张惠丽 李晓东

哈尔滨师范大学

【摘要】课堂教学过程是一种信息的传递和信息处理过程，其中所蕴含的信息具有量度水平低、信息量大、模糊性、隐含性等特点。对这些信息进行量化、分析处理有利于对具体教学过程客观设计、控制和评价。本文提出应用数据挖掘技术对课堂教育信息进行处理的模式，以实现对课堂教学过程的优化。

【关键词】课堂教育信息；数据挖掘

教学是一个周期性的循环系统。教育者的教学过程是对这个往复循环系统不断地进行设计、开发、利用、管理和评价的过程。课堂教学是此系统中一项传统而有效的组成部分，只有对其进行持续性的不断改进，才能达到有效的促进学习的目的。

一、课堂教育信息的特点

课堂教学由于其特定的实施方式决定了其教育信息的墓本特点：

1．教育信息数量大：由于课堂教育信息所反映的问题指标较多，如教师的讲授信息、教师提问信息、教师指示信息、教师采纳意见信息、教师对学生鼓励表扬的信息、教师对学生批评信息、学生主动应答信息、学生主动提问信息、同伴讨论信息、学生思考问题信息、无助于教学的混乱信息、学生作练习信息、教师操作技术信息等。对这些数据的采样、处理数据量巨大。

2．量度水平低：课堂教育信息多是通过语言、动作来传递的，其中一些信息如学生对问题的反应、学习的爱好、教师学生的互动信息等量度水平较低，对其进行信息处理较为困难。

3．教育信息的隐含性：隐含在教学过程中的信息，如教师的教学方法、教学风格、教学内容组织、教师学生的个人思想等都是难于测量，难于表现的。这些信息蕴含在教育者与学习者的深层意识中，难于可视化及表征。

4．教育信息的模糊性：课堂教学过程中，教师对学生学习状态的理解，对学生掌握知识的判断也是十分模糊的。教学过程中，对教师的提问，学生的反应，学生的应答多是一些模糊信息。基于这些信息，教师通过个人意志进行某种判断，在此基础上决定教学过程的展开，这不仅是一种极为复杂的、也是一种极为模糊的过程。

课堂教育的这些特征，使量化较困难。所以长期以来，研究者常倾向于用质的定性研究对其进行评价。随着教育技术科学的发展，客观地对课堂教育信息进行量化、分析、处理变得越来越重要。经过对有价值的潜在数据提取、分析、处理，可以从中及时发现有用的信息，从大量不确定因素中找到规律，指导教师分析、反思改进教学。对课堂教育信息的数据挖掘的目的，在于将这些处理的结果有效地用于完善教学系统的设计、控制和评价中。应用数据挖掘技术能实现课堂教育信息由定性的主观研究转变为定量的客观研究、隐性知识显性化，指导教师课堂实践。

二、数据挖掘及其技术

数据挖掘(DataMining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术，利用各种分析工具在海量数据中发现模型和数据间的关系，使用这些模型和关系进行预测，帮助决策者寻找数据间潜在的知识。其目标是支持利用数据进行合理的决策。

根据信息存储格式的不同，用于挖掘的对象有关系数据库、面向对象数据库、数据仓库、文本数据源、多媒体数据库、空间数据库、时态数据库、异质数据库以及Intemet等。其任务主要是关联分析、聚类分析、分类、预测、时序模式分析等。

数据挖掘的流程包括对问题的理解和提出、数据收集、数据处理、数据变换、数据挖掘、模式评估、知识表示等过程，以上的过程不是一次完成的，其中某些步骤或者全过程可能要反复进行。

(1)问题的定义：理解问题的定义，明确数据挖掘的目的。

(2)数据准备：包括数据收集、数据处理、数据变换三个过程。即收集用户信息，建立数据库。对数据进行“去噪”、完整性、一致性检查。并在此基础上对数据进行一定的格式转换，使其适应数据挖掘系统的处理要求。

