基于Web的个性化学习系统的设计

维普资讯

第２７卷　第１８期　

ＶＯ１．２７　

ＮＯ．１８　

计算机工程与设计　

Ｃｏｍｐｍｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｄｅｓｉｇｎ　

２００６年９月　

Ｓｅｐｔ．２００６　

基于Ｗｅｂ的个性化学习系统的设计　

曲　毅　

（淮海工学院计算机系，江苏连云港２２２００５）　

摘要：为改善基于Ｗｅｂ学习系统存在的不足，提出了一个基于数据挖掘技术的个性化学习系统模型，并详细描述了应用决　

策树及ＢＰ神经网络算法对个性化导航模块设计的方法。应用决蓑树方法，根据学生初始注册信息，为学生的学习能力进行　

分类；应用ＢＰ神经网络算法，对经过预处理的有用的教学数据进行挖掘，以得出学生对知识点的掌握情况；在分析对比学生　

的学习状态与课程要求的基础上为学生提供下一步学习的导航信息。基于该模型实现的个性化学习系统真正体现了因材施　

教的教育理念。　

关键词：个性化学习系统；模型；数据挖掘；导航；决策树；ＢＰ一神经网络　

中图法分类号：ＴＰ３９１　文献标识码：Ａ　文章编号：１０００—７０２４（２００６）１８—３３８８—０３　

Ｄｅｓｉｇｎ　ｏｆ　ｐｅｒｓｏｎａｌｉｚｅｄ　ｌｅａｒｎｉｎｇ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　ｗｅｂ　

ＱＵ　Ｙｉ　

（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，Ｈｕａｉｈａｉ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｌｉａｎｙｕｎｇａｎｇ　２２２００５，Ｃｈｍａ）　

Ａｂｓｔｒａｃｔ：Ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｓｈｏｒｔｃｏｍｉｎｇｓ　ｏｆ　ｗｅｂ—ｂａｓｅｄ　ｌｅａｒｎｉｎｇ　ｓｙｓｔｅｍ，ａ　ｎｅｗ　ｍｏｄｅｌ　ｏｆ　ｈｅ　ｐｅｒｓｏｎａｌｔｉｚｅｄ　ｌｅａｒｎｉｎｇ　ｓｙｓｔｅｍ　ｉｓ　ｐｒｅｓｅｎｔｅｄ　

ｂａｓｅｄ　ｏｎ　ｄａｔａ　ｍｉｎｉｎｇ，ａｎｄ　ｈｏｗ　ｔｏ　ｕｓｅ　ｈｅ　ｔｄｅｃｉｓｉｏｎ　ｔｒｅｅ　ｎｄ　ａｈｅ　ＢＰ—ｔｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｔｏ　ｄｅｓｉｇｎ　ｈｅ　ｔｐｅｒｓｏｎａｌｉｚｅｄ　ｎａｖｉｇａｔｉｏｎ　ｍｏｄｕｌｅ　ｄｅｔａｉｌｅｄｌｙ　

ａｒｅ　ｄｅｓｃｒｉｂｅｄ．Ａｐｐｌｙｅｄ　ｄｅｃｉｓｉｏｎ　ｒｔｅｅ　ｔｏ　ｎａｌａｙｚｅ　ｔｈｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆｔｈｅ　ｒｅｇｉｓｔｒａｔｉｏｎｓ，ｉｎ　ｏｒｄｅｒ　ｔｏ　ｉｍｐｌｅｍｅｎｔ　ｈｅ　ｔｌｅａｒｎｉｎｇ　ｃａｐａｂｉｌｉｔｙ　ｃｌａｓｓｉｆｙ　

ｏｆ　ｓｔｕｄｅｎｔｓ；ａｐｐｌｙｅｄ　ＢＰ—ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｔｏ　ａｎａｌｙｚｅ　ｔｈｅ　ｌｅａｒｎｉｎｇ　ｉｎｆｏｒｍａｔｉｏｎ，ｉｎ　ｏｒｄｅｒ　ｔｏ　ｍｉｎｉｎｇ　ｔｈｅ　ｓｔａｔｕｓ　ｏｆ　ｓｔｕｄｅｎｔｓ；Ｆｉｎａｌｌｙ，ｔｈｅ　

