摘要：如今远程教育、网络学习、在线课程、虚拟教室以及交互学习等网络教学系统被广泛应用。随之产生的大规模开放式在线课程（慕课）成了受欢迎的教学系统，其中包含了视频学习、课件资料、讨论区、测验与作业以及用户个人资料等各类数据。本文结合慕课网站开放的学生数据，展开基于慕课的教育大数据挖掘研究与实践，旨在对学生表现进行预测，为其提供辅助性意见，提高学生学习效率。
关键词：大数据;在线课程; 慕课;教育数据挖掘
中图分类号：G434 文献标识码：A 论文编号：1674-2117（2019）10-0101-05
引言
随着技术的不断发展，大数据时代已经全面来临。通过各种大数据分析技术，可以从海量数据中获取潜在价值。[1]多元化的价值观念使得大数据技术在社会各个领域得到广泛应用。大数据时代下的传统教育理念也随之更改，教育大数据挖掘研究同样成为社会关注的热点。[2]传统教学长期处于教学观念落后、教学模式单一的困境中，这不仅容易导致学生学习热情不高，而且有碍学生对知识理解和掌握程度的提升。作为大数据时代产物之一的慕课，无疑为复杂多变的教育难题提供了新思路。新颖生动的教学形式不仅能促进教学内容的转变，引领教学方式的变革，而且能提升教學效率，改善教学质量。因此，结合大数据技术探究基于慕课的教育大数据下的有效教学策略，具有非常重要的意义。
慕课概述
在数据化的理念下，依靠大数据技术对教学行为数据、学生活动数据进行全面、客观的分析与评价，有助于学生个性的培养，促进高等教育改革。目前，在线教学活动广泛地融入传统大学的正规教学计划中，作为大数据时代产物之一的慕课，对传统的教学模式产生了巨大的影响。[3]
慕课，又称为大规模开放式在线课程（Massive Open Online Courses，简称MOOC），其坚持以“生”为本的教学理念，教学模式灵活，教学设计巧妙，课程资源丰富，学习方法高效，教学管理有效，教学评价科学，深受广大用户欢迎。[4]慕课与传统教学的不同之处有：①教学模式非常灵活，在采用活动式、互动式、翻转式、合作式、混合式过程中，以“生”为主，以“师”为辅，保持学生的思维活跃性，确保学生的自主权，充分体现学生的主体性[5];②授课过程中，采用小组合作、在线学习与互动、在线习题与测试方式，不仅能很好地调动学生学习积极性，激发学生学习兴趣，更能发掘学生潜能，培养学生创新意识，同时也能减轻教师的工作压力，提升教师的辅助效率;③实现了优质教学资源的共享，学生可以通过互联网实时学习，较好地缓解了教育资源的不平衡问题。
大数据时代下的慕课，其独特的教学理念和新颖的教学模式将知识扩展到不同的知识领域，不仅丰富了学习内容，而且增添了学习的趣味性。[6]慕课让学生在接触知识的同时，产生浓厚的学习兴趣，同时锻炼学生的自主学习能力。慕课的出现不仅打破了教育的时空界限，而且颠覆了传统大学课堂教与学的方式。
教育数据挖掘
数据挖掘（Data Mining，简称DM）是从数量庞大的数据中寻找并发掘深藏在数据背后的有用信息，从而实现数据价值的过程。教育数据挖掘（Educational Data Mining，简称EDM）是使用数据挖掘技术对教育系统中的数据进行挖掘分析，并提取出价值信息的过程。EDM社区网站（www.educationaldatamining.org）对教育数据挖掘定义如下：教育数据挖掘旨在研究并分析教育大数据对教育行业的作用和影响，使用数据挖掘技术对教育体系中特定种类数据进行分析处理。[7]
实施教育数据挖掘活动目的在于，从各类教育数据信息中寻找、发现并提取有助于提高教学质量的价值信息，从而为受教育者提供辅助性意见，帮助分析各学习环节中所遇到的问题，及时更改计划，提高效率，帮助教育者从多方面了解学生的各种状态，适当更改计划，提高教学质量。[8]教育数据挖掘流程主要分为以下步骤：数据获取、数据预处理、数据挖掘模型建立、数据解释。过程如图1所示。
基于慕课的教育大数据挖掘系统
如今，教育大数据成为人们关注的焦点，深受大众欢迎的慕课网站不仅包含了各式各样的课程资源，如课件文档、音频视频等，还记录了用户的各种相关数据，如课程跟踪、测验、调查、作业、期末考试、讨论以及用户个人信息等。下表分析了基于慕课的教育大数据的特点。
笔者设计并实现了一种基于慕课的教育大数据挖掘系统，研究数据来自慕课网站开放的学生数据集，旨在对学生表现进行预测，为其提供辅助性意见，提高学生学习效率。
