□ 葉海智 程清杰 黃宏濤

K-均值算法支持的優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源篩選方法研究*

□ 葉海智 程清杰 黃宏濤

網(wǎng)絡(luò)學(xué)習(xí)資源建設(shè)是教育信息化的重要組成部分。面對海量的網(wǎng)絡(luò)學(xué)習(xí)資源，如何篩選出高質(zhì)量的學(xué)習(xí)資源就變得尤為重要。本文以自主研發(fā)的精品資源共享課程公共服務(wù)平臺為支撐，提出一種優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源的篩選方法。該方法首先使用K-均值聚類算法對大量網(wǎng)絡(luò)學(xué)習(xí)資源進行自動分類，然后通過支配關(guān)系對聚類后的資源進行評價，通過引入優(yōu)勝劣汰機制篩選優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源，以消除學(xué)習(xí)者在資源選擇時的盲目性，有效提高網(wǎng)絡(luò)學(xué)習(xí)的效率與效果。

網(wǎng)絡(luò)學(xué)習(xí)資源；K-均值算法；最優(yōu)候選集；支配關(guān)系；優(yōu)質(zhì)資源篩選

引言

隨著教育信息化進程的不斷推進，基于網(wǎng)絡(luò)的學(xué)習(xí)資源量增長迅速，各種網(wǎng)絡(luò)學(xué)習(xí)資源平臺上的資源數(shù)量龐大，但質(zhì)量卻參差不齊。學(xué)習(xí)者如何在這些海量學(xué)習(xí)資源中快速選擇出自己所需的優(yōu)質(zhì)資源，已經(jīng)成為影響網(wǎng)絡(luò)學(xué)習(xí)成效的關(guān)鍵問題。如果能在網(wǎng)絡(luò)資源平臺中引入優(yōu)勝劣汰機制，以篩選優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源，同時淘汰質(zhì)量不佳的學(xué)習(xí)資源，就有可能使這一問題得到解決。

篩選優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源的核心問題是如何對資源的質(zhì)量進行評價。網(wǎng)絡(luò)學(xué)習(xí)資源平臺數(shù)據(jù)庫中保存了大量關(guān)于學(xué)習(xí)者對資源的下載量、訪問頻次和點贊數(shù)量（好評比率）等日志數(shù)據(jù)，可以通過對這些原始數(shù)據(jù)的分析，對網(wǎng)絡(luò)學(xué)習(xí)資源的質(zhì)量做出客觀評價，從而達到篩選優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源的目的。鑒于對各種網(wǎng)絡(luò)學(xué)習(xí)資源使用情況的數(shù)據(jù)數(shù)量極其龐大，只有借助計算機程序?qū)ο嚓P(guān)日志文件進行處理，才能夠?qū)@些數(shù)據(jù)進行全面、準(zhǔn)確的分析。對大量包含學(xué)習(xí)資源相關(guān)信息的日志文件進行處理是一項復(fù)雜的問題，而數(shù)據(jù)挖掘中的聚類分析為這一問題的解決提供了有效的途徑。聚類分析作為數(shù)據(jù)挖掘的一種方法[1]，能夠根據(jù)特定指標(biāo)對大量對象進行有意義的分類，通過對分類中心樣本進行分析，達到對大量網(wǎng)絡(luò)學(xué)習(xí)資源進行評價的目的。近年來，以聚類分析為代表的數(shù)據(jù)挖掘方法已經(jīng)成功地應(yīng)用于教育領(lǐng)域，把大量的原始數(shù)據(jù)轉(zhuǎn)化為有用的信息和知識，從而對學(xué)生的表現(xiàn)進行評估[2]。本文以網(wǎng)絡(luò)學(xué)習(xí)平臺的學(xué)習(xí)資源為研究對象，利用聚類分析技術(shù)對資源的質(zhì)量進行評價，以篩選優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源。