ｎａｖｉｇａｔｉｏｎ　ｂｙ　ｃｏｍｐａｒｉｎｇ　ｈｅ　ｓｔｔａｔｕｓ　ｏｆｓｔｕｄｅｎｔｓ　ｎｄ　ｔａｈｅ　ｇｏａｌ　ｏｆｃｏｕｒｓｅｓ　ａｒｅ　ｓｈｏｗｅｄ．Ｔｈｅ　ｓｙｓｔｅｍ　ｏｎ　ｈｉｓ　ｍｏｄｅｌｔ　ｈａｓ　ｉｍｐｌｅｍｅｎｔｅｄ　ｈｅ　ｅｄｕ—ｔ　

ｃａｔｉｏｎ　ｃｏｎｃｅｐｔｉｏｎ　ｏｆ’ｔｅａｃｈ　ｓｔｕｄｅｎｔｓ　ｉｎ　ａｃｃｏｒｄａｎｃｅ　ｏｆｔｈｅｉｒ　ａｐｔｉｕｄｅ’ｔ，　

Ｋｅｙ　ｗｏｒｄｓ：ｐｅｒｓｏｎａｌｉｚｅｄ　ｌｅａｒｎｉｎｇ　ｓｙｓｔｅｍ；ｍｏｄｅｌ；ｄａｔａ　ｍｉｎｉｎｇ；ｎａｖｉｇａｔｉｏｎ；ｄｅｃｉｓｉｏｎ　ｔｒｅｅ；ＢＰｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　

