进步的把握。一般情况下，教育决策者可以运用数据库对感兴趣的模式进行查询。比如，在网络课程教学开展了一段时间后，教师可能想要获取学生经常浏览的教学网站的信息、生在网上学习的活跃度、交流情况以及影响其学习效率的因素等。结果可能发现学习成绩好的学习者一般都是学习基础好、经常参加讨论、积极参与交流的人。教育者也可能通过教育信息挖掘系统进行统计上网学习的次数与学生学习成绩的关系来发现更多的学习者的特征。
（四）数据挖掘在网络教育中优化教学资源的应用
优化网站资源结构，提供尽可能个性化的服务，就要竭尽所能让每个用户在浏览网站资源库是感觉资源库中的学习内容就如为自己量身定制一般，能够迎合自身的学习兴趣也能满足学习的需求。要达到这个目的，需要网络教育机构不断调整资源结构，以更好满足需求。具体而言，就是通过用户的学习历史记录、Web日志数据和用户学习的结果评价，挖掘出用户的使用模式,进而向用户提供个性化服务，提升用户的使用体验；个性化的学习网页，方便学习者对学习内容的查找和访问，使用户能够更快找到所关系的内容；为学习者推送动态化的学习页面等。利用数据挖掘中的统计分析的方式，统计各个页面的访问量、访问时间、访问方式，了解学习者进入网页的途径，分析其实通过首页，还是通过搜索直接进入二级页面，又是从哪个页面退出了网站。在以上分析的基础上，将分析的记过放入模型化的学习者个性化数据库，为系统优化学习网站页面和资源结构设计提供指导，通过优化动态推荐链接、修改页面链接等方式，将学习者更感兴趣的内容以更快、更有效的方式推送给学习者。
结语：
总而言之，网络教育在我国已经得到了一定程度的发展，但是由于受到观念、技术等方面的限制，在发展中面临着许多困难。相对于传统教学方式而言，网络教学中师生关系疏远、面对的受众广泛、学生的个体差异大，这就导致网络教育网站在指导学生学习、因材施教等方面存在不足。数据挖掘技术的引入，正好解决了网络教育的燃眉之急，协同过滤推荐、关联规则推荐、Apriori的算法、Web数据挖掘等方式在网络教育中的运用，在一定程度上缓解了以上问题。目前，网络教育还处于发展阶段，在日后的发展中还会遇到更多问题，数据挖掘技术的应用还需进一步加强。
参考文献
[1]赵子鑫.数据挖掘技术在网络教育平台成绩预测中的应用.[J]商，2014(51)
[2]刘娟.数据挖掘在计算机教学评价中的应用研究.[J]通讯世界，2015(14)
[3]王苗.学习分析技术在网络课程学习中的应用实践研究.[J]东北师范大学,2014（16）
[4]王瑞雷.Web数据挖掘技术在网络教育论坛中的应用研究.[J]新疆师范大学，2011（29）
[5]傅钢善，李婷.数据挖掘在网络教育中的应用研究.[C]全国计算机辅助教育学会学术年会,2010
[6]汪全莉，陈代春.Web数据挖掘在网络教育中的应用.[J]中国科技资源导刊，2008（40）
[7]郁琦，钱雪忠.数据挖掘在高职院校学生技能考证管理中的应用.[J]
[8]易星.浅谈Web数据挖掘技术在网络教育中的应用.[J]价值工程，2011（11）
[9]刘兴波.数据挖掘技术在高师生教学技能考核评价中的应用研究.[M]东北大学,2008
作者：楼树美 李淑玉 单位：信阳职业技术学院 数学与计算机科学学院