1.系统逻辑结构
本系统使用对象是在校师生，采用B/S（浏览器/服务器）模式，方便用户的查询、浏览等操作。系统逻辑架构采用三层体系架构，从数据层、业务层、表现层分析、设计并实现系统功能。数据层负责提供访问数据库操作，对数据的完整性、安全性进行定义和维护。业务层负责数据层和表现层之间的数据传输，响应表现层传来的用户请求，执行相应任务访问数据层，然后将结果返回给表现层。三层体系架构如上页图2所示。
2.系统工作流程
本系统采用决策树技术进行教育数据挖掘，使用决策树模型预测学生表现，系统总体流程如图3所示。在图3中，进入系统后，功能菜单中显示数据中心、数据挖掘、表现预测功能，如选择数据中心功能，则显示学生基本情况、家庭情况、校内情况、校外情况，方便查看学生的数据种类。
3.系统功能模块设计
系统的功能模块设计为：登录模块、学生数据模块、数据挖掘模块、预测模块、后台管理模块，每个模块由各个子模块组成，系统功能模块组成如图4所示。
数据挖掘模块是本系统中的重要功能模块，根据教育数据挖掘的过程，分别设计了数据获取子模块、数据预处理子模块、决策树生成子模块、分类规则显示子模块。
（1）数据获取子模块
主要负责用于构造决策树的样本数据集。系统管理员通过后台管理中的数据导入，录入学生的各类数据，数据获取模块则从这些导入数据中选择样本数据集，用于决策树的构造。
（2）数据预处理子模块
主要负责非一致数据的处理，将非一致数据表转换成多值决策表。检查数据的非一致性，合并多个非一致样本，并将其决策用集合表示，将样本属性中的不同类别分别用数字表示，即属性值用不同的数字表示，每一种属性类别对应一种数字，形成多值决策表，用于决策树构造。
（3）决策树生成子模块
本文基于贪心思想算法设计决策树构造算法，决策树贪心构造过程如图5所示。
（4）分类规则显示子模块
主要负责以if-then形式显示分类规则，方便用户查看决策树分类结果。
4.系统功能模块实现
数据获取主要是从后台已导入的数据中选择用户需要的数据，用于决策表的构造，但不显示具体的数据信息，选取对应的条件属性和决策属性。数据预处理主要是将获取到的数据进行预处理操作，对已选择的属性所对应的属性值用不同的数字来表示。经过预处理操作之后，得到了用于构造决策树的多值决策表，实现决策树的贪心构造，显示出生成结果，供用户参考。分类规则显示部分，主要将上一步中决策树从根节点到叶节点之间的每一条路径，即每一条规则结果，以if-then规则显示出来，方便用户理解和查看。
结论
本文主要使用决策树技术，对基于慕课的教育大数据进行了挖掘分析，设计并实现了教育数据挖掘系统。慕课学习平台上记录的大量用户数据，可以充分利用并发挥数据的价值，挖掘数据潜在的价值信息，服务于教学决策和学习优化。
参考文献：
[1]王国胤，刘群，于洪，等.大数据挖掘及应用[M].北京：清华大学出版社，2017，7.
[2]李海林.大数据环境下的数据挖掘课程教学探索[J].计算机时代，2014（02）：54-55.
[3]K Park，MC Nguyen，H Won. Web-based collaborative big data analytics on big data as a service platform[C].In Advanced Communication Technology，2015：564-567.
[4]陈坚林.大数据时代的慕课与外语教学研究——挑战与机遇[J].外语电化教学，2015（01）：3-8.
[5]王彦明.慕课（MOOCs）时代下的教学变革：一种理性之思[J].教育科学研究，2015（07）：59-64.
[6]傅美蓉.大数据时代运用慕课开展高校外国文学教学的思考[J].广西教育，2016（27）：113-115.
[7]Educational Data Mining[DB/OL].http：//www.educationaldatamining.org.
[8]姜強，赵蔚，王朋娇，等.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育，2015（01）：85-92.
作者简介：许美玲，女，硕士，助教，研究方向为数据挖掘、面向对象软件开发。
基金项目：浙江省科技厅公益性技术应用研究项目（2015C33085）。
