发布时间：2023-03-30 11:29:27
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的数据挖掘技术探讨论文样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
一、数据挖掘的定义
数据挖掘是一个涉及多学科交叉的研究领域，综合了人工智能、机器学习、数理统计等学科，它把对数据的应用从较低层次的简单的查询提升到从数据中挖掘知识。简单的说，数据挖掘就是从数据中获取知识。从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道、但又是潜在有用的信息和知识的过程。数据挖掘应该更正确地命名为“从数据中挖掘知识”。
二、数据挖掘的过程
数据挖掘过程大概可以概括为三部分：数据准备、数据挖掘、结果的表达和解释。如图1-1。
三、数据挖掘的特点
数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识，所得到的信息具有事先未知、有效、实用三个特征；用户不必提出明确的要求，系统能够根据数据本身的规律性，自动地挖掘数据潜在的模式，或通过分析建立新的业务模型，帮助决策者调整市场策略，这有利于发现未知的事物。因此，它是由数据驱动的一种真正的知识发现方法。
四、学生成绩管理的现状
随着高校招生规模的扩大使成绩管理处理的数据量急剧增加，存放在数据库中的大量的成绩数据，对于一般的查询过程是有效的，管理人员能够通过简单的统计或排序等功能获得一些表面的信息，但随着数据库中存储的数据量的增大，传统的数据库管理系统的数据管理和处理功能就不能满足现实的需要，因为无论是查询、排序还是方差，其处理方式都是对指定的数据进行简单的数字处理，对于学生成绩管理方面，往往只能做一些简单的功能，由于大量数据以不同的形式存储在不同的计算机上，从而使隐藏在其中的大量有用信息无法得到有效的利用，无法发现数据中存在的关联和规则，无法根据现有的数据预测未来的发展趋势。上述问题直接导致教学管理部门无法进行有效的评估，任课教师无法进行有效的教学方法改进。而如何将这些数据信息转化为知识表示，为学校管理者提供决策依据，科学指导教学，提高教学管理水平，将是高校需要迫切解决的问题。
五、将数据挖掘技术在成绩管理中的应用
1、学生成绩分析方面
学生的学习成绩是评估学生表现好坏的重要依据，也是学生是否掌握好所学知识的重要标志，目前高校使用的成绩管理系统大部分只能做一些简单的数据管理和处理，例如：学生的平时成绩输入、考试成绩输入、毕业设计成绩登记，进行各类统计报表和信息查询、分析某一个班学生学习成绩分布的情况等。目前大量的成绩数据只是简单地存储在数据库中，隐藏在这些数据中的潜在信息被闲置，没能被充分利用。在数据库中学生成绩分析从定性的角度考虑不是很精确，而数据挖掘是从定量的角度精确地分析学生成绩分析的各个方面数据。
2、在考试方面
考试是对教师教学效果和学生学习效果的一个检验，是教学中必不可少的环节，虽然按考试成绩可以总体评价在一定时期内学生取得的成绩，但这并不能有效地说明成绩的高低与哪些因素有关，无法知道教师教学环节中的成功与不足之处，对教师教学方法的改进和学生学习成绩的提高都没有实际意义上的帮助，而且，学生考试成绩的高低也与试题的质量有着很大的关系，因此探索有效的方法来评价试题的质量如试题难易度，知识点全面度等在实际的教学过程中同样具有重要的意义。将数据挖掘技术应用于试卷分析数据库中，然后根据学生得分情况分析出每道题的难易度、区分度、相关度等指标，那么据此，教师可以对试题的质量作出比较准确的评价，进而可以用来检查自己的教学情况及学生的掌握情况，并为今后的教学提供指导。
2、在教学评价方面
教学评价是教学中的一个重要环节，是引导教育、培养高素质人才，帮助社会充分利用教育成果和促进教育健康发展的保证。传统的教学评价大多是参考相关评价指标体系和调查问卷等方式实施的，而且更是注重评价的结果，以作为教师晋升、学生评优等的依据．高校每学期都要搞课堂教学评价调查，积累了大量的教学信息数据，利用数据挖掘技术，从教学评价数据中进行数据挖掘，探讨教学效果的好坏与教师的年龄、职称之间有无必然的联系，课堂教学效果与教师整体素质关系如何，合理配备班级的上课教师，使学生能够较好的保持良好的学习态度，从而为教学部门提供了决策支持信息，促使更好地开展教学工作，提高教学质量。
3、选择教师的教学方法方面
在教学过程中，教师可以采用多种方法来完成自己的教学任务，比如讲授法、多媒体演示、分组讨论法、课程实习法等，在通常情况下，一般可以采取一种或几种方法进行．据此可用数据挖掘的方法来挖掘数据库中的数据，判定下一步应采取什么样的教学方法，以满足教学的需要，更有利于学生对知识的吸收。
4、课程的合理设置方面
在学校，学生的课堂学习是循序渐进的，而且课程之间有一定的关联与前后顺序关系，在学一门较高级课程之前必须先修一些先行课程，如果先行课程没有学好，势必会影响后续课程的学习，此外，每一学期安排课程的多少，也会影响学生的学习效果。利用学校教务管理系统中存放的历届学生各门学科的考试成绩，结合数据挖掘技术的相关功能，得出一些有价值的规则和信息，最终找到影响学生成绩的原因，在些基础上，对课程设置做出合理安排。
六、结束语
随着我国各高校管理信息化的不断推进，各类学校的数据库建设不断完善，在学校平时的教育教学管理中累积了大量的数据。在这些海量的数据中，隐藏着大量有用的知识，如果利用好这些知识，将能够对学校的教育教学工作起到积极的指导作用。数据挖掘技术正是为了解决如何从海量数据中挖掘出有用的知识，因此，将数据挖掘技术应用到高校的教育教学中去是非常有必要的。
参考文献：
【1】吉根林,帅克,孙志挥.数据挖掘技术及其应用.南京师大学报（自然科学版）,2000,23(2):25-27
【2】李庆香.数据挖掘技术在高校学生成绩分析中的应用研究:硕士学位论文.重庆:西南大学教育技术系,2009
随着云计算和云存储的推广，可以收集和利用越来越多的数据。为了高效地处理和有效地利用各种形式的海量数据，以数据仓库、数据挖掘、联机分析处理等为核心的商业智能(BusinessIntelli-gence，BI)技术应运而生。商业智能这一概念由加特纳•格鲁派于1989年提出，可将商业智能理解为一种能够将机构现有的数据转化为知识，帮助机构通过基于事实和电脑化系统，做出科学业务决策的工具。商业智能技术已成功地应用于银行、电信、保险、制造业和零售业等行业。［6］从全球范围来看，商业智能已经成为最具有前景的信息化领域。通过调查了解世界各地的高等教育部门采用商业智能技术的状况发现，高等教育已明显落后于其它行业。然而，DaveWells在文献中指出，越来越多的高校正在关注商业智能应用这一主题，高等教育在技术方面已经到了应用商业智能的时候了。［7］例如，北美高等教育界较早关注商业智能应用的重要性，美国部分高校已经采用或正开始采用商业智能技术，对学校的教育数据进行整合分析，为学校的科学决策与管理提供信息支持。如宾州州立大学、密执根大学均于2005年提出建设BI项目的倡议，弗罗里达州立大学、华盛顿大学分别于2007年、2008年开始利用BI项目分析学校整合数据进行决策支持，普渡大学于2008－2014年期间建设学校新的协同集成系统，印第安纳大学2009年提出BI建设路线图，斯坦福大学商业智能中心2009年提交的BI架构及方案获批准、2010年正式启动项目建设，加州大学(总部)建设StatFinder系统，伊利诺斯大学建立学校决策支持数据仓库，亚利桑那州立大学为支持科学决策建设了仪表盘(dashboard)等。在欧洲、亚洲等地区的高等教育体系中，商业智能技术的应用才刚刚起步。我国少数高校也开始迈出了建设BI系统的步伐，如中山大学2010年开始提出学校BI系统建设倡议，现已初步完成BI系统的数据仓库建设，上海交通大学2011年推出BI项目的子系统———财务管理驾驶舱系统，复旦大学为学校师生在校生命周期实现管理信息化“全覆盖”，中国人民大学推出综合数据填报、数据存储、数据管理和数据展示等四大功能的数据平台，浙江大学为优化资源配置建设共享数据中心进行数据集成，上海财经大学建设校务决策支持系统，常熟理工学院建立高校决策支持系统等等。同时，基于商业智能技术产出的数据，也形成一批对高等教育和高校自身进行深入分析的研究报告。如美国教育研究的主要组织院校研究学会，年会报告除了涵盖数据管理、数据仓库等关于计算机技术本身的报告之外，关于评估、资源、学生、合作和分析的报告，较多地来自于商业智能系统数据的研究结果。［8］
二、数据驱动的高校教育管理智能平台架构
在海量教育数据亟待有效利用的驱动下，为提高高校管理效益，将商业智能技术应用到高校教育管理中，对高校产生的大量数据用数据挖掘等商业智能技术进行分析研究与处理，可以帮助高校决策者做出对学校发展更为有利的科学决策。其关键是建立综合层面上的、能反映高校整体教育教学管理的信息集成系统平台(下文简称高校BI系统平台)。高校BI系统平台体系架构由数据源、数据存储与管理层、数据分析层和用户接口层组成，如图1所示。
(一)数据源
