论文部分内容阅读
中图分类号：G807 文献标识：A 文章编号：1009-9328（2013）09-000-02
摘 要 本文阐述了数据挖掘技术中的关联规则、分类、聚类分析、Web挖掘及分析等体育教学中的数据挖掘技术；探讨了数据挖掘在体育教学训练、体育教学评价及体育教学管理中的应用，最后进行了总结和展望。
关键词 数据挖掘 体育教学 应用研究
一、概述
进入21世纪以来，体育领域无论是运动训练、临场比赛，或是学校体育、体育管理、体育产业以及全民健身、国民体质调研与优化等，无不与大量数据紧密联系。面对大量的数据，原来的数据库管理方式和数据统计方法已经逐渐不能适应国家提出的“健康体育”、体育竞技人才梯队建设和体育产业发展的需要。而数据挖掘技术正好能满足这一需求，数据挖掘技术将有力地推动体育统计学向前发展。数据挖掘技术可以帮助我们从这些浩瀚的数据中深入寻找到各种因素的相互联系，发现体质健康数据、体育产业数据、运动训练和竞赛数据、体育教学数据等方面一些有价值的规律。因此，在实践过程中，如何应用数据挖掘技术对体育数据进行信息化管理和深层分析，是当前体育科研人员所要研究的一项重要课题，因此本课题具有重要意义。
二、体育教学中的数据挖掘技术研究
近年来，国民体质监测、体育教学训练、竞技、管理数据剧增。体育数据如同矿藏一样，只有通过挖掘和提炼才能变成可用的财富。数据挖掘正是挖掘和提炼数据中财富和价值的技术，下面就体育教学领域中使用的数据挖掘技术做简要阐述。
（一）关联规则：关联规则是体育教学中使用频率最多，范围最广的数据挖掘技术之一，也可以被广泛地应用于国内外教育教学的决策分析中。运用关联规则的方法可以判定哪一种教学方法适合某类学生或某门课程，从而方便教师进行教学方法的选择，使得分层次教学能够在实践中得到更进一步的应用和实施。
（二）分类：分类算法中应用得最多的是决策树算法。决策树是以实例为基础的归纳学习算法。决策树主要用于对离散数据进行分类，在教学方面则能够用来对学生课程的选修、毕业课题的选择、就业等方面进行分析指导。
（三）聚类分析：所有物体彼此之间都是相类似的，但又和其他分组里的物体是不同的。在基于教育的数据挖掘中，聚类分析已经被用于根据学生的行为对学生进行分组。例如聚类分析可以用来区分在非活跃的学生中表现较活跃的学生。
（四）预测：预测是应用于模型的连续价值函数，也就是预测未知数据和缺失的值。在这个模型中，我们可以推导出许多组合数据的其他一些方面的数据。基于教育的数据挖掘预测可以用来检测学生的行为，预测与了解学生的学习成果。
（五）Web数据挖掘：利用 Web 日志挖掘技术进行实例分析，找出访问频度较高的知识点网页，确定学生的兴趣点及知识点中的难点所在。在此基础上，帮助教育者调整教学策略，改善网络教学效果。
三、数据挖掘在体育教学中的应用研究
数据挖掘在体育教学领域中具有非常广泛的应用前景，以下本文详细从体育教学训练、教学评价和教学管理三个方面来详细阐述数据挖掘在体育教学中的应用。
（一）数据挖掘在体育教学训练中的应用研究
数据挖掘在体育教学训练中的应用主要表现为对体育教材的选择、体育教学方法的选择、学生特征挖掘和对学生体质状况的预测等。
1.体育教材的选择
随着科学技术的快速发展，我国体育教学教材由纸质化向电子化转变趋势明显。越来越多的体育教材开始以结构化、动态化、形象化的图形图像和视频的形式展现在体育学习者面前，不仅让学习者在轻松愉快的环境中获得知识，多媒体教材具有的易于存储、方便传输和处理的特点为利用数据挖掘技术挖掘其中的有用信息成为了可能；通过数据挖掘技术对体育教材的合理归类、检索、处理，建立知识体系结构，为体育教材进行体育教材的选择提供参考。
2.教学方法的选择
