Web挖掘在远程教育个性化服务中的应用

本文结合个性化服务的思想,提出了一种新的基于Web挖掘的个性化远程教学模型。它能充分利用用户Web访问记录以及用户与站点的交互数据进行挖掘,以此来发现学习者的学习兴趣,从而改进页面设计,优化站点结构,更好地满足学习者的个性化需求,提升个性化远程教育的质量。     

Web挖掘在远程教育个性化服务中的应用

本文结合个性化服务的思想,提出了一种新的基于Web挖掘的个性化远程教学模型。它能充分利用用户Web访问记录以及用户与站点的交互数据进行挖掘,以此来发现学习者的学习兴趣,从而改进页面设计,优化站点结构,更好地满足学习者的个性化需求,提升个性化远程教育的质量。     

Web使用记录挖掘在电子商务网站中的应用

将Web使用记录挖掘技术应用于电子商务网站中．以Web log文件作为数据源,通过聚类算法以及浏览兴趣模式算法实现对用户日志进行挖掘,得出用户浏览兴趣度模式,实现兴趣模式的表示,并最终提供电子商务网站个性化访问服务,很好地改进了电子商务网站的营销策略,有效地促进电子商务的发展．     

基于用户访问模式的Web数据挖掘

Web挖掘为电子商务的海量数据处理提供了强有力的技术手段.本文分析了Web挖掘的基本过程和方法,并重点探讨了基于用户访问行动的Web挖掘方法.以Web日志作为Web挖掘的数据源,提出了用户访问行动的关联矩阵表示方法,并建立了Web用户和页面聚类模型,为电子商务的客户管理、内容管理、个性化服务等提供了决策依据.     

基于Web的数据挖掘在信息服务领域的应用

传统网络服务虽然满足了人们获取信息的需要,但由于其通用的性质,仍然不能满足不同背景、不同目的和不同时期的访问者的需求。基于Web数据挖掘技术提出了一种个性化的网络信息服务模型。Web使用挖掘就是从服务器日志文件和客户交易数据中挖掘有意义的用户访问模式和潜在的客户群,为用户提供个性化的信息服务。     

基于网页结构相关性的个性化推荐技术研究

讨论为访问用户提供高质量个性化推荐服务的个性化推荐系统的设计和实现.通过分析现有的基于Web体系结构的个性化推荐系统的特点,从用户访问W eb页面的特点出发,确定了以网页结构相关性为基础进行个性化推荐技术研究的目标.推荐系统由离线挖掘子系统和在线推荐子系统两部分组成.仿真实验表明,基于网页结构相关性的推荐系统具有较高的推荐准确性和更快的响应速度.     

Web使用挖掘技术研究

Web使用挖掘是对Web用户的网络访问行为进行分析挖掘的过程.从挖掘数据、过程和应用三个方面详细地阐述了Web使用挖掘技术,最后提出了一个基于Web使用挖掘的应用模型.     

基于web日志挖掘聚类算法的电子商务商业智能研究

随着互联网的日益普及和电子商务的迅速发展,基于Web日志挖掘聚类算法的电子商务在市场中竞争越来越激烈.本文首先概述Web使用挖掘,简单介绍日志挖掘技术中两个关键技术,聚类分析和序列模式挖掘,进而讨论Web日志挖掘的数据预处理过程,包括用户,数据净化,路径补充等.对于传统的矩阵聚算法进行优化,应用该算法可以对客户和页面进行聚类分析,达到发现相似的客户群体,挖掘潜在客户群.通过实验表明改进的算法具有较高的扩展性和准确性,证明将挖掘结果应用于个性化推荐系统的思想是可行有效的.     

Web使用挖掘综述

通过挖掘Web日志记录,发现用户访问Web页面的模式,从而为识别电子商务的潜在客户、改进服务器系统性能提供帮助,是Web使用挖掘的重要使命。挖掘过程主要包含数据预处理、模式发现和模式分析三个阶段。针对这三个阶段,分别对数据预处理的技术、常用的Web使用挖掘的方法和算法以及主要应用进行了阐述。     

Web挖掘在校园网学习系统中的应用研究

数据挖掘在WWW上有广泛的应用。在校园网学习系统中嵌入Web挖掘模块，运用数据挖掘技术对服务器上的日志文件等Web数据进行挖掘，可了解用户的访问行为，提供个性化的服务。本文阐明了Web挖掘在校园网学习系统中的应用方法和步骤。     

基于大工程观教育理念的高校图书馆工作改革

从大工程观教育理念对培养工程人才的要求出发,论述了高校图书馆在大工程观教育理念下,资源建设、人文精神文化建设、个性化信息服务等方面的工作改革。     

分类挖掘及其在学生保持工程中的应用

随着教育市场化与信息化进程的推进,学生保持越来越受人关注了,而传统的学生资源管理方法已经很难适应新的教育环境。在此篇文章中我们简述了分类挖掘技术并分析了学生保持工程中的学生流失问题,在此基础上,我们将决策树分类模型运用到学生资源数据仓库的挖掘系统中,并取得了较好的效果。     

基于学习者兴趣的教学资源检索算法模型的设计和实现

通过对学习者兴趣与资源的匹配度的分析比较,提出实现资源精确检索的算法模型,并在相关系统中进行了实证,同时该算法对实现资源的个性化推荐具有很好的借鉴价值.     

