基于數(shù)據(jù)挖掘的學習者身份識別.pdf

1、由于互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，各類在線學習系統(tǒng)不斷涌現(xiàn)，它們以其方便、人性化的特點，大有代替?zhèn)鹘y(tǒng)課堂式教學的趨勢。然而網(wǎng)絡(luò)的虛擬性，使得在線學習者身份的真實性鑒別較為困難。傳統(tǒng)的身份識別方法如用戶名與密碼的組合驗證，它只能說明用戶具有登錄權(quán)限，并不能說明用戶為非冒充者；生物識別技術(shù)如人臉視頻識別，它可以準確識別用戶身份，但此類技術(shù)難度大，普及困難。在只保留學習者行為特征屬性的情況下，基于數(shù)據(jù)挖掘技術(shù)的身份識別不失為一種新的嘗試。
　　

2、數(shù)據(jù)挖掘是指分析數(shù)據(jù)，挖掘數(shù)據(jù)中隱含的模式?；跀?shù)據(jù)挖掘的學習者身份識別，指的是對學習者留下的一系列行為數(shù)據(jù)進行挖掘而得到學習者的行為模式，包括普遍行為模式和異常行為模式，再經(jīng)聚類分析、分類預(yù)測、關(guān)聯(lián)檢測等處理，從而完成對在線學習者身份的識別，本文主要的研究內(nèi)容有以下4點：
　　(1)將數(shù)據(jù)挖掘中的關(guān)聯(lián)算法應(yīng)用于學習者的身份識別。定義了由關(guān)聯(lián)分析產(chǎn)生的異常規(guī)則集，通過關(guān)聯(lián)檢測學習者的行為是否異常來識別其身份的方案，并分析了該方案的

3、不足。
　　(2)將數(shù)據(jù)挖掘中的分類算法應(yīng)用于學習者的身份識別，通過建立學習者學習成績判定的預(yù)測模型，給出了依據(jù)學習成績可信度來確定學習者身份的真實性的決策樹分類預(yù)測方案。以理論分析和實驗驗證相結(jié)合，分析和比較了貝葉斯、決策樹、神經(jīng)網(wǎng)絡(luò)三種分類算法的識別效果。
　　(3)分析了貝葉斯分類的特點，提出了利用貝葉斯分類來輔助決策樹分類的身份識別方法，彌補了決策樹分類不能完全考慮學習者所有行為項而影響最終成績預(yù)測的不足，使得分類預(yù)

4、測識別有了更好的效果。
　　(4)提出了以聚類分析為基礎(chǔ)的關(guān)聯(lián)檢測識別，通過先聚類后關(guān)聯(lián)的方式產(chǎn)生的學習者異常規(guī)則集，它能更有效地檢測出學習者的行為是否異常，因而可以避免誤檢現(xiàn)象。相比于直接關(guān)聯(lián)檢測，在分類預(yù)測的基礎(chǔ)上再進行該檢測方案，使得學習者身份的識別有了更好的效果。
　　本文以數(shù)據(jù)挖掘理論分析和實驗驗證為基礎(chǔ)，將數(shù)據(jù)挖掘技術(shù)中的分類、聚類、關(guān)聯(lián)三種算法結(jié)合，提出了基于數(shù)據(jù)挖掘的學習者身份識別技術(shù)，在身份識別領(lǐng)域展現(xiàn)了一