(3)数据挖掘：根据数据功能的类型和数据的特点选择相应的算法对数据进行分析，挖掘用户所需要的各种规则、趋势、类别、模型等。

(4)结果分析：对数据挖掘的结果进行解释和评价，根据用户的决策目的，转换成为能够最终被用户理解的知识。

(5)知识表示：将挖掘结果以可视化的形式展现在用户面前。

三、对课堂教育信息的数据挖掘

根据课堂教育信息的特点及数据挖掘技术的优势，对隐含在语言与行动中的课堂教育信息进行数据挖掘，可以使各种教育信息显性化，指导教学实践。

1．课堂教育信息数据挖掘的任务

利用数据挖掘技术可从以下三个维度对离散的、模糊的课堂教育信息进行挖掘。

维度一 教师教学信息的挖掘

(1)对教师教学风格、特点的信息挖掘：包括对教师语言特点、提问的比率、提问的开放性程度、与学生的互动能力等主观性因素进行量化，可视化。

(2)对教学内容冗余度的挖掘：通过对信息的分类、编码、转化将隐性教学内容显性化，求出课堂所传递信息的信息熵，对信息量进行测量。根据课程具体内容进行分析。

(3)教师课堂所呈现的教学设计信息、课程结构：可以分析教学过程中多个项目间的关系。即随时间的变化，教与学双方侧重点的转移。通过挖掘后可视化的分析图，教学者可将其与事先的教学设计进行对比，进一步反思自己的教学过程。

(4)教师应用信息技术与课程整合的程度：随着科技的发展和教育的需求，各种信息技术手段不可避免地出现在课堂教学中，为优化课堂教学效果提供了保障。通过测量课堂上教师、学生利用信息技术的比例，与现场观察的质性评价相结合对信息技术与课程整合的程度如何、效果如何进行评价。

(5)课堂教学模式信息挖掘：通过对教师、学生的分类分析、关联分析找出数据间中隐藏的关联网。根据教师、学生的行为占有率、行为转换率得出本节课的教学模式图。

(6)教学过程的变化、迁移过程信息：通过对编码数据的挖掘，得出所测课程在相应时间所对应的师生行为比率。教师对课堂教学过程的掌控程度。

维度二 学生信息的挖掘

从以下几个维度对学生的课堂行为表现进行挖掘：

(1)参与状态：一是观察学生是否全员参与学，二是看有的学生是否参与教，把教与学的角色集于一身。没有学生积极参与的课堂教学，是谈不上开发学生潜能的。

(2)交往状态：一看课堂上是否有多边、丰富、多样的信息联系与信息反馈，二看课堂上的人际交往是否有良好的合作氛围。

(3)思维状态：看学生是否对教师的提问，提示信息作出积极的反馈；学生是否主动提出问题、发表见解。

(4)情绪状态：一看学生是否有适度的紧张感和愉悦感，二看学生能否自我控制与调节学习情绪。有时课堂会突然爆出笑声又嘎然而止，会从激烈的争论转入专注的聆听，就是一种自发并能自控的良好情绪状态。

(5)生成状态：一看学生是否都各尽所能，感到踏实和满足，二看学生是否对后继的学习更有信心，感到轻松。

实践证明，学生在课堂上的学习状态对学习效果有至关重要的影响。如果学生的课堂状态不理想，那就要从教师的教学行为上查找原因。通过对学生信息的挖掘，对学生个人情况进行分析，能为教师合理地组织课堂教学提供依据。对于挖掘出来的规则利用可视化技术，以图表或曲线等形式提供给教师，使教师能充分利用学生的问题资源，从而提高教学质量。

维度三 教师、学生课堂交互信息的挖掘

“交互”是联结教与学的基本方式，意味着某种共同的或者相互的行为。课堂教学交互包括教育者与受教育者、课程与教学的互动。教师、学生的课堂教学交互信息表现在教师学生行为的转换率、教师对学生信息的提供、信息确认和纠正错误的反馈等。利用数据挖掘技术对教学交互信息进行挖掘，其目的在于帮助教学者修正自己的教学行为，提高教学效果，实现有效的教学互动。