一、聚類分析和K-均值算法

1.聚類分析

聚類分析作為數(shù)據(jù)挖掘中的一種重要分類方法，能將海量數(shù)據(jù)分成若干個簇或類，并且同類的數(shù)據(jù)對象之間具有相同或相似性質(zhì)，而不同類別的數(shù)據(jù)對象則具有較大差別[3]。聚類過程主要包含三個步驟：①數(shù)據(jù)預(yù)處理：通過特征整合、分配屬性等將輸入的原始數(shù)據(jù)轉(zhuǎn)化為有效格式；②數(shù)據(jù)分類：按照聚類分析算法，并輔以各種挖掘工具對數(shù)據(jù)進行分類；③數(shù)據(jù)解釋：該階段通過對分類獲得的信息進行解釋、分析，最終做出決策。聚類分析的工作流程如圖1所示。聚類算法可分為分層算法和非分層算法兩類，前者用于數(shù)據(jù)集中簇數(shù)目不確定的情況[4]，而后者更適用于數(shù)據(jù)集數(shù)量較大且數(shù)據(jù)集中簇數(shù)目可預(yù)測的情況。

圖1 聚類分析流程圖

由于聚類分析算法采用的核心思想不同，目前的聚類算法主要有劃分聚類算法、層次聚類算法、基于密度的算法、基于網(wǎng)格的算法等。其中劃分聚類算法主要包括K-均值（K-means）算法、K-中心點（K-medoids）算法等；層次聚類算法主要包括自頂向下的層次聚類和自底向上的層次聚類。通過閱讀文獻，分析對比部分聚類算法的時間復(fù)雜度、處理大規(guī)模數(shù)據(jù)集等方面的性能[5]，發(fā)現(xiàn)當(dāng)結(jié)果簇比較密集，而簇與簇之間性質(zhì)差別較大時，運用K-均值（K-means）算法進行聚類分析最為合理，因為該算法對于大規(guī)模數(shù)據(jù)集是相對可擴展的，并且收斂速度較快[6]。

2.K-均值算法

由于教學(xué)資源服務(wù)平臺中資源的類別和數(shù)量龐大，本文使用劃分聚類算法——K-均值算法進行分類。該算法利用初始聚類信息計算出質(zhì)心的一組試驗集群，然后將每個對象劃分到最近的質(zhì)心，劃分結(jié)束后重新計算質(zhì)心并分配對象，這個過程循環(huán)進行，直到群集成員不再變化[7]。K-均值算法對網(wǎng)絡(luò)學(xué)習(xí)資源進行聚類的流程如下：

（1）從網(wǎng)絡(luò)資源庫中隨機選擇K個資源作為初始聚類中心；

（2）計算每個資源到所選的K個聚類中心的距離，并將其劃分至距離最短的簇中；

（3）重新計算新簇的聚類中心；

（4）循環(huán)執(zhí)行（2）和（3），直到聚類中心不再變化。

表1利用歐式距離算法計算數(shù)據(jù)樣本Xi=(xi1, xi2,xi3,xi4,xi5)與 Xm=(xm1,xm2,xm3,xm4,xm5)之間的距離S（3-4行）。S越小，樣本越相似，差異度越小，即可分屬于同一簇Ck（5-6行）；然后利用誤差平方和準(zhǔn)則函數(shù)E評價聚類性能（10-11行）；接著計算新的簇中心-Xj（8-9行）后，再次計算距離。重復(fù)進行這個過程，直到E不再變化。

