摘要：在现今的信息时代，学生对于互联网的使用率越来越高，互联网成为知识获取的重要途径之一，但是根据调查，这种学习的方式效率不高，因为学生搜索的内容往往与想要的知识有所出入，而老师不能及时了解到这个情况无法给学生提供有效帮助。基于上述情况产生了基于大数据的新型智能学习平台的构想。本文重点围绕创新点以及运用到的大数据相关技术对新型智能学习平台购项进行简要论述。
关键词：大数据；互联网+；智能学习
1.引言：
当代大部分学生因为紧张的学习，快节奏的知识接受，对于知识不予深究，而导致了对知识深度挖掘发散的能力降低，而面对不懂的知识，有碍于师生关系，大部分学生选择问同学或者上网查，而不愿意询问老师，这些方式能够很快获取所需知识点，却在一定程度上忽略了对于知识本质的理解，这样的方式对于学生未来的发展是很不利的，因此我们提出了利用大数据相关技术对于学生的综合分析，并通过一些或主动或被动的方式增加师生互动的途径，增加学生学习的主动性。
2.数据挖掘技术概述：
2.1.数据挖掘技术的定义
近年来，数据挖掘技术引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各个行业的各种应用。
数据挖掘技术是一种在目前看来比较新型的主流的一种数据的处理方式，如果要简单的定义数据挖掘技术的话，它是一种能够从大量斑驳不均的实际数据中，提取隐含在其中的不能被直接获取，但又是潜在有用信息和知识的过程。是一种将传统的数据分析方法与大量数据处理的复杂算法的结合。它并不能算作是从数据库、统计和机器学习发展而来的技术的简单转变，因为它是一种来自（包含不仅限于下列学科）数据库技术、统计学，机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像和信号处理以及空间数据分析技术等多个学科的集成。但同时它也特别需要数据库系统提供有效的存储、索引和查询处理支持。
2.2.数据挖掘技术的概述
数据库是一个单位或是一个应用领域的通用数据处理系统，是按照数据结构来组织、存储和管理数据的建立在计算机存储设备上的仓库，也可以说是长期储存在计算机内、有组织的、可共享的数据集合，用户可以对文件中的数据进行新增、截取、更新、删除等操作。
从功能上来说，数据库技术在发展中主要是被用于数据管理的机制，包括数据的增删改查，而数据挖掘技术则是解决了人们对大量杂乱无章数据的分析和理解的更深层次的迫切需要，数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。
如果说数据库技术仅仅是停留在了“数据—信息”的层次，数据挖掘可以看作是一个“数据—信息—知识”的递进关系，数据挖掘工具能够对将来的趋势和行为进行预测，它省去了我们人为筛选有用信息的过程，极大的提高了工作效率，从而很好地支持人们的决策。
其过程可以分为这样几个大的方面：数据提取（ETL）--数据预处理--形成目标数据--选择挖掘方法--数据挖掘处理--挖掘结果评估--获得结果。
数据挖掘技术可以让现有的软件和硬件更加自动化，数据库可以由此拓展深度和广度，深度上，允许有更多的列存在，高性能的数据挖掘工具让用户对数据库能进行通盘的深度编历，并且任何可能参选的变量都被考虑进去，不再需要选择变量的子集来进行运算。
广度上，允许有更多的行存在。更大的样本让产生错误和变化的概率降低，这样用户就能更加精确地推导出一些虽小但颇为重要的结论。
2.3.数据挖掘的主要功能
2.3.1.自动预测趋势和行为
数据挖掘能自动在大型数据库里面找寻潜在的预测信息。传统上需要很多专家来进行分析的问题，现在可以快速而直接地从数据中间找到答案。
2.3.2.关联分析
若两个或多个变量的取值之间存在某种规律性，就称为关联。若两个或多个变量的取值之间存在某种规律性，就称为关联。若两个或多个变量的取值之间存在某种规律性，就称为关联。因数据信息量相对偏大，如果对其关联性进行寻找将会耗费较长实际而为了更好的提升寻找数据关联性的效率性以及准确性等，就应合理的借助关联性分析形式开展工作，有效的借助数据分辨的任务形式，满足帮助人们提升工作效率与质量的要求。
2.3.3.聚类
数据库中的记录可被划分为一系列有意义的子集，即聚类。聚类增强了人们对客观现实的认识，是概念偏差和偏差分析的先决条件。聚类在分类中并不是简单的进行分类，是在不清楚对象的情况下，在数据组找寻具有已有的数据信息。缺点就是难以精确把数据信息进行分类，因此该方法一般会运用到心理学、数据识别等领域中。
期刊文章分类查询,尽在期刊图书馆
2.3.4.概念描述
概念描述就是对某类对象的内涵进行描述，并概况这类对象的有关特征。具体分为特征性描述和区别性描述，前者描述某类对象的共同特征，后者描述不同类对象间的区别。
3.相关技术研究现状：
3.1.我国教育软件行业市场现状