2．课堂教育信息数据挖掘的程序

设计课堂教育信息处理的数据挖掘模型→选择样本课→现场摄录→录像带的数字化处理→课堂教学信息编码→数据转换、处理→数据挖掘→结果分析

3．课堂教育信息数据挖掘方法

主要采用数据挖掘中的统计学方法、关联分析的方法、数据库技术对信息进行处理。统计类数据挖掘技术是数据挖掘技术中较为成熟的一种，主要包括数据的聚集与度量技术，各种回归技术、聚类挖掘技术和最近邻域挖掘技术等。SAS、SPSS等都是较早出现的统计分析工具。在课堂教育信息的挖掘中，需要对时序数据库和序列数据库进行数据挖掘，时序数据库中的数据是一些反映随时间变化的序列值或事件组成的数据库，这些值是等时间间隔采集的数据。序列数据库也是包含序列数据的数据库，但是它可能有时间标记，也可能没有，如学生课堂听课参与状态过程序列是一种序列数据，但未必就是时序列数据。

利用统计类挖掘工具和数据库技术可以在时序数据和序列数据的挖掘中实现对课堂教育信息的趋势分析、相似性搜索、与时间有关数据的序列模式挖掘和周期性模式的挖掘。

4．课堂教育信息数据挖掘系统组成

根据传统数据挖掘模型及课堂教育信息的特点，课堂教育信息挖掘系统可由如下四个阶段组成，基本框架如图1所示。

图1 课堂教育信息分析系统基本框架图

数据收集模块：收集的信息包括课堂教学中教师、学生的行为信息、语言信息，师生间互动信息等。

数据处理模块：解决语义模糊性，数据库按照元数据标准对数据进行清理、集成和变换，检查数据的完整性和一致性。

数据分析模块：利用经过转化的数据，按照数据挖掘规则，对数据进行分析处理，得出结果并输出。如利用统计类数据挖掘工具对反映一般变化方向的教学趋势变化进行分析，采用加权平均或最小乘2法对时序图上的数据进行处理，以确定数据变化趋势，为后续的教学决策与评价提供依据。

数据评价模块：对提取的信息进行分析，将结果与课堂教学的教育理论，学习理论相结合，根据起始目标的量规对课堂教学效果进行评价、反思教学。将有价值的信息区分出来，通过决策支持工具提交决策者。

根据每个模块的结果可以决定是否重新进行某些处理过程，在处理的任意阶段可以返回以前阶段进行再处理。

5．课堂教育信息具体挖掘实例

如对教师课堂教学过程的分析，根据对一节讨论课的数据采集、处理、挖掘，我们可以绘出教学过程的可视化时序列图，如图2。这里只选取了教学过程开始部分的30个采样点以示说明。从图中我们可以分析教学过程中多个项目间的关系。即随时间的变化，教与学双方侧重点的转移及行为的变化。通过此图的分析，教学者可将其与事先的教学设计进行对比，进一步反思自己的教学过程。

图2 讨论课课堂教学数据的时序列表示

图2中1—6为教师在课堂教学中的各种行为，了—12为学生行为。从中我们可以看出，教学过程的前7分钟教师行为较多，随后的13分钟内，学生活动有所增加。说明在教师的讲解引导后，学生主动参与了学习活动或问题的讨论。通过将教学过程截取为若干时间序列，我们可以在其基础上进一步考虑多个项目组成的序列间的相互关系。对课堂行为进行详细分析。

四、结束语

教育心理学很早就关注到应从师生的互动行为人手解析教育教学现象。利用数据挖掘技术探讨教学互动与学生发展及学习效果之间的关系，对课堂教学情境中师生互动的特点及主要影响因素进行微观研究，是一种崭新的应用。尽管如此，对课堂教育信息的数据挖掘技术仍然面临着许多问题：如数据挖掘方法的效率亟待提高；对多数据类型、容噪信息的挖掘方法的改进；对动态数据和知识的数据挖掘等方面还有待进一步研究和加强。随着新的数据挖掘方法和模型问世，相信其在教育中的应用定会日益广泛和深入。

【参考文献】（略）

文章选自《教育信息化》（2005.11）