数据源是整个系统的基础，包括高校各类业务管理信息系统的内部数据和其他外部数据。内部数据包括存放于操作型数据库中的各种业务数据和办公自动化系统包含的各类文档数据，如学校财务处、人事处、教务处、科研处、设备处等部门数据库中业务数据;外部信息包括各类教育信息、外部统计和调研数据及文档等。
(二)数据存储与管理
数据存储与管理层是整个系统的核心，包括ETL管理工具、公共数据集、元数据、数据仓库和数据集市。高校BI系统平台建设采用数据驱动设计方法，从学校原有的各个部门的业务处理系统和外部数据源中经过ETL提取数据，并根据常见的分析和统计主题，建设校级数据仓库以及人才培养、师资队伍、科学研究、办学资源、交流合作等主题的数据集市。
(三)数据查询与分析
高校决策者常常希望从不同的角度审视教育数据，比如从时间、区域、学科、教学或科研成果、课程建设、学生层次、交流合作、办学资源等维度全面了解学校的教育质量和状态。高校BI系统平台的数据分析层利用商业智能技术为高校管理主要提供固定报表、即席查询、统计分析、多维分析、预警功能、预测分析、数据挖掘建模分析及优化分析等，根据学校现有学生、教师、资源、科研和人才培养等状况，有助于高校决策者全面地对学校资源配置进行调控、对学校整体办学信息的内部结构进行调整等，做出对学校发展更为有利的科学决策。
(四)用户接口
用户接口层根据高校用户访问需求和角色访问授权机制，提供强大的多用户数据查询操作，并以仪表盘或表格、直方图、饼图等直观方式将查询结果或决策信息呈现给用户。
三、应用案例
下面以高校BI系统平台中的调研数据为商业智能技术应用案例，利用回归方法对大学生学习成果进行数据挖掘分析。
(一)数据来源
案例分析的数据来源于高校BI系统平台中“中山大学学生学习状况调查”项目于2012在中山大学全校范围内开展的在线调研数据。［13］调查覆盖全校36个学院(系)，调查总体约为3．3万名本科生。让学生在无压力的情况下答题，共回收问卷7051份，回收率约为21．2%，与国际上通用的问卷回收率相当。案例分析聚焦于本科样本，全部回收的问卷根据答题时长、问卷质量标准等原则，筛选出有效问卷数据6673份，有效率为94．6%。本研究从学生学习经历角度，在“生源－学习－成果”的逻辑框架中，考察分析学校因素和学生因素对于学生学习成果的影响机制。调查把学生学习经历和成果分解为生源情况、学校学习资源供给、学生与学校的融合、学生学习投入、学生成果、学校成果6大维度，各维度下题目的内部一致性均达到0．9以上，具有较高的信度。
(二)数据分析
逐步回归提供了一种识别与学生学习成果相关的具体经历的方法，对于学生学习状况调查中的227项进行相似项合并，用向前和向后逐步回归确定与学习成果相关的项目，对残差图和诊断法的彻底审查，最后确定17个独立变量出现在多元回归模型中(如表2所示)，其中，相关系数R为0．994，校正判定系数R2为0．988，因变量变化中有98．8%左右的信息可以由预测变量解释，说明模型的拟合优度较好;Durbin－Watson为1．937，接近最佳理想值，如表1所示。表2显示的是回归系数的相关统计量，可以看出，这17个独立变量的显著性概率Sig．都小于0．05，说明其系数显著不为0，这17个变量均与学生学习成果显著相关。分析表2中的数据可以看出，学生学习经历中的学校学习资源提供、学生学习投入和校园文化及学校成果等四大维度的17个变量均为影响学生学习成果的重要预测变量，包括课程作业评价、专业学习经历评价、学术规范指导、平等文化、多元能力的培养氛围等学校因素变量，以及朋辈交流情况、自主学习情况、活动参与情况、课外阅读情况、论文写作情况、讨论关注的内容情况、师生交流、课业活动及个人闲暇活动时间分配等学生因素变量。同时，在校经历满意度、综合满意度和能力培养满意度等融合学校因素和学生因素的学校成果也对学生学习成果具有一定的影响。通过标准系数可以看出，朋辈交流情况、自主学习情况和讨论关注的内容情况分别是第一、第二和第三重要的预测变量，而性别、年级、所在校区等人口学变量并未出现在该回归分析模型中，对学生学习成果的影响不显著。进一步分析朋辈交流情况和自主学习情况调查指标应答概况，如表3所示，“有时”、“时常”或“频繁”进行朋辈交流的比例为63．7%～97．7%，自主学习的比例为52．5%～92．9%，朋辈交流和自主学习的平均比例相当高(81．8%)。“有时”、“时常”或“频繁”地进行朋辈交流方面的主要比例情况为:“与家庭背景(社会、经济的)不同的同学交流”为97．7%、“与兴趣不同的同学交流”为95．6%、“在与同学的谈话中得到启发，改变自己的想法”为94．4%、“与世界观、价值观不同的同学交流”为93%、“与不同专业的同学交流”为92．6%、“同学与你谈话后，表示受到了你的启发”为90．8%。“有时”、“时常”或“频繁”地进行自主学习的主要比例情况为:“利用图书馆、网络等资源丰富自己的学识”为92．9%、“根据课程安排，做课堂展示”为91．3%、“努力掌握对自己而言较难的课程内容”为91．3%、“随着学习经历的丰富不断整合、梳理自己的知识系统”为88．4%，“因课程设置和教师的要求具有挑战性而更加努力地学习”为85．9%。上述情形符合VincentTinto在研究大学生退学问题时提出的理论模型:学生取得较好的学习成果，依赖于他们在学习经历中能否将自身的经验和目标与学校系统内部的学术系统和社交系统相融合。［10］学术系统代表学生个人的课业表现、智力发展、学业成就等综合表现，如表2中自主学习情况、活动参与情况、课外阅读情况、论文写作情况、讨论关注的内容情况及课业活动等属于学术系统的范畴。社交系统代表学生在校内的同伴关系、师生关系、社交行为等综合表现，如朋辈交流情况、师生交流及个人闲暇活动时间分配等属于社交系统的范畴。学生在其学习经历中，有效地利用学习资源和校园文化氛围、将学术系统和社交系统进行整合，可以从学业和人际关系上自我提升，从而提高学习成果。
四、小结
1加强期刊文献推送服务的必要性
2001年以来，信息推送模式成为我国图书情报界关注与讨论的热点，对信息推送的技术、内容、方式、应用和存在的问题等进行了研究[7]，尤其在数字图书馆信息推送中得到较多的实践，如浙江大学图书馆推出了入藏新书邮件推送服务[8]，西北工业大学图书馆对三大索引收录论文进行邮件推送服务等[9]。期刊拥有3支较大的队伍，即作者队伍、审稿专家队伍和编委队伍，他们是期刊文献潜在的用户群。由于用户以拉取模式获取期刊文献存在以上问题，笔者提出基于用户科研工作文献信息的需要，以电子邮件方式进行期刊文献的推送，以便用户能够及时获取和引用相关文献信息。这样可以宣传与推介期刊，转变服务理念，由过去的用户单向被动获取文献，到现在的期刊主动出击，从而加强用户与期刊的互动与合作,以实现“推”“拉”结合的方式，为用户提供更及时、主动和有针对性的文献服务，提升期刊文献的显示度、利用率和影响力。
2电子邮件系统进行期刊文献推送的策略
2.1用户数据库的建立
要向用户推送期刊文献，必须要有需求期刊文献用户的数据信息和电子邮件地址等，可以通过多种渠道准确获取用户的有关信息：一是通过编辑部的投审稿系统提取投稿作者及评审专家的信息，如用户姓名、研究方向及电子邮箱等；二是通过编委资源库获取相关编委的个人信息；三是通过行业学术会议的通讯录等提取相关专业学者的信息；四是通过高校院系网站获取专业学科带头人及有关学者的信息；五是与其他期刊编辑部进行资源互换，获取有关专家的信息。将收集到的用户数据（用户名、专业方向、电子邮箱等）建立在群发邮件工具Outlook（或OutlookExpress等）中，及时更新用户数据库，并将用户按照专业方向进行归类分组，不断挖掘和发现用户文献信息的需求。
2.2期刊文献的提取
已被录用并正式确定刊期的文章，经过编辑、排版、校对后，便可形成最终的电子版本，须尽快将期刊目次和正文转化为PDF格式等常用格式，再将相近专业的文献进行聚合分类，建立分组文件，并打包压缩。另外可将过往的期刊文献进行提取、分类和压缩。同时，将用户数据库与提取的文献信息进行关联，准备发送。2.3期刊文献的推送在垃圾邮件满天飞的状况下，为防止被当做垃圾信息过滤，就要在邮件模板设计时特别注意，邮件主题及内容描述力求准确，既要介绍刊物，又可欢迎赐稿；还建议已实行OA（开放获取）的期刊，将OA网址一并加入；语言表述还要体现个性化，以确保推送的质量。文献推送主要采用电子邮件的群发方式。目前可以群发邮件的软件较多，如Outlook、OutlookExpress、W3JMail等，要注意选择如可调用Outlook作为数据推送客户端，实现邮件推送服务的自动化，自动将期刊文献信息推送到用户邮箱。
【关键词】远程教育；学习过程满意度；评价；主成分分析；数据挖掘
【中图分类号】G420 【文献标识码】B 【论文编号】1009―8097 (2008) 09―0072―03
一 引言
与传统的教育形式对学习者的种种限制相比较，以计算机网络、多媒体和卫星传送等现代通讯技术为基础的现代远程开放教育极大地提高了学习的自由性、开放性和资源利用效率。而同时，如何从学习者学习有效性的角度出发，对这种新型的教育形式进行效果评价也成为一个具有现实意义的研究课题。