表1 K-均值算法

二、優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源的篩選方法

K-均值算法能夠按照給定指標(biāo)快速地實現(xiàn)對大量網(wǎng)絡(luò)學(xué)習(xí)資源的聚類，聚類的結(jié)果是對與各自聚類中心性質(zhì)接近的若干資源進行分類，接下來以聚類中心為代表對各類網(wǎng)絡(luò)學(xué)習(xí)資源的優(yōu)劣進行評價。然而，資源優(yōu)劣的評價不是簡單的單一指標(biāo)比較，而是一個多指標(biāo)、多角度的尋優(yōu)問題，它與學(xué)習(xí)時間、訪問頻次、好評比率（點贊數(shù)量）等多個指標(biāo)相關(guān)，不能僅憑某一個指標(biāo)來衡量資源的優(yōu)劣，例如，對于一些較為吸引人但內(nèi)容質(zhì)量不高的學(xué)習(xí)資源，其訪問頻次可能較高，但其在線時間和好評比率可能較低，這樣的資源就不能稱為優(yōu)質(zhì)資源。因此，對資源優(yōu)劣進行評價是一個多指標(biāo)的綜合評價問題。鑒于此，本文以K-均值算法為基礎(chǔ)，借助多目標(biāo)優(yōu)化問題中的支配關(guān)系，給出一種優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源篩選方法。

目標(biāo)優(yōu)化問題中的支配關(guān)系為優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源的篩選奠定了堅實的理論依據(jù)。為了引入支配關(guān)系，首先假定僅從訪問頻次和學(xué)習(xí)時間兩個指標(biāo)對網(wǎng)絡(luò)學(xué)習(xí)資源進行評價。對于網(wǎng)絡(luò)學(xué)習(xí)資源庫中任意資源1和資源2，如果資源1在訪問頻次和學(xué)習(xí)時間兩個指標(biāo)上都優(yōu)于資源2，則稱資源1支配資源2或資源2被資源1支配[8]。同理，如果存在某個資源使得資源庫中的任意其他資源都不能支配該資源，則稱該資源為非劣資源，所有這類非劣資源的集合稱之為最優(yōu)候選集。相反，如果資源庫中存在某個資源不能夠支配資源庫中的任意其他資源，則稱該資源為非優(yōu)資源，這些所有非優(yōu)資源的集合被稱為最劣候選集。

由于聚類的結(jié)果是少量的分類，因此對資源的評價可以以分類為單位進行。優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源的篩選方法可描述為：第一步，運用K-均值算法對網(wǎng)絡(luò)學(xué)習(xí)資源進行分類；第二步，以各分類的聚類中心為代表，對聚類結(jié)果進行支配關(guān)系運算，采用優(yōu)勝劣汰機制篩選出優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源。對于中心點處于最優(yōu)候選集中的聚類，意味著該類資源都是非劣資源，即質(zhì)量較高的優(yōu)質(zhì)資源；而中心點位于最劣候選集中的聚類，則為質(zhì)量較差的劣質(zhì)資源。

三、篩選方法的實驗研究

1.實驗方案

本研究的實驗?zāi)康氖菍贙-均值算法的優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源篩選方法的可行性進行驗證。本文借鑒相關(guān)研究工作[9][10][11]，選取河南省高校教育信息工程技術(shù)研究中心研發(fā)的精品資源共享課公共服務(wù)平臺（以下簡稱“平臺”）為測試環(huán)境?！捌脚_”包含了多種學(xué)習(xí)資源，如在線視頻、演示課件、教學(xué)案例、拓展文獻等。所有這些資源都是在課程建立時由任課教師統(tǒng)一組織上傳的，它們在系統(tǒng)中的生存時間相同。同時“平臺”可自動記錄學(xué)習(xí)者訪問資源的名稱、訪問頻次及學(xué)習(xí)時間等信息。

首先，教師安排網(wǎng)絡(luò)學(xué)習(xí)活動及課外作業(yè)并進行管理。學(xué)生根據(jù)教師的課外要求，登錄平臺進行預(yù)習(xí)、課外拓展等學(xué)習(xí)活動。利用本文所給出優(yōu)質(zhì)資源篩選方法，把平臺數(shù)據(jù)庫中的網(wǎng)絡(luò)學(xué)習(xí)資源按照一定的性質(zhì)劃分為多個簇，使得簇中每個元素都有一定的相似性，且簇與簇之間的特征具有明顯的差異性，從而進一步以簇為單位對學(xué)習(xí)資源進行分析評價[12]，最終達成催生優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源的目標(biāo)。實驗方案如圖2所示。