我国的教育软件的开发起步于20世纪的90年代的初期，但是产品单一、形式死板，开发的产品往往是确定的、程序式的、封闭的教科书内容，因此发展得极为缓慢。随着教育信息化和计算机和网络技术的发展，许多教育软件开发商开始向多媒体教育软件和教育网络化和智能化开发转型。现在已经初具规模。并且一大批有实力的教育软件企业和知名品牌脱颖而出。
3.1.1.当前教育软件的种类
3.1.1.1.教学环境或教育软件平台类：电子教案系统、电子黑板、教育网络系统、校园网平台等。这类软件主要用于局域网、校园网、多媒体教室等的辅助教学。现在部分软件和硬件系统结合以取代传统的电教室和语音室。例如，基于web的电子教案系统：系统提供了丰富的多媒体表现方式，支持HTML、FLASH、GIF、文本等目前比较流行的媒体格式。
3.1.1.2.知识类、培训技能类：计算机基础教育、家庭教育、学生教育、职业培训类等多媒体软件。这类软件集知识或技能和趣味于一体，注重知识与技能教育。例如，仿真化学实验室：在计算机中提供了一个虚拟的化学实验室。用户可以自由地搭建实验仪器、添加药品，并让它们进行反应。用户可以完全自由地搭建各种实验设施。它可以让学生亲自动手，使其对化学现象的印象更加深刻，对化学定律的理解不再枯燥。学生更可以用此软件仔细研究化学过程，设计实验去验证自己的设想，探索未知世界，它是学生进行探索式学习的好工具。
3.1.1.3.教育管理类：学校教务管理，学生档案及学习成绩管理、排课及考试题库等。这类软件应用于中小学、大中专院校的辅助教学与管理。例如，学校学生档案及学习成绩管理，学校学生档案及学习成绩管理系统。提供丰富的查询、打印、登记、修改功能及报表导出引擎，适合班主任老师对学生的详细情况的记录备案、同样也适合任课老师对学生成绩的综合分析和对班级、学生的名次编排。
3.1.1.4.素材库类：这类软件为教育教学提供丰富的文字素材和多媒体素材(声音、图片、影像)。当今的学习软件多针对于中学，而在大学这一块还有非常大的发展空间。
4.有关平台功能构想
4.1.资源共享论坛：和许多学习方面的平台一样，作为学习平台首先需要拥有庞大的知识库存。对于老师而言，可通过它实现教学的多样化，达到资源的共享，能够及时有效的与学生进行互动，了解学生的情况，解决学生资源获取的困扰。对于学生而言，可将已有的资源上传，或者共享好用的平台，从而达到互助学习的效果。
4.2.交流探讨与分享模块：学习某内容后可以对此内容的某些问题进行讨论和研究，以消化牢固已学知识，并对已学知识有所提高。功能:以注册的身份进入并根据话题进行交流讨论与学习或生活有关的事。
4.3.师生随机匹配模块：不定期的随机匹配学生与老师，以相互问答的方式了解师生之间的各种情况，促进师生之间的有效互动。分析随机匹配所得的结果，统计总结出存在的问题，并进行智能化分配处理。
4.4.博弈对战模块：利用一些趣味性的方式，以专业相关知识为主题，在学生之间匹配博弈，可有主动或被动强制两种方式，并带有一定的奖惩策略。此外，还可根据各个学生的兴趣特点，不定期的与各科老师匹配，促进师生有效互动，并且形成学生之间一对一或者多对多的对弈模式。通过切磋，进而激发学生更多的的创造性和积极性。
4.5.分析优化模块：对已有的成绩分析系统做一个高粒度和更加全面的分析，根据数据信息分析指出学生的薄弱环节，并针对不同学生的情况分析得出不同的解决方案，优化甚至消除薄弱问题，拥有较高的匹配度。同时，利用智能算法得到动态分析学生各个维度的特征数据，针对不同学生的情况分析，可以提出相对更加合适的学习方法。这样的多维分析，更贴近学生客观现状。
4.6.技能树模块：系统根据专业学科分支，勾勒出一棵技能树，根据学生的意愿，或者系统做出的分析，对于课程选择选择方向，对未来课程甚至职业做出一定规划，辅助制定相应的学习计划。将实用性和趣味性相结合，帮助学生更加快捷的找到目标学科的相关知识和适应自己的成长方向。
5.结论：
本文提出的“智多星”任务发布系统，借助数据挖掘技术，从学生的各个维度进行剖析，不仅可以针对师生之间的互动问题提供一些新的途径，还可以将线上线下的教学方式结合起来，根据智能化数据分析，找出学生存在的问题和不足。它能帮助学生与老师、学生与课程之间的有效融合，推动实施混合式的教育。而学生客户群体范围广，通过该系统能及时反馈问题，帮助同学更好的，更系统地学习。该系统旨在营造出一种全新的多样化的学习方式，通过智能的规划，合理分配安排学生的学习，使其更加有效率；目标明确的认准前进的方向，更加充满动力。进而改变学生的学习主动性，使学习成为一种乐趣，形成一种良性竞争环境。在一定程度上帮助学生了解专业，提供一定的职业规划建议。最后希望通过不断升级优化系统，将其推广至各大高校，形成一个能相互联系的智能化学习交流平台。
参考文献
[1](百度百科 数据挖掘, 2019)
[2](百度百科 电子商务, 2019)
[3](百度百科 数据库, 2019)
论文作者:郑蜀立 罗芬
论文发表刊物:《知识-力量》2019年11月52期
论文发表时间:2019/12/6
标签：数据论文; 学生论文; 数据挖掘论文; 知识论文; 技术论文; 软件论文; 系统论文; 《知识-力量》2019年11月52期论文;