现阶段的远程教育评价多采用总结性评价，以学期结束时（或每年一次）的定期考试、或相关调查问卷作为评价学生、教师、课程等的依据，事实上这是不够的，因为教育是一个复杂的大系统，应该以长期的形成性的评价手段为主来进行评价。在评价过程中不断的给被评价客体提供指导意见，帮助他们达到最终期望的目标。虽然在传统教育领域，这样的评价方式需要投入大量的人力物力，通过持续的跟踪观察来收集、统计相关信息，具有很大的实行难度，但这在当前的网络教育环境下却是有可能实现的，即在评价过程中通过评价模型构建、软件设计、网络存储等新的技术手段来解决这个问题[1]。针对远程网络教育环境下人员分布很广、结构松散的组织特点，我们需要用一种新的信息收集方法和评价标准来弥补传统评价方法的不足，适应这种新型教育模式引起的评价方法、手段的变化，这就是与远程教育环境、远程学习过程相适应的网络评价系统――“学习过程满意度”评价模型。
二 学习过程满意度评价模型的建立
1 学习过程满意度评价模型的提出
“学习满意度”的概念由多伦多大学的Allen Tough博士[2]于1982年提出，指的是对学习活动的感觉或态度，用来解释学习者参与学习活动的动机和参与学习的结果。本文从远程网络教育学习者学习成效评价的角度出发，提出建立远程教育“学习过程满意度”评价模型的思路，着重关注在网络学习过程中学习者动机、方法、信心及成果获得的变化程度，并结合了当前远程网络教育实施水平对学习者的影响，将这一评价模型的研究方向界定为5个方面，分别为：学习准备、学习方法、学习效果、自我评价、支持服务。该模型的结构示意图如下：
学习过程满意度评价模型试图通过建立一套基于学习者行为方式、认知过程和学习效果的综合评价指标体系，利用大量数据记录和统计分析结果的积累，评价甚至预测学习者的当前和将来学习过程满意度，为每一个学习者提供有效的个体学习支持服务，来改善目前远程教育条件下学习效率较低的状况。通过构建学习过程满意度评价模型，可以及时获得学习者当前的学习状态，如学习进程、学习风格等，从而及时进行改进，如对教学内容进行调整，甚至包括个性化辅导等。这种即时反馈之所以是必须的，是因为它是评价和调整后继学习的基础。这一过程中充分重视师生之间、学习者之间、学习者与课程服务之间的互动作用，并通过各种途径和方法来保证、促进这种联系和互动。比如，包括对学生作业完成状况以及提出的问题提供及时和建设性的意见、根据学习过程满意度的评价结果提出改进学习方法的建议、学习过程中对学习者科研能力的培养，其中包括资料的收集、整理和分析能力等等。
2 学习过程满意度评价指标体系的构建
评价指标体系的确立是远程学习者学习过程满意度评价的基础，其设计的合理性直接影响到被评价对象学习过程满意度的评价结果，是学习过程满意度研究中最为重要的一个环节。学习过程满意度评价指标的选取原则如下：
（1） 建立的学习过程满意度评价指标体系，必须是与学习者学习过程紧密相关的，也是学习者认为重要的；
（2） 评价指标是能够被控制的，即根据评价结果，能使相关指标得到改进；
（3） 评价指标必须是可测量的或能够被描述的，学习过程满意度评价的结果需要得到量化，因此设定的评价指标必须是可以进行统计、计算和分析的。
基于上述原则，经过与中央电大部分专家的深度访谈和调查问卷两种定性研究方式，将学习过程满意度评价指标体系归纳为5大类，14个具体指标，见下表：
其中，学习准备包括学习条件、知识背景、动机等指标；学习方法包括认知习惯、学习措施等指标；学习效果包括学习进展、知识掌握、创造力、文献积累等指标；自我评价包括自信心、交流程度；支持服务包括答疑、知识拓展、业务帮助等指标。
在评价指标构建中，基于对远程学习过程侧重点偏好程度的不同，研究人员对指标体系结构的掌握程度也不同。对于这种指标体系结构比较模糊的情况，本文采用主成分分析法来确定各个指标的权重。
3 利用主成分分析法确定评价指标权重
以下简要介绍利用主成分分析法测定该指标体系权重的原理[3]。
主成分分析是指将原来众多具有一定相关性的指标，由重新组合成的一组互相无关的综合指标来替代的过程。通常数学上的处理就是将原来n个指标进行线性组合处理，作为新的综合指标。最常用的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达对原有指标的评价，即Var（F1）越大，表示F1 包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来的n个指标的信息，再考虑选取F2即第二个线性组合，这时为了有效地反映原来信息，F1已包含的信息就不需要再出现在F2中，用数学语言表达就是要求Cov（F1，F2）=0，称F2为第二主成分。依此类推可以构造出第三、第四、…、第n个主成分综合指标。一般来说，主成分个数提取原则为主成分对应的特征值大于1且主成分累计贡献率≥85%的前m个主成分。在分析过程中，能够通过初始因子载荷矩阵得知各个指标在每个主成分上的载荷，即每个主成分反映出各个指标信息的程度，并根据主成分提取原则确定合适的主成分个数，从而得到有效主成分的综合得分模型，其中与各个指标对应的系数即为每个指标的权重。
在学习过程满意度评价模型指标体系建立过程中，以中央电大部分网络课程使用者作为调查对象，通过电话访问和在线调查形式共发放调查问卷205份，其中回收有效问卷178份，对各个指标的评级采用莱克特的五点等级法，分别为：
5分――非常满意；4分――比较满意；3分――基本满意；2分――不太满意；1分――非常不满意。
由原始数据可计算出各指标的满意度评级的平均分，见下表：
利用SPSS13.0软件，对调查统计数据进行主成分分析，结果如下（程序及计算过程省略）：
在本例中，前两个主成分的累计贡献率为89.2%>85%，意味着提取前两个主成分就基本能够反映全部指标的信息，所以决定用两个新的综合变量来代替原来的14个指标变量。再根据两个主成分F1和F2的表达公式，得到学习过程满意度评价的综合得分模型为：
Y =0.218X1 +0.283X2 +0.276X3 +0.286X4 +0.236X5 + 0.297X6 + 0.274X7 +0.276X8 +0.183X9 +0.146X10 +0.169X11+0.187X12 +0.264X13 +0.156X14
其中X1-X14表示表1中列出的14个评价指标，式中每个指标对应的系数即为各指标的相对权重。
4 各评价指标满意度评级与相对权重的象限图分析
从表1中计算出的各指标相对权重可以看出，知识背景、学习动机、认知习惯、学习措施、学习进展、知识掌握、创造力和知识拓展这8个指标的相对权重高于平均值，比较受到重视。为进一步分析学习过程满意度评价模型所选择的14个指标的相对重要程度，以满意度评级的平均分作为横坐标， 以各指标相对权重作为纵坐标，绘制象限图如下：
由上图可知，位于第一象限的4个指标，学习动机、认知习惯、创造力和知识拓展比较受到学习者的重视，同时学习者对这4项指标的满意度评价也较高；位于第二象限的4个指标知识背景、学习措施、学习进展、知识掌握属于重要程度较高但学习者满意度评价较低，说明对学习者来说，如果这4项指标能有所提升，对提高远程教育学习过程满意度的影响是比较大的；位于第三象限的4个指标学习条件、自信心、交流程度和业务帮助属于重要程度和满意度评价都相对较低的，这4项指标对于学习过程满意度的影响还需继续关注；第四象限的2个指标文献积累和课程答疑属于满意度评级较高，但相对重要性不高的。
三 对学习过程满意度评价模型的应用总结
根据前述对远程教育学习过程满意度评价的实质和评价系统的涵盖范围，可以将评价模型的应用及整个评价过程大致分为以下六部分：
（1） 制定评价方案，选择评价方法。这一步是整个评价活动的基础，需要明确评价的目的及对象，确定获取数据的途径、范围、取样及采集时间等，并拟定评价计划安排，准备必要的评价工具；
（2） 构建评价指标体系。这一步是评价标准的具体化，具有可测量性，通过对收集到的信息进行筛选、分类、建构，并使用相关方法进行权重测定；
（3） 评价信息的收集。一般通过调查问卷的生成、和提交来实现数据集成，在学习过程满意度评价中，还需要通过软件技术获得学习者行为方式、学习风格的记录等等；
（4） 评价数据的处理、分析；
（5） 得出评价结论及报告；
（6） 建立评价记录档案和数据库。
本文着重研究学习过程满意度评价模型指标体系的构建及评价数据的来源有效性问题。随着计算机技术和现代评价方法的不断发展，为我们实现大量数据的记录、统计分析和评价提供了有力工具。利用计算机网络的快捷和普及，通过网络调查问卷、信息即时提交等手段使我们得以在较短时期内收集到大量的学习者信息和统计数据；而科学评价方法的使用，则能够对收集到的信息进行数据整理和统计分析，选择出大量数据存在的分布状态、数据特征、变化规律及其相互关系等，而诸如SPSS、MATLAB、LINDO等统计分析工具软件的存在，使得这种数据处理过程变得简便易行。
四 学习过程数据记录方法简介
