研究了基于數據挖掘的Internet遠程教學模型和方法，提出利用數據挖掘解決基于Internet的遠程教學還存在的諸如怎樣獲得準確的反饋信息、怎樣實現個性化學習、怎樣實現自動答疑等問題的思想。研究表明，數據挖掘可以解決Internet遠程教學中現有的一些問題，促進Internet遠程教學的發展。
關 鍵 詞 遠程教學; 數據挖掘; 顯式反饋; 隱式反饋; 間接交互

基于Internet的遠程教學是一種通過互聯網表現教學內容和實施教學活動的教學形式，它的出現極大地豐富了遠程教學的方法和手段。但是，目前Internet遠程教學還存在一些問題：(1) 學生雖可通過實時消息、電子郵件、BBS等方式與教師實現一定程度的實時或非實時交互[1-4]，但教師仍然難以及時準確地搜集反饋信息；(2) 教師不能分辨學生的個性差別，難以實現個性化教學；(3) 教師難于應付教學中極其繁重的答疑、考試分析等工作?？傊?，Internet遠程教學系統在反饋信息獲取、個性化學習服務、答疑等問題上都缺乏特別有效的措施。本文研究了基于數據挖掘解決Internet遠程教學諸多問題的模型。
1 基于數據挖掘的Internet遠程教學
Internet遠程教學系統采集的反饋信息是大量含噪聲的、不完整的、模糊的數據，靠人工很難從中獲得準確的信息。而數據挖掘正是一種指導人們從海量數據中發掘有用信息，實現科學決策的技術。因此，可以利用數據挖掘從教學反饋信息中挖掘有意義的信息來指導和改進教學。本文將遠程教學中的反饋信息分為顯式反饋和隱式反饋。
1.1 從“顯式反饋”中挖掘知識
所謂“顯式反饋”，是指通過某種方式明確和直接地表達出來的反饋信息，如通過E-mail、BBS留言簿、即時消息等方式表達的反饋。顯式反饋記錄了學生的學習感受、知識疑點等信息，其表述可能在完整性、準確性上都存在問題，需要利用數據挖掘對大量的反饋信息進行總結、聚類分析等。
(1) 反饋文檔聚類。聚類分析常用于把一個數據集劃分成若干組或類，是一種無監督的學習。通常可利用劃分方法、層次方法、基于密度方法等算法來實現聚類分析，即先對電子郵件、BBS留言等反饋文檔進行預處理，提取出描述反饋內容特征的關鍵詞，獲得文檔的特征詞向量表示，然后對文檔向量進行聚類分析。本文采用CHAMALEON[5]層次聚類算法，在聚類過程中，如果兩個聚類之間的連接度和相似度與聚類內部的連接度和相似度相近，則將兩個聚類合并，這樣有利于發現自然和同質的聚類。