——

０引　言　

基于Ｗｅｂ的学习系统，借助Ｉｎｔｅｒａｃｔ的先进技术，使其得　

策略、方案来满足受教育对象的需求。本文针对上述问题提　

出了一个个性化学习系统模型。如图１所示。模型采用了自　

底而上的层次结构，各层之间相互联系，综合分析用户的个人　

以广泛应用，然而，现有的学习系统模型大部分都是静态的，　

缺少交互，缺乏个性，学生不能按需学习，另外，站点上积累了　

信息和历史访问记录，挖掘出用户感兴趣的主题，提取与该主　

题相关的且用户未访问的资源给用户。　

表现层　

大量有用的教学信息没有被利用，如用户的访问日志、注册信　

息、答疑信息、考试成绩、作业情况、交流信息、学习进度等，这　

便造成了资源的极大浪费。这些缺点限制了它的进一步发　

展。因此，引入智能化、个性化服务是必要的，也是基于Ｗｅｂ　

用户个性化表现层　

臣叵口匝叵口匝叵口　

个性化学习导航逻辑层　

的学习系统发展的一个趋势。　

［　

ｌ　

［　

网络服务层　

１基于ｗｌｅｂ个性化学习系统模型　

引入个性化服务的学习系统具有智能性、开放性。一方　

面它可以了解到学生的状况、需求、能力差异、学习进度、兴趣　

爱好，同时动态地根据这些诸多因素调整学习计划及进度，让　

『Ⅱ亟圃

厂Ｔ　＿ｒ］

Ⅱ面珂　

厂Ｔ　丽　＿ｒ］　

用户得到针对其个性化信息定制的教育。另一方面，系统可　

以统计学生的学习情况，更直接、科学地了解到用户的需求与　

自己提供的教育资源信息的冗余和不足，适时地调整自身的　

收稿日期：２００５．１１．０４　

基金项目：淮海工学院自然科学基金项目。　

作者简介：曲毅（１９７３一），女，吉林公主岭人，硕士，讲师，研究方向为图形学与多媒体技术、数据挖掘。　

・——

图１个性化学习系统模型　

３３８８・——　

维普资讯

该模型是在通常的３层模式基础上，细化最上层的表现　

层，使其分为两层，个性化分析导航逻辑层和个性化表现层。　

底层的数据由网络服务层通过一定的服务程序调用、组织并　

运行，完成一定的网络服务功能，产生的结果经过个性化分析　

导航逻辑层的个性化服务程序处理，最终通过用户个性化表　

现层表现在用户面前。这种表现层次的细化过程，体现了系　

统所具有的用户个性化的表现特性。　

２个性化学习模型各层的设计　

２．１数据层的设计　

数据层存放着系统的所有物理数据，包括课件资源、作　

业、答疑、考试等相关数据库以及用户信息管理数据库，为上　

层的功能实现提供信息基础。系统所有数据以课程知识点为　

核心，其他信息都以知识点为索引进行相互联系。为分析处　

理数据方便，系统将静态数据与动态数据分离，分别设计了用　

户信息数据库和教学资源数据库记录静态数据；学生行为跟　

踪数据库和学生学习效果数据库记录动态数据。用户信息数　

据库中各表记录各类用户的基本信息；教学资源数据库中各　

表以知识点字段为主键记录资源对象如课程、考试、作业等资　

源的信息；学生行为跟踪数据库用于学生行为的跟踪，可以为　

后台的学生行为分析和考评作数据基础，是实现个性化的重　

要手段和基础；学生学习效果数据库对于学生学习效果的跟　

踪记录可以使学生得到全面的学习成绩报表，也可以使老师　

全面了解学生的学习效果，更为重要的是对于学生学习效果　

的记录将成为分析学生学习综合情况，作为系统后台数据挖　

掘的数据源的重要组成部分，为最终实现个性化服务和智能　

化导航所服务。　

２．２网络服务层的设计　

该层的主要职责是接受上层发来的用户请求，对数据层　

的数据进行存取。并根据服务要求调用相应的服务程序完成　

用户请求功能。该层包含了系统的所有子功能系统。例如作　

业中心、答疑中心、考试中心、交流中心、课程中心等，学生可　

以在系统里考试、写作业、看资料与其他同学交流，所有这些　

活动都会变成有用的数据被系统存储下来，这些数据包含了　

学生的重要信息，为上层的处理提供了重要的数据源。系统　

设计将各子功能都以Ｗｅｂ　Ｓｅｒｖｉｃｅ方式在服务器端运行。　

２．３个性化学习导航逻辑层的设计　

个性化导航层接收服务层提供的数据和信息，应用数据　

挖掘技术来分析、挖掘学生的有用信息，为学生的进一步学习　

提供精确的导航。当学生登录到系统，通过身份确认后，他的　

所有行为，包括浏览课件时间、答疑情况、作业情况、考试情况　

等都被记录在系统数据库和日志文件中，经过信息的预处理　

和归一化后，利用数据挖掘算法挖掘出学生当前学习状态，即　

知识点的掌握情况，最后，根据学生学习情况，对照课程要求　

为其提供个性化的学习建议，并推荐相应的资源给学生。系　

统数据的处理流程如图２所示。　

２＿３．１　基于决策树算法的学生初始学习能力分类规则的　

产生　

学生经过注册后初次登录系统，此时学生的个人属性信　

息被存入学生个人信息数据库，系统将根据这些数据对其初　

登录个性化学习系统　

选择课程　

ｉ　霸　

用决策树得出的分　

类规则对学生初始　

学习能力进行分类　

个　

性　

化　

从数据库提取学　

分　

生学习记录数据　

析　

数据库　

进行预处理　

出　

用ＢＰ算法得出　

学生学习状态　

对比分析学生的　

学习状态和学习　

目标，提供导航建议　

学生根据导航建议　

进入学习系统学习　