学习过程记录的数据来源有两个方面，一个是学习测评系统，如作业系统、考核系统，另一个是学习平台跟踪系统。对学习过程满意度的评价不只是关注评价结果的准确、公正，而是更强调评价结果的反馈以及被评价者对评价结果的认同以及由此带来原有状态的改进。本文着重关注学习平台跟踪系统，即通过设计具有人工智能技术支持的交互程序对学生在学习平台上的学习过程进行全程的跟踪记录。例如在制作某个网络课件时，可以通过程序设计，记录下学习者访问数据库中记录（知识点）顺序和时间点，由一定的规则可分析得出该学习者此次学习的进展，则记录下此项学习过程记录和记录时间。通过跟踪分析此类记录可以判断出，该知识点的难易度、学习者学习持续状态、完成学科知识的进度等[4]，这一过程需要通过Web数据挖掘技术来解决。运用Web数据挖掘技术自动从网络课件的Web页面和服务中发现和提取信息将成为学习过程数据记录的一个重要技术手段[5]。在针对学习过程满意度评价所需要的数据挖掘过程中，分别采用了聚类分析、关联规则、决策树、模糊集合等算法，具体使用方法如下：
（1） 利用聚类分析从Web访问信息数据中聚类出具有相似行为的学习者；
（2） 关联规则描述数据库中数据项之间存在潜在关系的规则，可以发现学习者在某些知识兴趣点之间的相关性，使得网络课件开发更具有针对性；
（3） 决策树主要应用于分类分析，通过分类算法实现对学生知识水平的客观分类；
（4） 根据模糊集合理论，对实际问题进行模糊判断、模糊决策、模糊模式识别、模糊聚簇分析。
五 总结与讨论
远程教育学习过程满意度评价体系是一个很复杂的学习支持与管理系统，其目的在于针对学习者不同个体的学习过程进行满意度评价，同时对学习过程满意度的评价不只是关注评价结果的高低与否，而是更强调被评价者对评价结果的认同以及由此带来原有状态的改进，以此为学习者提供个性化的网络教学服务。这一过程涉及到网络技术、人工智能技术、教育学、心理学等多个学科，需要做的研究工作还有很多。由于时间、知识水平及其它软硬件条件的限制，对该评价体系的研究还存在诸多问题，要在实践工作中加以应用和解决。尚需探讨的地方包括以下方面：
1 学习过程满意度评价指标体系的构建需要完善。本文对学习过程满意度归纳的5大类指标还需要在实践应用中进一步扩充、完善和细化，需要从不同角度引入一些新的相关因素来刻画学习者的学习过程，使系统对不同学习者的个性化学习特征评价有更为全面和准确的掌握。
2 各种评价方法及技术的综合应用尚待加强。远程教育是一种新兴的教育模式，各种科学评价方法及技术应在正确的教育理论知识指导下在实践中不断尝试和创新。
3 数据挖掘技术的进一步应用。数据挖掘技术不仅能提供可靠的学习者学习过程行为记录分析，在之后的学习结果评价、自动化管理等方面的也能有充分的应用。这在以后的实践中要深入研究，使之为实现提高远程教育学习效率的目标更好的服务。
参考文献
[1]任儆,张秀梅.对网络远程教育评价体系的探讨[J].中国电化教育,2002,(8).
[2]王昭君.影响网络学习成效关键因素探究[D].上海:华东师范大学,2007.
[3]赵涛.管理学常用方法[M].天津:天津大学出版社,2006,360-373.
关键词：网络教学 辅助教学 互动学习
一、网络教学的优势
随着网络技术与多媒体技术日益结合，网络教学应运而生。网络教学具有时空自由，网络技术日益渗透到教与学双边活动过程的各个环节，使教育步入了信息化时代。传统的“黑板加粉笔”的教学手段已无法适应当前大信息量的教学，资源共享、系统开放和便于协作的特点，使网络教学打破了时间和地域的界限，不仅使讲授更为生动，而且使双向教育成为可能。它可以弥补传统面授教学的一些弊端，促进学生自主学习，为教师和学生提供更加广阔自由的教学、科研和学习的空间和丰富的多媒体教学资源，同时也创设了学生与教师、教师与教师、学生与学生、课程与课程、学校和学校之间动态交流的环境，使学校更快地与世界接轨。网络教学已经成为当今国际和国内教育发展的新热点，也是实现教育信息化和现代化的有效途径。
二、网络教学在昌吉职业技术学院的应用
昌吉职业技术学院现在正处于新疆维尔自治区示范院校的建设阶段，在师资、教育教学资源、教学环境及教学理念等方面与内地高职院校都存在着一定差距；随着学校扩招，教学面积与学生人数增加，由于交通不便和师生比等矛盾，制约了现有教学资源的有效利用；教育部明确规定要做好高职院校教育的质量工程，进行精品课程建设，精品课程教学资源、教学活动、教学管理应实现网络化。基于以上问题，搭建一个适合昌吉职业技术学院自身教学特点、满足以上需求的网络教学系统已迫在眉睫。
笔者以“昌吉职业技术学院电气自动化技术精品课程”自治区课题为背景，针对昌吉职业技术学院的实际需要，构建一个满足昌吉职业技术学院教学的网络教学系统。对其应用主要有以下几个方面。
1.拓展教学资源，实现资源共享
丰富的网络教学资源对开展网络教学的意义是毋庸置疑的，而系统能够集中教学资源，并优化其结构，达到资源共享的目的。目前，学院许多专业实验室及实验设备还不完善，软、硬件资源还不能满足教学的实际需求。今后，系统还可以用来解决学院语音实验室、多媒体教室不足的问题，将网络互动系统作为总体信息环境的积极补充部分，充分发挥系统辅助教学的作用。待条件成熟后，可建设学院的网络教学资源库这一系统工程。
2.拓展教学空间，推广网络教学
在学院范围内，教师可利用系统为学生设计各种形式的学习活动，例如调查研究、专题讨论、课后辅导与答疑、研究性学习、CSCL（计算机支持的协作）学习等。待条件成熟后，也可以通过系统开展以网络教学为主的教学活动，实现对异地、不同校区学生的培养，还可以面向成人教育。
网络教学系统作为教学的辅助工具，可以为学生提供一个虚拟活动学习空间，使学生能按照自身需要和兴趣进行自主学习和协作学习。
3.完善教学过程评价体系
目前，对学生学习效果的评价主要以学期末的考试为主，教学过程中的评价相对较弱，本系统能够对学生所参与的各项学习活动进行记录，如学生参与讨论、浏览资源、在线阅读、在线学习、提交作业等，教师可以给这些评价项目设置权重，最终能够得出学生利用系统学习的得分，这样不仅完善了平时成绩的评定，更重要的是注重对学习主体自身发展过程中的客观评价。
而对于学院的合格/优秀课程建设中的教研活动、课外活动、学生作业等指标项，是不受时空限制、灵活的记录与保存方式，也是对即将到来的本科教学水平评估中过程性材料的极佳体现方式之一。
4.为课程建设提供服务
为搞好精品课程建设工作，教育部下发了《关于启动高等学校教学质量与教学改革工程精品课程建设工作的通知》和《国家精品课程建设工作实施办法》，对国家精品课程建设中应加强的各项工作做了明确规定，也对精品课程网络建设提出了明确要求和具体内容：精品课程教学资源、教学活动、教学管理应实现网络化；精品课程申报、评审与维护应实现网络化，其中教学资源包括教学大纲、电子教案、教学案例、课程简介、教材建设、实验内容等。
昌吉职业技术学院网络教学系统为精品课程建设提供了技术上的支持，免去专门为精品课程建立网站所耗费的人力、物力和财力。所提供的支持有：网络备课：教师可利用多媒体编辑器方式进行网上备课，可自行创建课程目录，随时随地修改和更新、维护课程内容；网络：及时精品课程相关动态信息，为教师提供相关材料与支持，能实施对课程的管理和版面管理；网上教学活动：支持讨论、答疑、作业、测试等在线教学活动，支持各项统计功能；网络教学管理：支持用户分组管理、账户权限管理、课程安排、课程统计、用户统计等教学管理活动，支持统一数据库管理；教学评价：支持多层次、多角度的网上评价和评审。
三、网络教学系统的功能
通过在全院范围内进行问卷调查和访谈以及对国内高校知名网络教学系统的调查分析，开发的昌吉职业技术学院网络教学系统主要具备以下功能：
1.实现管理者和教师、学生等人员之间的信息交流、信息互换和信息共享
由于学院扩招和分校区教学，教学面积与学生人数急剧增加。为了加强管理，提高教学质量，学院要求任课教师每周进行一次晚自习辅导，班主任每周至少开一次班会，借助系统的网络会议和论坛就可以在家里轻松地完成。只要事先做好约定，工作可以随时开展。建立分课程进行专题讨论的论坛，随时可以查看历史记录和访问人次。具有分课程的在线讨论和互动交流的网络答疑形式，记录疑问和解答的讨论信息和教师的答疑次数，教师可以对网络答疑库的信息加以汇总和分析，从中发现教学的问题，并及时调整教学方法和策略，改进教学效果，同时便于对教学进行管理。学习者也可以通过关键字匹配、问题勾连技术、全文检索等技术快速得到问题的答案。有BBS公告板与即时聊天。界面设计清晰，有吸引力。
2.实现按学科门类进行网络资源库的建设
根据教师和学生的需求，资源库中的信息可以包括课程建设的各种资源，如教案、讲稿、课程介绍、习题及详细解答、疑难问题解答、试题库资源、实验指导讲义、实验演示视频教程、教学计划、教学大纲、考试大纲、进度计划、各种不同版本的多媒体课件、课外复习资料、考研指导资料等，也包括案例资源、课题项目资源、讲座资源、论文资源、优秀的学生课程设计或作品、毕业论文或毕业设计、电子图书资源、视频教程、其他高校的优秀的课程网站资源等。能够方便合理地导航与链接，使教师和学生能方便地通过校园网快捷地检索到自己需要的信息并下载；在一定的管理权限内，教师和学生可以自行上传和修改属于自己的资源；要有开放的资源上传、审核、验证、入库和下载标准，做到高质量的资源库共建和共享，使资源的建设和使用更符合教师和学生的思维习惯和使用习惯。