教师在教学过程中可以采用多种教学方法来完成教学任务，比如讲授法、讨论法、实验法、计算机辅助教学法、参观法、调查法、实习法等。在通常情况下，可以采取一种或几种方法进行。在选择教学方法时，我们可以使用数据挖掘技术，运用关联分析等方法，分析学生对课程的评价及不同教学方法学生获得的成绩，从而寻找课程与教学方法之间内在的关系，判定课程或课程中的某一章节应采用的教学方法；用聚类，分类等数据挖掘技术对体育教学分组方法进行分析，实现按照学生身体素质的相似程度来进行合理的教学分组，适应因材施教的教学要求。
3.学生特征的挖掘
在体育教学中，可以采用聚类分析来帮助教师分析学生初始知识体系、当前知识体系、和目标知识体系，深刻提交学生的生理、心理和社会特征，以便帮助学习修正个人学习行为、提高学习能力、完善个人人格，促进学生各方面素质的全面协调发展。
（二）数据挖掘在体育教学评价中的应用研究
数据挖掘技术在体育教学评价中的应用，主要体现在学习评价、课程考核及教学管理评价三个方面：
1.学生学习评价
对学生的学习评价是体育教师的主要教学工作之一，科学、合理地评定学生的学习行为，不能仅停留在对学生的成绩评价上，还应针对学生的日常学习行为、奖惩记录等方面的信息，利用数据挖掘工具进行分析处理，得到对学生客观公正的评价，这样不仅对学生起到信息反馈和激发学习动机的作用，而且是考查学生个别差异，便于因材施教的途径。
2.课程考核评价
在当前我国应试教育制度下，考试不仅是衡量学生学习工作量、学习能力的好坏，也是知道学生学习和培养终身体育观的内在动力。因此，在收集和整理学生理论知识、运动技能和体育素养等各项成绩的基础上，采用数据挖掘技术发现和抽取隐藏在数据额背后的知识和规律，针对考试内容的难易程度、考试方法的公平程度和考试标准的合理程度等进行预测和及时调整，以更好地体现体育教学考试在检验教学效果、提高教学质量等方面所起到的重要作用。
3.教学管理评价
利用数据挖掘技术中的DEA系统分析方法可以对体育教学的决策单元做出评价，评估体育教学管理工作的有效性、决策单元管理政策的科学性和训练管理的有效性等，从而指导教学管理单位采取相应的措施来提高体育教学及训练管理工作水平。
（三）数据挖掘在体育教学管理中的应用研究
1.辅助考试
传统的体育考核方式将期末成绩作为评价标准，这对学习者而言往往是片面的、不公平的，利用数据挖掘可以对学生平时学习状况进行综合分析，从而对其进行全面的具有针对性的评价。如采用综合学生体育学习平时成绩、点播课件次数和时长、课程答疑论坛发帖和期末考试成绩综合的考核办法，通过减少体育期末考试成绩所占比例，增加自主学习考核比例，对产生的海量数据使用数据挖掘工具进行处理；并将数据挖掘应用于体育理论知识试卷分析数据库中，对体育试卷每道题目的难易度、区分度、相关度等指标进行分析，教师就能够对体育试卷试题质量做出比较准确的评价，进而了解学生对知识的掌握情况并为今后的教学工作提供有益的指导。
2.科研选题
科研选题是广大体育教学和研究者普遍面临的棘手问题。本研究认为广大体育教学工作者和研究者可以利用数据挖掘技术根据纯数据间的关联性挖掘出潜在、容易被忽视的规則作为潜在的课题研究题项。如运用数据挖掘技术中的关联规则方法在研究学生体质的数据，挖掘出发掘出握力与平衡能力的关系、肺活量与握力间的关系后作为科研选题加以研究验证。
四、结语
总之，数据挖掘的兴起，为体育统计学与体育信息技术的结合带来良好的契机，数据挖掘技术将成为继数学、计算机科学之后，又一推动体育统计学发展的强大工具。但相比于数据挖掘技术在其他领域的应用程度而言，数据挖掘在体育教学领域的研究虽取得了一定的成果，但仍还有很多工作要做。
参考文献：
[1]杨翠明等.一种基于数据库分解的关联规则挖掘新算法[J].湖南师范大学自然科学学报.2007（02）：135-138.
[2]赵唱玉.基于Web和数据挖掘的智能教学系统模型的研究与设计[D].湖南师范大学.2007.
