Documente Academic
Documente Profesional
Documente Cultură
UTILIZAREA
TEHNICILOR DATA MINING
NTR-UN SISTEM
EDUCAIONAL
DE TIP E-LEARNING
CUVNT NAINTE
n prezent, educaia reprezint un factor hotrtor n dezvoltarea pe termen
lung a unei ri, implicnd bunstarea i progresul acesteia. Naiunile care aleg
sistemele de instruire ce utilizeaz noile tehnologii educaionale vor fi naiunile
cele mai puternice din punct de vedere economic n secolul XXI.
Digitizarea, interactivitatea i virtualitatea ofer noi oportuniti i extind
limitele privind modul de organizare i desfurare a proceselor educaionale la
toate nivelurile, fiind factori importani ai schimbrilor ce au loc n domeniul
educaional militar.
Contextul apariiei acestei cri este propice, att datorit creterii
interesului studenilor manifestat la nivel global, pentru cursurile desfurate online, ct i exigenelor NATO privind utilizarea unui sistem avansat de
instrumente i tehnologii de instruire pentru profesionalizarea personalului
armatei.
Dinamica nregistrat de noile tehnologii va avea n continuare un impact
profund asupra premiselor de baz ale nvmntului militar i va da natere la
cutarea de teorii i metodologii educaionale noi, care s satisfac cerinele
privind predarea, nvarea i cercetarea din domeniul academic militar.
Platformele educaionale LMS (Learning Management System, sistem de
management al nvrii), acele aplicaii informatice complexe cu faciliti precum
organizarea i furnizarea de informaii, sprijinirea proceselor de nvare,
supervizarea i evaluarea rezultatelor studenilor, permit stocarea unui volum
mare de date. Exploatarea eficient a acestor date contribuie semnificativ la
dezvoltarea unor instrumente care s faciliteze realizarea unui nvmnt centrat
pe student.
Scopul acestei cri este nelegerea proceselor desfurate ntr-un mediu
virtual de nvare prin analiza datelor furnizate de un sistem de management al
nvrii i elaborarea unor predicii privind aceste procese. n acest sens, autoarea
crii prezint ntr-o form integratoare unele metode de analiz preluate din
statistic i inteligen artificial, reuind o mbinare perfect ntre cunoterea
tiinific, experiena e-learning i practica specific domeniului educaional
militar.
5
Teodor FRUNZETI
INTRODUCERE
Domeniul educaional a cunoscut n ultimii ani transformri profunde n
special datorit influenei noilor tehnologii educaionale. Schimbrile importante
produse de acestea n sistemul de nvmnt ating un stadiu care permit
universitilor s desfoare un proces educaional eficient, adaptat nevoilor
studenilor.
Odat cu creterea popularitii Internetului, instituiile de nvmnt
superior au nceput s diversifice oferta de servicii educaionale pentru categoriile
de studeni. Un studiu publicat n noiembrie 2008, efectuat de Allen E., Seaman .J.
.a. [1] de la consoriul Sloan-C, n care se examineaz starea nvmntului
universitar on-line desfurat n S.U.A. [2], indic o cretere a interesului
manifestat de studeni pentru aceast form de nvmnt. Astfel, comparativ cu
datele publicate n anul 2004, raportul curent indic existena unui numr de dou
ori mai mare de studeni ce urmeaz cursuri on-line i o rat de cretere de 12.9 %
a numrului de studeni pentru anul universitar 2007-2008 fa de anul precedent.
Apariia i dezvoltarea noilor tehnologii a avut un impact puternic i asupra
nvmntului militar. Evoluia proceselor i fenomenelor militare este strns
corelat cu dezvoltarea tehnologic. Profesionalizarea personalului armatei
presupune, printre altele, utilizarea unui sistem avansat de instrumente i
tehnologii de instruire, inclusiv nvarea distribuit avansat la distan.
Unul din principiile care stau la baza modernizrii Armatei Romniei,
principiu prevzut i n Strategia Militar a Romniei [3], este promovarea
tehnologiilor moderne. Utilizarea acestor tehnologii n procesul instruirii va
permite operaionalizarea forelor conform standardelor Alianei i participarea
acestora la ndeplinirea cu succes a misiunilor pentru care au fost create.
Prin introducerea standardelor impuse de nvmntul Distribuit Avansat la
Distan (Advanced Distributed Learning, ADL 1 ) n armat, resursele
educaionale devin accesibile oriunde i oricnd [4]. Aceasta nseamn c se pot
1
13
14
15
date. n acest sens au fost elaborate mai multe modele, cel mai des utilizat fiind
modelul CRISP-DM, propus de un mare consoriu de companii europene (Integral
Solution Ltd., NCR, DaimlerChrysler, OHARA) care const n parcurgerea a ase
faze. Extragerea informaiilor din bazele de date poate avea ca obiective:
modelarea descriptiv a sistemului, analiza exploratorie a datelor, modelarea
predictiv, descoperirea pattern-urilor i a regulilor, cutarea dup coninut. n
acest sens, sunt prezentate metodele data mining si principalele aplicaii software
care utilizeaz aceste metode.
Dei metodele i tehnicile din domeniul data mining sunt din ce n ce mai
des utilizate, totui terminologia nc mai variaz iar procesul data mining este
frecvent confundat cu procesul de descoperire a cunotinelor din bazele de date
(Knowledge Discovery in Database, KDD). n 1996, Fayyad .a. definete pentru
prima dat conceptul KDD i elaboreaz un model de baz pentru extragerea
cunotinelor din bazele de date. n acest model, data mining este prezentat ca
subproces al procesului KDD (alturi de selecia, preprocesarea, transformarea
datelor respectiv interpretarea-evaluarea informaiilor).
Capitolul 3, intitulat Metode de extragere i selecie a caracteristicilor,
prezint metode de extragere i selecie a caracteristicilor obiectelor stocate n
baza de date. Cele dou operaii sunt importante deoarece permit reducerea
complexitii datelor i implicit eliminarea zgomotului, reducerea memoriei
alocate i a timpului de procesare a acestora. n funcie de numrul de
caracteristici de intrare, tehnicile de extragere a caracteristicilor poate aduce o
mbuntire substanial a algoritmului de calcul din punct de vedere al
complexitii acestuia.
La finalul acestui capitol, este realizat o analiz exploratorie a datelor
coninute de baza de date furnizat de platforma educaional ILIAS, ca pas
premergtor n identificarea claselor prin utilizarea metodelor de clustering
prezentate n capitolul urmtor.
Capitolul 4 cu titlul Metode i tehnici data mining utilizate n modelarea
descriptiv i descoperirea regulilor de asociere prezint tehnicile de clustering
utilizate n instrumentele de tip data mining cu exemplificri pe baza de date. S-a
evideniat faptul c, deoarece acestea nu sunt supervizate, gradul lor de clasificare
a datelor rmne puternic dependent de distribuia caracteristicilor din punctul de
vedere al distanelor interclase i intraclas. Sunt aplicate tehnici precum
clustering i algoritmul k-means.
17