3.对学习者学习过程进行数据挖掘，形成决策支持信息
目前绝大多数的学习系统，已基本具有了跟踪学生学习过程的功能，如美国Lotus公司的Learning Space可以跟踪学员在某一时间访问过哪些文件，访问了多少次以及停留的时间等功能，但是缺乏对这些信息进行分析、处理以及形成决策支持信息的功能。通过管理系统可以对这些过程信息进行搜集、处理，最终形成决策支持信息，为决策者提供决策的参考数据，如通过系统分析可以得知学生是喜欢看视频、还是文字性的课程；是喜欢线性学习法还是跳跃性学习法，据此调整网络课程的开发侧重点以及导学目标、方法等。
4.代替教务人员繁杂的工作
系统可以代替教务人员进行教学计划、开课选课、实施计划、考试安排等的制定。
5.承担起和其他系统的通讯工作
例表中的“导入/导出接口”和工具窗口，可以将学生学习的过程信息、报名数据等导入到系统中，或者将系统中的一些基本信息或者决策信息导出为其他的文件格式，如文本格式、Excel格式或者DBF格式等。
基于以上功能，设计昌吉职业技术学院网络教学系统主要有用户角色管理、课程建设和管理、在线学习与管理、资源建设与管理、在线测试与管理和系统帮助功能模块。
四、对网络教学系统的进一步研究
该系统通过网络进行辅助教学，提高教学质量，它不仅能够搜集、加工、处理、组织网络教学过程中产生的各类信息，还要能够从这些信息中挖掘出更多的知识，以便为教学系统和决策者提供决策信息，加强管理系统的服务性。但还需对以下几个问题做进一步的研究。
1.知识挖掘，策略形成
利用人工智能中的数据挖掘技术和推送技术，向不同学习倾向的学生呈现不同的学习策略、学习内容、学习界面、学习顺序及学习方式（而不是传统的CAI只有一套固定的管理知识教学的程序）；向决策者提供一些智能化的决策支持。
2.和其他教学管理系统的应用层整合，统一身份认证
这是一个比较复杂的问题，因为它涉及各个支撑系统的技术策略、是否允许二次开发、开发人员是否配合等问题。
3.资源检索技术的持续改进
对于系统上各学科各类资源（包括教师上传的多媒体资源及学生论坛帖子及讨论）的高效检索，对于师生获取信息、整合信息来说都是一项非常有价值的技术。
4.资源库的安全性有待进一步加强
加强系统安全，对师生的资源进行有效保护。
参考文献：
[1]张军征.校园网络规划与架设[M].北京：电子工业出版社，2009.
[2]刘成新.网络教育应用[M].北京：电子工业出版社，2010.
关键词:人工智能;研究型实验教学;民族关系
人工智能是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科,对它的研究涉及控制论、信息论、系统论、语言学、神经生理学、数学、哲学等诸多的学科及领域,是一门综合性的交叉学科[1]。
人工智能的研究、应用和发展,在一定程度上代表着信息技术的发展方向,同时信息技术的广泛应用也对人工智能技术的发展提出了迫切的需求。今天,人工智能的不少研究领域如自然语言理解、模式识别、机器学习、数据挖掘、智能检索、机器人技术、人工神经网络等都走在了信息技术的前沿,有许多研究成果已经进入人们的生活、学习和工作中,并对人类的发展产生了重要影响[2]。
实践教学环节在大学教育中是一个非常重要的教学环节,是提高人才素质与能力的重要途径。人工智能课程除了具有较强的专业性之外,还具有突出的实践性,为了能深入理解和掌握所学内容,必须把讲授和实践结合起来。本文结合该课程实验教学,将研究型教学的理念引入到实验教学,并对教学过程中的经验和问题加以初步的总结。
1研究型教学模式背景
研究型教学是相对于以单向性知识传授为主的传统教学提出的,是指教师以课程内容和学生的学识积累为基础,引导学生创造性地运用知识和能力,自主地发现问题、研究问题和解决问题,在研究中积累知识、培养能力和锻炼思维的新型教学模式。研究性教学是对现有的大学课堂教学模式的突破。有利于开发大学生的创造潜能,提高学生适应社会需要的创造性和创新能力,充分展现现代大学培养人才、发展科学、服务社会的三大基本职能[3]。
19世纪初,德国著名教育家洪堡最早提出了教学与科研相统一的原则,为研究型教学模式的发展奠定了基础。20世纪50、60年代,美国著名教育心理学家布鲁纳提出了著名的“发现教学模式”[4],成为后来探究性学习和研究型教学的先导。20世纪70年代,美国研究教学专家萨奇曼正式提出了研究训练教学模式。他认为学生会本能地对周围新奇事物发生兴趣,并想方设法弄清这些新奇事物背后究竟发生了什么,这是一种进行科学研究的可贵的动力。
自此,研究型教学理念开始广泛使用。现在,哈佛大学、牛津大学、剑桥大学等世界著名大学,都非常注重学生能力的培养,普遍采取了研究型教学模式。以美国高校为例,虽然美国高校83%的教师在课堂教学中主要采用讲授法进行教学,但在整个教学过程中都渗透着研究型教学的方法,如积极引导学生参与教学过程,开设研究性课程,引导学生积极主动地参与科研活动等。我国自20世纪90年代初推出211工程建设以来,清华大学、北京大学、人民大学、复旦大学、浙江大学等一些重点大学都提出了建设世界一流的综合性研究型大学的目标。这些高校在实现从单向知识传授的传统型教学向关注创新性教育的研究型教学转变方面进行了许多有益的尝试。
2研究型实验教学
本科教学不仅要培养学生的应用能力,还要培养学生具备基本的科研素质。大学是培养未来一线创新人才的主要基地,必须从本科教学人手,深入探索研究型教学的手段和方法,才能满足未来经济增长和社会发展的需要,才能符合建设研究型大学的需要。特别是近几年来我国对科研的投入不断增加,研究生招生规模逐年增大,本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题,其涵盖的分支非常广泛,如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等,都是目前国际和国内热门的研究方向。
人工智能课程在计算机专业人才培养方案中占据着重要的位置。在专业理论方面,它承续了离散数学中的逻辑知识;在专业方法方面,是数据结构、算法分析与设计的继续;在专业工具方面,是面向对象程序设计的生动实例。并且人工智能的每一部分内容都可以作为一个深入的研究课题,课堂上讲解的内容不可能面面俱到,学生们也不可能对人工智能的每一领域都做很深入的学习。并且人工智能涉及很多的数理逻辑知识,有些显得难以理解,并且往往让学生感到比较枯燥,学生的学习兴趣就渐渐淡薄,学生往往被动“听讲”,难以获得预期的教学效果。
针对这一特点,在人工智能教学中,如何引导学生系统学习人工智能的知识、激发学生的研究兴趣,树立目标意识找准研究方向,为未来的科研工作打下基础,研究型实验教学就成为了人工智能课程教学的一个重要环节和必然选择。
2.1实验教学中加强学生的研究导向
在实验教学中,如果照搬一些教材中的例子或习题教学,一方面学生们会缺乏兴趣,另一方面学生对这个领域的知识缺乏全面的了解。应不断提出一些学生们感兴趣的开放性课题,比如基于支持向量机的人脸识别、基于肤色的人脸检测,基于内容的图像检索等,培养学生们的学习兴趣,让学生们逐渐深入的学习某一领域的知识。比如BP神经网络,在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用,是一种具有强大的非线性学习能力的计算智能技术。然而BP神经网络算法自身也存在着一些缺点,如会有局部最小解、解受初值影响较大、理论解释不完善等,而支持向量机在这些方面具有显著优点。我们可以设计一个人脸识别的实验,用神经网络和支持向量机分别实现,并作以比较。让学生们在了解人工智能新技术的同时,也培养学生们如何分析问题、解决问题的科研能力。
2.2人工智能课程实验
该课程是一门对实验技术有较高要求的课程,对于基本原理和方法的实现,要求学生进行严格的计算机专业技能训练和培养良好的科研工作作风。因此对课程中的技能及技术性内容,除单独进行必要的基础训练外,还融入到综合和研究型试验中,通过多次反复实验练习,达到牢固掌握人工智能原理和人工智能的问题求解技术的目的。
该课程的实践环节主要是实践项目,由具备较强工程实践能力的任课教师和助教负责,学生可在全天候开放的专用机房完成。在实践环节的设计上,我们尝试把验证性实验和开发性实验相结合,结合实验教学进度,安排相应的开放实验,开放性实验以科学研究实验为主。并在课程的教学过程中,不断深化和扩展教学内容,结合人工智能学科的发展趋势和本院老师的最新研究成果,对实验内容进行更新。
课程主要设置三种层次的实验:1)基本原理和算法编程,测试例设计及程序测试实验;2)分析综合实验;3)研究型设计实验。整个实验包括课前讨论、实验操作、实验报告、结果讨论、总结提高等六个环节。对于综合性和研究型实验,把学生分成5个人一小组,每小组选做其中的一个。学生从指导老师处了解到实验课题后,即着手查资料,研读文献,钻研有关理论。在此基础上,学生先提出实验方案,经与老师讨论后,即可开始实验研究。
3实验平台的构建
民族关系问题对被访对象,特别对少数民族被访对象是非常敏感的问题,对民族关系的评价又存在个体层面、群体层面、不同阶层人群之间的差异,因此,仅仅以传统的文献分析、问卷统计和现场观察等民族学方法来进行调查,得到的数据会存在较多误差。