2.實驗對象

本研究以河南師范大學(xué)教育技術(shù)學(xué)專業(yè)必修課——《教學(xué)系統(tǒng)設(shè)計》課程中的全部資源和相關(guān)數(shù)據(jù)為例，以教育技術(shù)學(xué)專業(yè)2011級和2012級本科生（其中2011級111人，2012級118人）為實驗對象，在教學(xué)中采用混合式教學(xué)模式，除了傳統(tǒng)課堂教學(xué)外，學(xué)生根據(jù)教師的安排，通過“精品資源共享課公共服務(wù)平臺”進行《教學(xué)系統(tǒng)設(shè)計》課程的預(yù)習(xí)、復(fù)習(xí)、答疑等活動。兩個年級的學(xué)生均通過服務(wù)平臺進行了網(wǎng)絡(luò)學(xué)習(xí)，在學(xué)習(xí)過程中服務(wù)平臺監(jiān)視并記錄了學(xué)生的學(xué)習(xí)行為、參與程度等相關(guān)數(shù)據(jù)，如學(xué)生使用資源的名稱、學(xué)習(xí)時間及訪問頻次等數(shù)據(jù)均記錄在PostgreSQL9.2數(shù)據(jù)庫中。由于這些平臺數(shù)據(jù)庫中資源在系統(tǒng)中的生存時間相同，也確保了對資源進行評價時的公平性和可信性。

圖2 基于K-均值(K-means)算法的優(yōu)質(zhì)資源篩選方法實驗方案

3.實驗數(shù)據(jù)分析

（1）數(shù)據(jù)提取

數(shù)據(jù)分析采用IBMSPSSStatistics19.0中的K-均值算法模塊。提取數(shù)據(jù)為《教學(xué)系統(tǒng)設(shè)計》課程資源（包括視頻資源類，演示課件類，拓展資源類等）相關(guān)的服務(wù)平臺中數(shù)據(jù)庫記錄（包括資源名稱、訪問頻次、學(xué)習(xí)時間、下載次數(shù)、按贊數(shù)量等）。表2是平臺運行過程中自動記錄的學(xué)生使用資源的日志。

表2 學(xué)生訪問資源日志記錄信息

（2）聚類結(jié)果

以“訪問頻次”、“學(xué)習(xí)時間”、“下載次數(shù)”、“按贊數(shù)量”為聚類分析的目標(biāo)變量，由于需要使用SPSS軟件對數(shù)據(jù)進行K-均值聚類，本文對原始目標(biāo)變量進行標(biāo)準(zhǔn)化轉(zhuǎn)換，并將聚類數(shù)目設(shè)置為12。表3給出的是SPSS的K-均值聚類模塊輸出的結(jié)果。

表3 K-均值聚類中心表

表中第一個聚類中心Zscore(訪問頻次)為.98203（標(biāo)準(zhǔn)化后的值），它迭代7次就已經(jīng)收斂，對應(yīng)于庫中的sm20130911210952822.flv學(xué)習(xí)資源。隨著K-均值迭代次數(shù)的增加，其他11個類別中心點也分別找到所對應(yīng)的資源。表4是運用ANOVA方差分析工具，對K-均值聚類給出的分析結(jié)果。

表4 ANOVA方差聚類分析表

從表4中可以看出，分類后各變量在不同類別之間的差異顯著性概率為P=.000＜0.05，分類之間存在顯著差異，驗證了基于K-均值聚類方法對網(wǎng)絡(luò)學(xué)習(xí)資源進行分類的可行性和合理性。