摘 要 本文阐述了数据挖掘技术中的关联规则、分类、聚类分析、Web挖掘及分析等体育教学中的数据挖掘技术；探讨了数据挖掘在体育教学训练、体育教学评价及体育教学管理中的应用，最后进行了总结和展望。
关键词 数据挖掘 体育教学 应用研究
一、概述
进入21世纪以来，体育领域无论是运动训练、临场比赛，或是学校体育、体育管理、体育产业以及全民健身、国民体质调研与优化等，无不与大量数据紧密联系。面对大量的数据，原来的数据库管理方式和数据统计方法已经逐渐不能适应国家提出的“健康体育”、体育竞技人才梯队建设和体育产业发展的需要。而数据挖掘技术正好能满足这一需求，数据挖掘技术将有力地推动体育统计学向前发展。数据挖掘技术可以帮助我们从这些浩瀚的数据中深入寻找到各种因素的相互联系，发现体质健康数据、体育产业数据、运动训练和竞赛数据、体育教学数据等方面一些有价值的规律。因此，在实践过程中，如何应用数据挖掘技术对体育数据进行信息化管理和深层分析，是当前体育科研人员所要研究的一项重要课题，因此本课题具有重要意义。
二、体育教学中的数据挖掘技术研究
近年来，国民体质监测、体育教学训练、竞技、管理数据剧增。体育数据如同矿藏一样，只有通过挖掘和提炼才能变成可用的财富。数据挖掘正是挖掘和提炼数据中财富和价值的技术，下面就体育教学领域中使用的数据挖掘技术做简要阐述。
（一）关联规则：关联规则是体育教学中使用频率最多，范围最广的数据挖掘技术之一，也可以被广泛地应用于国内外教育教学的决策分析中。运用关联规则的方法可以判定哪一种教学方法适合某类学生或某门课程，从而方便教师进行教学方法的选择，使得分层次教学能够在实践中得到更进一步的应用和实施。
（二）分类：分类算法中应用得最多的是决策树算法。决策树是以实例为基础的归纳学习算法。决策树主要用于对离散数据进行分类，在教学方面则能够用来对学生课程的选修、毕业课题的选择、就业等方面进行分析指导。
（三）聚类分析：所有物体彼此之间都是相类似的，但又和其他分组里的物体是不同的。在基于教育的数据挖掘中，聚类分析已经被用于根据学生的行为对学生进行分组。例如聚类分析可以用来区分在非活跃的学生中表现较活跃的学生。
（四）预测：预测是应用于模型的连续价值函数，也就是预测未知数据和缺失的值。在这个模型中，我们可以推导出许多组合数据的其他一些方面的数据。基于教育的数据挖掘预测可以用来检测学生的行为，预测与了解学生的学习成果。
（五）Web数据挖掘：利用 Web 日志挖掘技术进行实例分析，找出访问频度较高的知识点网页，确定学生的兴趣点及知识点中的难点所在。在此基础上，帮助教育者调整教学策略，改善网络教学效果。
三、数据挖掘在体育教学中的应用研究
数据挖掘在体育教学领域中具有非常广泛的应用前景，以下本文详细从体育教学训练、教学评价和教学管理三个方面来详细阐述数据挖掘在体育教学中的应用。
（一）数据挖掘在体育教学训练中的应用研究
数据挖掘在体育教学训练中的应用主要表现为对体育教材的选择、体育教学方法的选择、学生特征挖掘和对学生体质状况的预测等。
1.体育教材的选择
随着科学技术的快速发展，我国体育教学教材由纸质化向电子化转变趋势明显。越来越多的体育教材开始以结构化、动态化、形象化的图形图像和视频的形式展现在体育学习者面前，不仅让学习者在轻松愉快的环境中获得知识，多媒体教材具有的易于存储、方便传输和处理的特点为利用数据挖掘技术挖掘其中的有用信息成为了可能；通过数据挖掘技术对体育教材的合理归类、检索、处理，建立知识体系结构，为体育教材进行体育教材的选择提供参考。
2.教学方法的选择