因此结合本校的民族特色和民族学领域独特的研究优势,将信息认知技术引入民族关系研究,运用图像、心电和脑电数据进行分析,将分析的结果和心理场景测试及民族学调查结果进行相互印证和参数修正,从而获得尽可能客观的数据,这些数据将有助于建立一个客观、完备、科学的民族关系监测体系,并真实全面地评估民族关系,从而使决策机构及时做出正确的决策。基于多信息融合的民族关系监测预警系统总体框图如图1所示。
目前该平台已经搭建,由北京市公共安全信息监测平台建设、北京市公共安全信息监测平台建设关键技术研究、基于多源信息融合的民族信任研究等多个重大项目支撑。在这个平台的下面,涉及到人脸识别、表情识别,视频监控、认识等领域,小波分析、神经网络、支持向量机、模糊数学、信息融合等人工智能知识得到了具体的应用。学生可以根据自己的兴趣爱好,自愿参加到该平台下的某一项目,切实对自己所学知识有一个深刻的理解和掌握。
4结语
研究型实验教学激发了学生的学习兴趣,不但使学生更好地掌握了人工智能的基本概念、基本理论和基本技术,也切实提高了学生的实际动手能力和编程能力。研究型实验教学在实践过程中还有以下问题需要改进:
1) 研究型实验教学的理念很难普及。很多教师对研究型教学模式的内涵未能准确把握,把研究型教学模式等同于学生实习或者写论文。
2) 研究型实验教学的辅导老师素养需要提高。研究型实验教学作为体现创新教育要求的现代教学模式,需要的不是知识传授型的教师,而是高素质的研究型教师。教师不仅是单一的教者,更应该成为一个学者,教师不仅要有研究型教学的教育观念、快速接受新知识的能力和高超的教学技能,要能够合理地规划和设计实验内容。
3) 需要建立一套合理的学生学业和教师绩效的评价体系。
参考文献:
[1] 王万森. 人工智能原理及其应用[M]. 北京:电子工业出版社,2007.
[2] 蔡自兴,徐光佑. 人工智能及其应用[M]. 北京:清华大学出版社,2004.
[3] 李得伟,张超,李海鹰. 大学工科专业课程实施研究型教学的探讨[J]. 高等教育研究,2009(9):74-75.
[4] 彭先桃.大学研究性教学的理念探析[J].教育导刊,2008(3):56-58.
Exploration and Practice of the Research Experiment on Artificial Intelligence
ZHANG Ting, YANG Guo-sheng
(College of Information Engineering, Minzu University of China, Beijing 100081, China)
关键词:数据库;案例教学;任务驱动;自主学习
中图法分类号:G642 文献标识码:A文章编号:1009-3044(2009)22-0000-00
数据库是数据管理的最新技术,是信息系统的核心和基础。数据库技术已遍及各行各业,在现代国民经济中占有非常重要的地位。数据库课程原先是计算机专业和信息管理专业普遍开设的一门重要课程,随着时展和学科的交叉融合,一些非计算机、信息的专业也相继开设数据库课程,从而能够结合本专业的特点,发挥学科交叉和综合的优势。
论文根据本人多年讲授数据库课程的教学经验,对数据库教学方法作一些探讨。
1 教学内容的调整与改进
数据库是一门实践性很强的课程,其教学目标是为了培养能够分析和解决实际问题的数据库设计、开发、维护、管理等专业型技术人才,因此需要根据教学目标对教学的内容作一些调整和改进。
1.1 教学内容的调整
在数据库教学中,可以先介绍一些数据库系统的基本概念,包括数据库系统、数据模型、数据库系统结构、数据库系统组成等,让学生对数据库系统有一个大体的认识;然后介绍数据库系统的设计和数据控制,包括数据库恢复技术、并发控制、安全性和完整性,从而使学生对数据库系统的设计和开发有一个整体的、较完整的认识。接着从整体到局部,将数据库系统整体进行分解,对每一部分,包括数据模型、数据操纵、完整性约束等进行详细的讲解。采用从整体到局部的教学方式,有助于学生理清思路、对数据库有一个完整、全面的认识。
1.2 教学内容的改进
正如上文所述,数据库是一门实践性很强的课程,重视实践开发。因此课本上一些理论性很强的章节,如关系代数、关系演算、关系数据理论等,可以不必过于重视数学公式和推导证明,克服抽象的、脱离实际的被动学习,而是用通俗易懂的语言解释概念,用形象生动的实例来阐释要点和难点,贯彻学以致用,理论终归是为实践服务的思想。
教学内容的改进还体现在,可以在教学中介绍一些最新的数据库发展技术,包括分布式数据库系统、并行数据库系统、数据仓库、数据挖掘与知识发现、云计算等,这样一方面可以引起学生对数据库课程的兴趣,对数据库的用途和重要性有更深入的了解;另一方面能够使学生对数据库最新的技术前沿有一定的了解,扩展学生的知识面,而不拘泥于教材中的基本概念和原理。
2 案例教学的应用
案例教学法作为一种新型的、行之有效的教学方法,能够循序渐进地引导学生理解抽象复杂的原理和概念、掌握相关的知识、增进学生的学习兴趣和动力、培养他们的创新精神和解决问题的能力。例如在介绍数据库系统设计时,可以举几个与学生专业或生活密切相关的数据库案例,让学生讨论应该如何构建这些数据库,由哪些表、索引、视图等构成,每个表又由哪些字段组成,从而可以在关系模型规范化和总体效率方面取得较好的折衷。再如,在开始讲授数据库这门课程前,可以先演示一个完整的小型数据库系统,从而让学生对数据库系统的结构、组成、数据模型、数据操纵和完整性约束等抽象的概念有较形象的理解,并且因为和实际相结合,可以摆脱抽象、被动的学习,而调动学生的积极性和探索精神,培养学习的主动性,提高学生的实践能力。
案例教学包括3个阶段:
1)案例的选择。案例的选择应具有典型性、针对性和系统性,即应选择与学生专业或生活密切相关的案例,从而有助于学生理解并加深印象;并且应根据教学内容和教学目标,对案例的安排作一个整体的规划,从而使得案例自身具有完整性,前后案例具有一定的关联性和连贯性。
2)课堂讨论。教师给出一个案例后,由学生通过课堂分析讨论,通过师生互动,给出一些解决问题的方案。
3)案例总结评价。教师对案例进行分析和方案设计,评价学生提出的实施方案的可行性,总结案例分析的思路和最优的解决方案。
案例教学能够将理论和实践相结合,有助于加深学生对书本抽象概念的理解和运用,提高学生的实践能力。
3 任务驱动教学的应用
传统的教学模式采用教师在课堂上讲授、学生被动地接受和掌握教师讲授的知识,从而导致学生学习兴趣低,分析解决问题的能力、创新能力和实践能力差。任务驱动教学法建立在建构主义学习理论基础上,是一种教师指导,学生自主能动学习的新型教学方法。任务驱动教学能够充分调动学生的主动性、积极性和创造性,使学生实现对所学知识的意义建构。任务驱动教学注重实践,因此很适合实践性强的数据库课程。任务驱动教学是通过教师将教学内容任务化,如开发一个数据库系统,以任务驱动学生主动学习、积极探索,综合应用所学的知识,完成任务。
任务驱动教学包括4个阶段:
1)任务提出。教师根据教学内容和教学目标提出明确的任务,如设计和开发一个数据库系统,这包括开发一个数据库和数据库应用系统。这要经过需求分析、概念模型设计、逻辑结构设计、物理结构设计、数据库实施、数据库性能评价和维护等一系列过程,是一个符合数据库课程教学目标的大任务。
2)任务分解。将一个大的任务分解成若干个子任务,再将子任务继续分解,直至每个小任务均可操作为止。如将设计开发数据库系统的任务可以分解为如下一系列子任务:①数据库的界面设计;②通过数据库界面可提供管理员和不同权限用户的登陆,登陆后可供操作的数据和权限不同;③通过数据库界面可对数据进行增、删、改等操作;④数据库由哪些表、视图、索引组成,哪些字段定义为码、哪些字段进行排序;⑤数据库完整性约束的定义,并定义一些触发器来维护完整性;⑥打印报表。通过上述任务分解,就将设计开发数据库系统一个大任务分解成了若干个可执行的、功能明确的子任务。根据应用需求分解任务,随着任务分解得越发深入细致、系统的边界和结构就越发清晰、系统的功能也越发完善。
3)通过自主、协作学习完成任务。学生为了完成任务必须主动参与整个学习过程,通过自主学习和协作学习建构新知识的意义,完成任务。通过组成小组协作学习,可以帮助学生看到问题的不同侧面,开拓思路,对知识产生新的理解。当遇到困难时,可由教师进行指导和帮助。
4)任务完成评价。教师对学生完成任务的情况,即开发的数据库系统进行评价。可以通过学生展示自己开发的数据库,鼓励其他同学对其进行评价和提出建议,教师进行点评的方式,使学生不断建构和完善自身的知识结构;也可以通过教师选择几个学生开发的功能完善、界面友好的数据库系统进行展示,其他学生提出疑问和建议,最后由教师点评和提出建议的方式,促进学生学习的积极性、对知识结构的进一步完善和创新能力的培养。
任务驱动教学强调“受人以渔”,通过任务实现的过程,完成真正意义上的知识建构,促进创新精神的培养和创新能力的提高。
参考文献:
[1] 兰兵. “任务驱动”法在数据库教学中的应用[J]. 广西法学学报,2007,29:189-190.