图２系统数据处理流程　

始学习能力进行分类，分类规则的产生由决策树算法得出。根　

据决策树算法产生规则的原理，使用用于训练的学生信息数　

据创建决策树，并得出分类规则，从而完成学生学习能力的分　

类。本系统的训练数据是针对１８０名选修数据结构课程学习　

的学生的信息数据，经数据整理后作为算法应用的实例，应用　

决策树算法分析，得出结果决策树如图３所示。图中ｂａｓｉｃ表　

示学生所学先修课程占应先修课程的比例，ｉｎｔｅ表示学习兴　

趣，ｓｔＩｌｄｙ　

ｔｉｍｅ　ｃｌａ　

表示每周学习时间，　表示分类。最后由决策

树提取分类规则Ｒ１～Ｒ８。依照此算法产生的分类结果与学生　

实际的学习能力相符的概率达到８０％以上。　

图３结果决策树　

２．３．２基于ＢＰ神经网络算法的学生学习状态的挖掘　

学生登录后，系统收集他的历史学习信息，应用ＢＰ神经　

网络来判断学生的学习状态，即对知识点的理解程度。文中　

神经网络的输入数据是与特定知识点相关的资源的学习程度，　

输出数据表征用户对该知识点理解程度。整个神经网络的处　

理过程就是针对用户对某一知识点理解程度的量化过程。所　

用ＢＰ神经网络的拓扑结构如图４所示，输入层为１０个节点，　

隐含层为５个节点，输出层为１个节点。继续使用１８０名选修　

一

３３８９—　

维普资讯

数据结构课程的学生的信息，一半做为训练数据，一半做为测　

试数据，并使用Ｍａｔｌａｂ进行仿真，结果证明该神经网络的设计　

合理，误差范围不大，可以满足设计要求。　

一　答触　．　

知识点掌握　

程度　

图６个性化学习导航界面　

２．４个性化表现层的设计　

个性化表现层是用户的接口，负责采集用户行为，并将系　

统处理的结果返回用户。该层设计了管理员、教师和学生３　

种用户的界面。对于学生界面，包括接收用户请求，反馈个性　

二袭　

图４　ＢＰ

一

神经网络拓扑结构　

应用上述的ＢＰ

一

神经网络可以得出某个学生对某个知识　

点的掌握情况，为向学生提供下一步学习的建议，还要根据他　

的综合表现（所有知识点的成绩之和／课程知识点总数）及课程　

的预定学习目标进行分析比较，从而向学习者推荐下一步学　

习内容。具体分析方法如图５所示。　

图５系统个性化学习导航　

根据学习者的综合表现及学习目标进行学习导航，向用　

户推荐他应学习的资源。在本文中资源的推荐是以知识点为　

核心的，注重推荐用户未学习或未学习好的资源，这在很大程　

度上缩减了推荐资源的数量，导航模块在学生每次登录时运　

行，它根据分析模块所得结果及课程对学生的学习要求进行　

比较，找出学生的学习差距，并将其应继续学习访问的ＵＲＬ呈　

现给学生。在本文中资源推荐的最大数目为１Ｏ。在可推荐资　

源数量非常大的情况下，可采用协作过滤和资源匹配过滤相　

结合的方法。系统最终推荐给用户的个性化学习导航界面如　

图６所示。　

－——

３３９０－——　

化学习导航界面等。　

３结束语　

本文介绍了基于的Ｗｅｂ个性化学习系统的具体设计，其　

实质是基于数据挖掘技术的自适应网站在远程教育领域的应　

用：在系统的设计和实现上，基于用户数据采用成熟合适的算　

法使系统得以高效可靠的运行。在两年的数据结构课程的教　

学实践中，该系统的使用大大提高了学生的自学能力，使得教　

学过程的各主要环节变得简单而高效。然而系统的基础是数　

据，但由于远程教育本身的原因，在采集和使用数据的质和量　

上有待进一步提高；另外，可以采用Ｗｅｂ中的预取技术提高系　

统响应时间，提高系统整体效率。　

参考文献：　

［１］　王实，高文，李锦涛．基于分类方法的Ｗｅｂ站点实时个性化推荐　

［Ｊ］计算机学报，２００２，２５（８）：８４５—８５２．　

［２］　汪启军，申瑞民．基于ＷｅｂＭｉｎｉｎｇ的智能化、个性化的远程教　

育模型研究［Ｊ］’计算机工程，２０００，２６（１２）：１５７—１５９．　

［３］　鲍玉斌，王大玲，于戈．关联规则和聚类分析在个性化推荐中的　

应用［Ｊ］’东北大学学报（自然科学版），２００３，２４（１２）：１１４９．１１５２．　

［４］　Ｊｉａｗｅｉ　Ｈａｎ，Ｍｉｃｈｅｌｉｎｅ　Ｋａｍｂｅｒ．数据挖掘：概念与技术［Ｍ］　Ｅ京：　

机械工业出版社，２００１．　

［５］　闻新，周露，ＭａｔＪａｂ神经网络仿真与应用［Ｍ］，北京：科学出版社，　

２００３．　

［６］　舒蓓，申瑞民，王加俊．个性化的远程学习模型［Ｊ］＿计算机工程与　

应用，２００１，（９）：９Ｏ一９６．　

［７］　王大玲，于戈，鲍玉斌，等．一种面向数据挖掘预处理过程的领域　

知识的分类及表示［Ｊ］’小型微型计算机系统，２００３，２４（５）：２６３－　

２６８．　

［８］　曲红亭。申瑞民．基于数据挖掘的个性化学习导航系统的设计　

与实现［Ｊ］’计算机工程，２００３，２９（８）：５９—６　１．　

［９］　刘红岩，陈剑，陈国青擞据挖掘中的数据分类算法综述［Ｊ］清华　

大学学报（自然科学版），２００２，４２（６）：７２７．７３０．　

［１Ｏ］黄松英．一个个性化虚拟网站模型设计与实现［Ｊ］．计算机工程，　

２００２，２８（１２）：２８６－２８７．　

［１１］周必水，谢红标．基于Ｗｅｂ的智能化学习系统的设计与实现　

［Ｊ］＿计算机工程与设计，２００５，２６（１１）：３１３０－３１３２．