教师在教学过程中可以采用多种教学方法来完成教学任务，比如讲授法、讨论法、实验法、计算机辅助教学法、参观法、调查法、实习法等。在通常情况下，可以采取一种或几种方法进行。在选择教学方法时，我们可以使用数据挖掘技术，运用关联分析等方法，分析学生对课程的评价及不同教学方法学生获得的成绩，从而寻找课程与教学方法之间内在的关系，判定课程或课程中的某一章节应采用的教学方法；用聚类，分类等数据挖掘技术对体育教学分组方法进行分析，实现按照学生身体素质的相似程度来进行合理的教学分组，适应因材施教的教学要求。
3.学生特征的挖掘
在体育教学中，可以采用聚类分析来帮助教师分析学生初始知识体系、当前知识体系、和目标知识体系，深刻提交学生的生理、心理和社会特征，以便帮助学习修正个人学习行为、提高学习能力、完善个人人格，促进学生各方面素质的全面协调发展。
（二）数据挖掘在体育教学评价中的应用研究
数据挖掘技术在体育教学评价中的应用，主要体现在学习评价、课程考核及教学管理评价三个方面：
1.学生学习评价
对学生的学习评价是体育教师的主要教学工作之一，科学、合理地评定学生的学习行为，不能仅停留在对学生的成绩评价上，还应针对学生的日常学习行为、奖惩记录等方面的信息，利用数据挖掘工具进行分析处理，得到对学生客观公正的评价，这样不仅对学生起到信息反馈和激发学习动机的作用，而且是考查学生个别差异，便于因材施教的途径。
2.课程考核评价
在当前我国应试教育制度下，考试不仅是衡量学生学习工作量、学习能力的好坏，也是知道学生学习和培养终身体育观的内在动力。因此，在收集和整理学生理论知识、运动技能和体育素养等各项成绩的基础上，采用数据挖掘技术发现和抽取隐藏在数据额背后的知识和规律，针对考试内容的难易程度、考试方法的公平程度和考试标准的合理程度等进行预测和及时调整，以更好地体现体育教学考试在检验教学效果、提高教学质量等方面所起到的重要作用。
3.教学管理评价
利用数据挖掘技术中的DEA系统分析方法可以对体育教学的决策单元做出评价，评估体育教学管理工作的有效性、决策单元管理政策的科学性和训练管理的有效性等，从而指导教学管理单位采取相应的措施来提高体育教学及训练管理工作水平。
（三）数据挖掘在体育教学管理中的应用研究
1.辅助考试
传统的体育考核方式将期末成绩作为评价标准，这对学习者而言往往是片面的、不公平的，利用数据挖掘可以对学生平时学习状况进行综合分析，从而对其进行全面的具有针对性的评价。如采用综合学生体育学习平时成绩、点播课件次数和时长、课程答疑论坛发帖和期末考试成绩综合的考核办法，通过减少体育期末考试成绩所占比例，增加自主学习考核比例，对产生的海量数据使用数据挖掘工具进行处理；并将数据挖掘应用于体育理论知识试卷分析数据库中，对体育试卷每道题目的难易度、区分度、相关度等指标进行分析，教师就能够对体育试卷试题质量做出比较准确的评价，进而了解学生对知识的掌握情况并为今后的教学工作提供有益的指导。
2.科研选题
科研选题是广大体育教学和研究者普遍面临的棘手问题。本研究认为广大体育教学工作者和研究者可以利用数据挖掘技术根据纯数据间的关联性挖掘出潜在、容易被忽视的规則作为潜在的课题研究题项。如运用数据挖掘技术中的关联规则方法在研究学生体质的数据，挖掘出发掘出握力与平衡能力的关系、肺活量与握力间的关系后作为科研选题加以研究验证。
四、结语
总之，数据挖掘的兴起，为体育统计学与体育信息技术的结合带来良好的契机，数据挖掘技术将成为继数学、计算机科学之后，又一推动体育统计学发展的强大工具。但相比于数据挖掘技术在其他领域的应用程度而言，数据挖掘在体育教学领域的研究虽取得了一定的成果，但仍还有很多工作要做。
参考文献：
[1]杨翠明等.一种基于数据库分解的关联规则挖掘新算法[J].湖南师范大学自然科学学报.2007（02）：135-138.
[2]赵唱玉.基于Web和数据挖掘的智能教学系统模型的研究与设计[D].湖南师范大学.2007.