[2] 苗语. 数据库教学方法探讨[J]. 教育战线,2004:131.
关键词 大数据 信息服务模式 高校图书馆
分类号 G252
DOI 10.16810/ki.1672-514x.2016.02.003
Research on the Development of University Library Information Service Model in the Era of Big Data
Wang Hao， Liu Bing， Zhang Linlin
Abstract In view of big data and information service mode， from the perspective of "four elements"， this paper expounds the evolution of the mode of information service under the environment of big data， discusses the ideas and Strategies of the construction of the new information service mode.
Keywords Big data. Information service mode. University library.
2012年美国奥巴马政府宣布推出的“大数据研究和发展计划”，对全球知识的创新和信息服务的形式产生了重要的影响。2013年被称为“大数据元年”，IT 业界从新的视角将“大数据”视为重要的战略资源，提出了发掘“大数据”资源、开发“大数据”技术、应用“大数据”技术引领时代转型等的重大时代命题。面对“大数据”时代的新机遇与挑战，图书馆界已经感受到了信息环境的转变和信息服务工作的巨大压力，应当如何适应环境、借势而上、立足潮头？本文以大数据和信息服务模式为视角，从信息服务模式的“四要素”入手，深入研究大数据给高校图书馆信息服务模式带来的影响和发展方向，初步探讨了如何构建基于大数据的新的信息服务模式。
1 大数据与信息服务模式的内涵
1.1 大数据的内涵
随着计算机、网络技术全面融入现代社会生活，信息的积累由量变引发了质变，最先经历信息爆炸的学科――天文学和基因学，率先提出了“大数据”的概念[1]。事实上，“大数据”并不仅仅包含技术和数据，而是由于不断增长的数据量和数据种类而逐渐衍生出来的一种现象，因此，目前“大数据”在业内并没有统一的定义，但对大数据的描述和特性在学术界存在着这样的共识：大数据是数据来源多种多样的体量巨大的结构化、半结构化、非结构化的需要专业人士利用新的技术去实时感知、获取、管理，获取价值，以服务的庞大的数据集合。具有种类（Variety）多、速度（Velocity）快、容量（volume）大、价值（value）大的“4V”特征。舍恩伯格认为，大数据的核心价值是预测，是把数学算法运用到海量的数据上来预期事情发生的可能性。他在著作《大数据时代》中认为，大数据既是一种技术，更是一种思维，并重点讨论了关于大数据的3个思维变化：（1）不是随机样本，而是全体数据。（2）不是精确性，而是混杂性，尤其是大数据的简单算法比小数据的复杂算法有效。（3）不是因果关系，而是相互关系。大数据思维可以初步概括为规律性、无偏性、关联性和开放性4个特征[2]。
1.2 信息服务模式的内涵
信息服务是以信息为内容的服务业务，它从社会现实出发，以充分发挥信息的社会作用、沟通用户的信息联系和有效组织用户信息活动为目标，以“信息运动”各环节为内容的一种社会服务。其服务对象是对服务具有客观需求的社会组织和社会成员。通过对信息服务定义的分析，我们可以得出，信息服务的构成要素有四个：服务主体（信息服务的提供者）、服务客体（信息服务的需求者）、服务方式（信息加工、组织、服务的方式）、服务内容（所需求的知识信息）。关于模式的定义，《汉典》中给出的解释是：事物的标准样式。百度百科中指出，模式就是解决某一类问题的方法论，每个模式都描述了一个在的环境中不断出现的问题，然后描述了该问题的解决方案的核心，通过这种方式，可以无数次地使用那些已有的解决方案，无需再重复相同的工作，并且模式具有领域性。综合分析前述关于信息服务、模式的定义，笔者认为，研究信息服务模式的关键就是要研究信息服务的组成要素，及抽象、总结、概括这些要素之间的相互关系。
2 大数据环境下高校图书馆信息服务模式的演变
2.1 大数据对信息服务模式要素的影响分析
2.1.1 提高服务主体的服务技能
大数据时代，高校图书馆员需要具有较高的信息服务技能，除了要具备图书馆专业知识外，还要具有敏锐的信息意识，一定的学科背景，较强的信息加工处理能力，以便为读者提供更为准确的信息服务。目前高校图书馆界的信息服务，大多是根据信息服务人员的经验进行主观判断，也就是定向性预测。而大数据时代，将催生信息数据预测分析师这类新的专业技术岗位，预测分析是通过建立数学模型，发现数据与实物之间的相互关系，准确客观的预测事物的发展方向，以提供解决方案。总之，高校图书馆员的总体信息服务能力会随着大数据时代的要求而不断提高。
2.1.2 细化服务客体的信息需求
在信息急剧增长的今天，读者的信息需求越来越具有个性化特征，大数据技术的应用，使得图书馆可以通过分析用户的注册信息、实时操作、过程数据、群组讨论内容、信息利用行为等实时、动态非结构化的数据，更加精确地了解读者个性化信息需求的动机和偏好，以实现对读者信息需求的精准定位和预判。
2.1.3 扩宽服务方式
大数据环境下，信息数据已经成为社会的核心资产，数据传递、信息共享，已经成为信息服务的重要组成形式，由于大数据的动态配置和应用，图书馆的信息服务方式也呈现出多元化的合作方式。主要表现在：
（1）业务的外包与众包。信息社会，信息资源正在向着虚拟化方向发展，资源获取和利用更加倾向选择合作与分享，以实现信息资源和服务的柔性配置，发挥规模效益。因此，信息服务的外包与众包已经成为新的、重要的服务方式。外包和众包的不同之处在于，前者是外派给确定的个体，而后者的任务和问题是外派给不确定的群体。但它们的好处都在于：企业或者机构可以充分利用网络资源，借助外部的智慧，节约大量的研发成本与管理费用。例如，数据库的管理与服务的外包、系统管理软件的开发外包等；著名的网络免费百科全书“维基百科（Wikipedia）”是德国国家图书馆运用众包的理念招募志愿者，志愿者的主要任务是校对百科全书中的人物姓名和提供权威文件记录，与全世界的志愿者的合作， 使得维基百科不仅仅是一部传统意义上的百科全书，更重要的是使其成为记录人类历史的、革命性的团队协作行动[3]。
（2）协同创新。“协同创新”是指创新资源和要素有效汇聚，通过突破创新主体间的壁垒，充分释放彼此间“人才、资本、信息、技术”等创新要素活力而实现深度合作。协同创新的特点主要有两点：一是创新生态系统中的各种要素是有机集合而不是简单相加，其存在的方式目标功能都表现出统一的整体性；二是创新主体之间要发挥各自的能力，优势整合，互补资源，实现各方的优势互补，创新生态系统必须不断动态变化[4]。当前，信息服务产业正处于互相渗透、互相融合、根据各自优势重新组合、重新分工的阶段。图书馆应认清社会化分工，联合其他信息服务的提供者（包括图书情报机构、信息提供与服务商、任何信息的机构及个人等）遵循协同创新的理念，为读者提供智能化、范在化、一体化、云状化、个性化为特征的信息服务。
2.1.4 创新服务内容
高校图书馆的传统信息服务内容，一般可分为三大部分，一是书刊借阅、文献传递、事务性咨询等；二是通过检索性、参考性文献或者系统向读者提供课题检索、学科导航、用户教育等在内的科技信息咨询为主的服务；三是根据用户需求，社会特点，提供参考性咨询等专题情报服务。
大数据时代的到来，催生出了一些新的信息服务内容，如：（1）对信息知识的新编，即图书馆通过新的载体方式，与服务手段，使读者去发现新的知识。例如：浙江大学医学院图书馆通过人体的骨架，让读者点击不同器官，来调阅与器官相关的书和文章。（2）数据信息的管理。数据密集型学科领域里面的科学研究，必须要对海量的数据进行信息分类、抽取要点和发现关系，来揭示隐性的知识结构，图书馆可以充分利用大数据技术，帮助科研人员进行相关数据、信息和知识的关联、回溯、保存等，以减轻科技人员的负担，使之能够集中精力进行科学研究。（3）对事件进行预测，人工智能、数据挖掘、分析等大数据技术使得信息能够快速的转变为知识，来指导决策和行动。