（3）優(yōu)質(zhì)資源篩選

上述結(jié)果表明，K-均值算法能夠按照資源特性對大量網(wǎng)絡(luò)學(xué)習(xí)資源進行高效的自動分類。由于每個聚類中心都是其所在簇特征的典型代表，因而可以以聚類中心為代表對網(wǎng)絡(luò)學(xué)習(xí)資源以分類為單位進行評價，從而篩選出優(yōu)質(zhì)資源。由于資源的判別指標(biāo)包括訪問頻次、學(xué)習(xí)時間、下載數(shù)量等四項，就不能只追求單個屬性的最優(yōu)。圖3是以按贊數(shù)量（f1）和訪問頻次（f2）兩項指標(biāo)為例，以本文中的支配關(guān)系原理對聚類中心的優(yōu)劣得出的結(jié)果。其中，A～L分別代表第一至第十二個聚類中心的資源，橫坐標(biāo)f1表示按贊數(shù)量，縱坐標(biāo)f2表示訪問頻次。

圖3 二維指標(biāo)資源最優(yōu)候選集分析

從圖3可以得出，按照本文所給出的篩選方法，就各個聚類中心而言，顯然中心D所代表的那類資源要優(yōu)于A、B、C、E、G、H、J、K、L類資源，中心F所代表的那類資源要優(yōu)于A、B、C、E、H、J、K、L類資源，I要優(yōu)于B、C、E、G、H、J類。由于D、F、I之間無法確定優(yōu)劣，且沒有優(yōu)于它們的其他中心資源，如果從學(xué)習(xí)時間和按贊數(shù)量兩方面綜合考慮，把它們所代表的資源可以評價為非劣資源（即優(yōu)質(zhì)資源）是合乎情理的；同樣，由于H所代表的中心資源不能支配任何其他資源，顯然屬于非優(yōu)資源。此外，對12個聚類中心資源從四維指標(biāo)對它們的資源最優(yōu)候選集也進行了分析，結(jié)果顯示：D、F、I聚類中心所代表的資源在訪問頻次、學(xué)習(xí)時間、下載次數(shù)以及按贊數(shù)量四個方面都不能被其他資源所支配，構(gòu)成最優(yōu)質(zhì)資源候選集，H聚類中心所代表的資源構(gòu)成最劣資源的候選集。

4.應(yīng)用結(jié)果分析

實驗結(jié)束之后，采用問卷對實驗對象進行調(diào)查，內(nèi)容主要涉及學(xué)習(xí)效率、學(xué)習(xí)效果和資源認(rèn)可度三個結(jié)構(gòu)指標(biāo)。本次調(diào)查實際發(fā)放問卷229份，回收229份，其中228份問卷有效。通過對228份問卷數(shù)據(jù)分析得知，88.91%的學(xué)習(xí)者認(rèn)為該方法篩選出的學(xué)習(xí)資源重點突出，教學(xué)目標(biāo)明確，屬于優(yōu)質(zhì)資源；82.46%的學(xué)習(xí)者認(rèn)為該方法消除了資源選擇的盲目性，學(xué)習(xí)效率有所提升；76.32%的學(xué)習(xí)者認(rèn)為網(wǎng)絡(luò)學(xué)習(xí)資源的篩選有利于提升學(xué)習(xí)效果，方便隨時進行知識鞏固。

總之，基于K-均值的聚類算法對網(wǎng)絡(luò)學(xué)習(xí)資源進行快速分類，在此基礎(chǔ)上依據(jù)支配關(guān)系對聚類結(jié)果進行評價，從而篩選優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源的方法是可行的和有效的。利用該方法不僅可以把質(zhì)量最優(yōu)的資源優(yōu)先推送給學(xué)習(xí)者，消除學(xué)習(xí)者在選擇學(xué)習(xí)資源時的盲目性，而且可以把質(zhì)量最差的資源從系統(tǒng)中剔除，減輕資源服務(wù)器的負(fù)擔(dān)，實現(xiàn)網(wǎng)絡(luò)學(xué)習(xí)資源的優(yōu)勝劣汰。但由于實驗樣本數(shù)據(jù)有限，該方法還需要更為廣泛的實驗驗證，以保證其有效性和科學(xué)性。