知识图谱助力学科教学——以大学模拟电子技术基础课程为例

知识图谱和个性化推荐技术是教育研究热点。借助学科知识图谱和学习者画像进行学习资源个性化推荐,提出基于学科知识图谱的资源关联推荐方法。在此基础上选取A、B两个模拟电子技术基础课堂进行学习效果验证,实验数据表明,基于知识图谱的学习资源关联推荐模型能在一定程度上提升该课程学习效果。     

新建本科院校实施学分制存在的问题与改进措施——以安阳师范学院为例

新建本科院校实施学分制教学改革取得了一定成效,逐步实现了满足学生、提高教师、改变学校的改革目的.但同时也存在选课资源不足、学生学习能力不足、教学质量保障与监控难度加大、教务管理系统支持不够及时等问题.需要进一步把握改革节奏,丰富选课资源,加强学业指导,加强教学质量保障与监控,完善教务管理系统个性化需求.     

基于edX开放数据的学习者在线学习行为分析

教育数据挖掘指通过分析学习者的学习行为记录和归纳学习者的行为特点,以提高教育质量的一种学习分析方法。在大数据时代下,网络课程学习者产生的大规模学习行为记录为教育数据挖掘提供了充足素材。以edX开放数据集为基础,使用数据分析方法,针对平台中本科学历用户获证概率最低的问题,分别从学习目的及兴趣、学习者类型、学习行为特征3个方面进行分析,深入探讨各种学习行为特征之间的相关性以及对学习效果的影响,为在线课堂平台建设者针对不同用户群体优化课程设计、改进个性化学习管理系统提供参考。     

大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示

“数据驱动学校,分析变革教育”的大数据时代已经来临,利用教育数据挖掘技术和学习分析技术,构建教育领域相关模型．探索教育变量之间的相关关系．为教育教学决策提供有效支持将成为未来教育的发展趋势。“大数据”的出现．将掀起人类教与学的又一次变革。2012年,美国国家教育部发布了《通过教育数据挖掘和学习分析促进教与学》报告．对美国国内大数据教育应用领域和案例。以及应用实施所面临的挑战进行了详细的介绍。借鉴此报告．我们认为未来我国教育领域的大数据研究和应用。应加强国家和地方对相关的研究和应用在技术层面、管理体制层面以及法律制度层面的支持,按需合理规划具体研究和应用,整合现有资源,发挥后进优势,借助“大数据”实现真正意义上的个性化学习．进而实现教育公平。     

基于在线学习行为数据的学习者群体特征挖掘研究

教育信息化促使越来越多的学习者选择在线学习,基于学习行为数据的研究也逐渐增多,然而对学习行为的研究普遍基于学习者个人,涉及学习者相似群体特征挖掘的研究较少。选取阿里云天池中的公开数据集,通过对不同个性特征和认知能力的行为数据进行相关性分析,以学习成绩为依据聚类不同的学习者群体,挖掘群体的典型行为特征。研究表明,群体行为特征存在显著差异,借助群体特征挖掘可以帮助学生与他人对比,发现自身不足并及时调整。这样既能在个性化学习基础上充分利用群体智慧,也能避免因学生过多使教学工作者负担过重。     

试论社区数字学习个性化服务的必要性与设计思路

目前我国社区数字化学习的平台建设和服务发展迅速,这一方面有助于拓展市民学习空间,为其提供更加开放、便捷、共享的学习机会。另一方面由于重硬件轻软件、重宣传轻互动、重自建轻共享等错误观念,导致数字化学习难以满足广大学员实际的学习需求,学习效果和影响均不如预期。为此,本文提出社区数字化学习的服务方式要体现以人为本,力求大众化、个性化,具体表现为个性化的资源搜索、个性化的资源推荐、个性化的资源导航、个性化的资源共享等内容,并对其中比较基本的个性化资源搜索问题进行了进一步分析。根据现有搜索技术的原理和特点,提出了内容过滤与协作过滤相结合的个性化搜索服务的设计思路和关键技术。