笔者认为，根据对信息虚拟化程度、挖掘程度、知识创新程度的不同，由低到高，可以把高校图书馆当前的信息服务分为四个层次，依次为第一层（基本层）即对用户最基本的信息需求的满足；第二层（延伸层）即图书馆形成自身服务特色的关键业务工作；第三层（期望层）即用户选择服务后，期望能够得到的服务；第四层（潜在层）即图书馆需要进一步实现的知识信息服务（如图1所示）。
2.2 大数据时代高校图书馆信息服务模式发展方向
由前述大数据对信息服务模式“四要素”的影响看，我们不难发现，大数据时代的信息服务模式具有以下特点：信息服务功能强大，服务方式多样，服务内容丰富，强调资源共享，协同创新，强调对读者个性需求的满足等。根据这些特点，其发展导向主要有以下几个方面。
2.2.1 个性化服务
大数据时代，图书馆有更多的方式和机会去了解读者和读者的信息需求。要想为读者提供理想的个性化服务，必须掌握两点：一是通过对新型资源（博客、社交网站等动态、非结构化数据）、休眠数据（系统内未被使用和发现的数据）、高价值数据的分析与挖掘，充分了解读者的个性，为读者提供他们想要的信息和服务；二是合理地掌控和设计服务的个性，把数据表现相同的读者分为一类，个性化分散的单位可大可小，大到一个有同样需求的读者群体，小到每一个读者。但过于分散的个性化服务，会增加图书馆的服务成本和管理的复杂程度，所以要合理掌控和设计个性化服务。
2.2.2 集成服务
互联网、大数据技术的发展，使得信息服务与资源建设加快了向开放、互助、资源共享的方向发展，开展集成服务有利于图书馆围绕用户的信息需求，借助于网络信息技术以及信息服务联盟，在各图书馆与文献保障系统之间对文献信息资源进行统筹规划，使可获取利用的信息资源能够最大程度的涵盖学校的各个学科专业，并可以重点保障学校重点学科、博士点学科的信息资源需求，以实现馆藏信息资源的“投入―产出”比率最优。
2.2.3 知识服务
大数据知识服务是一种基于网络（包括电信网、广播电视网、互联网、移动互联网等）的智能化、泛在化发展趋势而衍生的，用以解决结构化、半结构化及非结构化数据多维度处理的现代信息服务新模式，是嵌入式协作化知识服务模式的一种新发展[5]。大数据知识服务模式强调读者的参与、强调知识、能力、资源和过程以服务的形式进行有机融合，并基于网络自由流通，以实现大数据知识服务体系中的知识动态协调构建、能力智慧管理、资源按需使用、过程智能控制，满足读者急剧扩张的知识服务需求。
2.2.4 智能化服务
百度百科对智慧的定义是：智慧是指对事物能迅速、灵活、正确的理解和处理的能力。图书馆智慧化服务是指利用大数据相关技术，进行快速的、自动的对复杂动态数据的收集与处理，分析判断用户的信息需求趋势，了解需求动态，研究需求规律，将用户潜在的信息需求转化为现实的信息需求，将隐性的知识显化，使信息的价值得以实现。并从管理与运营系统全局层面，保证管理决策、资源分配、硬件与软件建设、技术选择的科学性，确保信息服务的高效、灵活。
3 基于“四要素”的大数据信息服务模式构建思路与对策
3.1 思路
思想是行动的指南，正确的理念是高校图书馆提供优质信息服务的保障。图书馆要针对大数据对信息服务模式要素的影响，遵循信息服务的新特点和发展方向，全面审视、更新办馆思路和观念，用大数据的思维去重新定位信息服务工作。要在遵循“以信息安全为前提、以满足读者需求为目标、以实践探索为途径、以人才培养为保障”的思路下，对管理体制、组织结构、工作流程和激励机制等方面进行全面改进，使之有助于在关键技术、平台开发、标准规范等方面实现应用创新，建立信息服务的新模式，即馆员的工作要变“被动”为“主动”、对读者的服务要变“整体”为“分散”、服务方式要变“自足”为“共享”、服务内容要变“静态”为“动态”。
3.2 对策
3.2.1 多途径提高馆员的信息服务水平
高校图书馆员业务素质在很大程度上决定着信息服务的水平和质量。目前与大数据密切相关的信息链接技术、智能推送技术、数据仓储技术、数据挖掘技术、数据分析技术等正在快速发展，信息服务体现出的交互、智能、个性化等特点，都对馆员的知识结构和综合素质提出了更高的要求。图书馆员要能将大量原始、初级、杂乱无章的“数据”，转化为清晰地表达出一定含义的“信息”，继而根据读者的信息需要提取出有价值的“情报”并应用于实践[6]。所以，图书馆必须加强馆员的培训力度，扩展培训途径，通过学习、探讨、考核、外引、内培等多种方式，让馆员普遍接受以数据应用为核心的工作方式。建立一支业务素质过硬、创新能力强的高素质信息服务队伍。并要在服务的过程中，加强与读者的互动交流、重视反馈信息，深入开展对读者心理、行为、习惯、干扰因素等问题的研究，进行换位思考，站在读者的立场去认识、感受、体验、评价所开展的信息服务。
3.2.2 通过素质教育培养读者的信息素质
信息素质教育包括信息意识、信息能力和信息道德三个方面，信息素质教育有助于提高读者的信息意识，唤起读者尚未表达出来以及未意识到的潜在信息需求和潜在读者应该利用而实际上未利用的信息服务；其次，有助于促进读者与图书馆之间的互动，密切联系，使读者对图书馆的服务有更深层次的认识，从而及时得到相应的服务；最后，信息素质教育将大大提高读者的信息处理能力，优化知识结构和提高决策能力，并能够使读者增强信息安全意识、遵循信息使用的伦理道德。
3.2.3 建立以大数据为核心的信息服务方式
大数据的4V特征，决定了要开展以大数据为核心的信息服务，必须打造先进的基础设施，构建良好的数据处理和知识共享环境，开发关键业务和规范服务流程。主要措施包括：（1）建立高效的分布式信息网络，数据存储、数据管理平台，提供硬件基础设施保障。（2）根据应用实际，开发科学的数据分析挖掘软件系统，提高数据的收集、挖掘、分析、决策的能力。（3）将“大数据”看作关键资源，开展新的服务形式。（4）从“大数据”的价值出发，去寻找新的合作伙伴，强化信息集成服务，开辟数据交流与共享的渠道。（5）利用“大数据”进行服务流程优化，缩短服务响应时间，提高服务效率。
3.2.4 利用大数据创新信息服务内容
图书馆要利用大数据之间的相关关系，核心价值（预测），调整思维、关注新的重点服务领域，不断深入与创新信息服务的内容，主要有：（1）加强读者研究，对交互数据进行分析，通过建立数学模型，开展精准服务、知识关联服务，提供预测性信息服务产品。（2）重视对新型资源的收集，通过对读者行为习惯的数据挖掘、分析，判断预测可能发生的信息行为与需求。（3）利用大数据的时效性，监控大数据动向、动态定位、收集、分析处理高质量信息，为客户提供问题解决的方案。（4）关注和融入社交网站，扩大图书馆的受众面，实时了解读者的需求，围绕读者喜好，收集整理信息资源，并提供专项服务，提升图书馆在读者个人文化生活中的作用和影响。
参考文献：
[ 1 ] 维克多・迈尔・舍恩伯格，肯尼斯・库克耶.大数据时代：生活、工作与思维的大变革[M].盛杨燕，周涛，译.杭州：浙江人民出版社，2013.
[ 2 ] 和婷.大数据思维对图书馆信息服务工作的启示[J].图书馆建设，2014（1）：64-68.
[ 3 ] ANDERSO M. Four crowd-sour cing lessons from tie Guardian's （spectacular）expenses-scandal experiment[EB/OL].[2012-06-10].http：///2009/06/four-crow dsour cing-lessons-from-the-guardians-spectacularexpenses-scandal-ex perim ent/.
[ 4 ] 陈劲，阳银娟.协同创新的理论基础与内涵[J].科学学研究，2012（2）：161-164.
[ 5 ] 秦晓珠，李晨晖，麦范金.大数据知识服务的内涵、典型特征及概念模型[J].情报资料工作，2013（2）18-22.
[ 6 ] 邓爱华.大数据时代来临，你准备好了吗？[J].科技潮，2012（9）：55-57.
王 浩 黑龙江八一农垦大学图书馆副研究馆员。黑龙江大庆，163319。
刘 冰 黑龙江八一农垦大学图书馆馆员。黑龙江大庆，163319。