四、結(jié)語與展望

面對不斷增加的網(wǎng)絡(luò)學(xué)習(xí)資源，如何從中快速準(zhǔn)確地選擇所需的高質(zhì)量資源，對網(wǎng)絡(luò)學(xué)習(xí)的效率和質(zhì)量至關(guān)重要。本文給出了一種基于K-均值算法的優(yōu)質(zhì)網(wǎng)絡(luò)資源篩選方法，使用基于K-均值的聚類算法對網(wǎng)絡(luò)學(xué)習(xí)資源進行分類，然后根據(jù)支配關(guān)系對聚類結(jié)果進行評價，篩選優(yōu)質(zhì)網(wǎng)絡(luò)學(xué)習(xí)資源。實驗結(jié)果表明，該方法能夠高效、準(zhǔn)確地對網(wǎng)絡(luò)學(xué)習(xí)資源的質(zhì)量進行評價，對促進網(wǎng)絡(luò)資源共享服務(wù)平臺中資源質(zhì)量的提高，推動資源提供者制作更加優(yōu)質(zhì)的網(wǎng)絡(luò)教學(xué)資源，具有一定的現(xiàn)實意義和應(yīng)用價值。但是，由于K-均值算法初始聚類中心K值的選擇無準(zhǔn)則可依，K值的選擇不當(dāng)可能會造成聚類結(jié)果不平衡。因此，下一步研究的重點將轉(zhuǎn)移到如何優(yōu)化K-均值算法，以降低K值對聚類結(jié)果的影響，并將新的算法應(yīng)用于資源篩選方案之中，促進優(yōu)質(zhì)資源推送的自動化。

[1][9]Valsamidis,S.,Kontogiannis,S.,Kazanidis,I.,etal.AClustering MethodologyofWebLogDataforLearningManagementSystems[J]. EducationalTechnology&Society,2012,15(2):154-167.

[2][10]Abdous,M.,He,W.,&Yen,C.-J..UsingDataMiningforPredict?ingRelationshipsbetweenOnlineQuestionThemeandFinalGrade [J].EducationalTechnology&Society,2012,15(3):77-88.

[3]王鑫，王洪國，張建喜等.聚類分析方法及工具應(yīng)用研究[J].計算機科學(xué)，2006，33（2）：197-200.

[4][11]Antonenko,P.D.,Toy,S.,&Niederhauser,D.S..Usingcluster analysisfordataminingineducationaltechnologyresearch[J].Edu?cationTechnologyResearch，2012（60）：383-398.

[5]賀玲，吳玲達，蔡益朝.數(shù)據(jù)挖掘中的聚類算法綜述[J].計算機應(yīng)用研究，2007，（1）：10-13.

[6]楊小兵.聚類分析中若干關(guān)鍵技術(shù)的研究[D].杭州：浙江大學(xué)，2005：24-25.

[7]朱建宇.K均值算法研究及其應(yīng)用[D].大連：大連理工大學(xué)，2013：16-17.

[8]劉華鎣，王靜，許少華等.基于空間劃分樹的多目標(biāo)粒子群優(yōu)化算法[J].吉林大學(xué)學(xué)報(理學(xué)版)，2011，49（4）：698-704.

[12]陳益均，殷莉.基于數(shù)據(jù)挖掘的學(xué)生成績影響模型的研究[J].現(xiàn)代教育技術(shù)，2013，23（1）：93-96.

G40-057

A

1009—458x（2014）10—0062—05

2014－04－30

葉海智，博士，教授，河南省高校教育信息工程技術(shù)研究中心主任；程清杰，在讀碩士；黃宏濤，博士，副教授。河南師范大學(xué)（453007）。

責(zé)任編輯 日 新

河南省政府決策招標(biāo)項目：加快我省信息化研究(編號：2013B184)；河南省教育廳科學(xué)技術(shù)研究重點項目：基于量子競爭決策的優(yōu)質(zhì)教育資源催生方法研究（編號14A880018）。