基于在线学习行为数据的人格特质识别研究

发布时间：2022-07-08 14:03

　　获取学习者个性特征是实现以学生为中心的精准化、个性化教学的重要前提,而学习行为是分析学习者个性特征的重要依据。本研究以参加奥鹏公共研修平台在线学习者为研究对象,基于人格特质生成学习行为偏好假设,探索利用机器学习分类算法实现在线学习行为的人格特质识别;同时基于文献构建人格特质类型与在线学习行为之间的映射关系,采用Rapid Miner数据挖掘工具探索决策树、朴素贝叶斯和支持向量机三种算法对五种人格特质的识别效果。结果发现:决策树算法对人格特质类型的识别准确率高于其他两种算法,对大五人格特质的综合识别效果最好;不同人格特质识别灵敏度不同,尽责性人格特质类型的识别灵敏度最高,神经质人格特质最低。 

【文章页数】：11 页

【文章目录】：
一、前言
二、研究现状
三、研究方法及过程
    (一)研究对象
    (二)研究方法及工具
        1.大五人格测量量表
        2.机器学习分类算法
    (三)数据收集
        1.大五人格量表数据收集
        2.在线行为数据收集
    (四)研究过程
        1.人格特质与在线学习行为关系构建
        2.在线学习行为指标验证
        3.基于在线学习行为数据的人格特质识别
        4.人格特质识别结果验证
四、结果与讨论
    (一)人格特质与学习行为之间存在映射关系
    (二)不同分类算法识别准确率不同,决策树算法的识别准确率最高
    (三)不同人格特质识别的灵敏度不同,尽责性识别灵敏度最高


【参考文献】：
期刊论文
[1]学习分析视角下的个性化预测研究[J]. 张琪,王红梅,庄鲁,赖松.  中国远程教育. 2019(04)
[2]机器学习分类问题及算法研究综述[J]. 杨剑锋,乔佩蕊,李永梅,王宁.  统计与决策. 2019(06)
[3]大数据时代的数据挖掘综述[J]. 蔡萌萌,张巍巍,王泓霖.  价值工程. 2019(05)
[4]网络环境下虚拟人格研究进展与热点分析[J]. 刘颖,赵宏.  开放学习研究. 2018(04)
[5]基于用户社交网络数据的人格倾向性分析及预测模型的建立[J]. 娜迪热,胡俊.  电脑知识与技术. 2018(07)
[6]数据挖掘中的分类算法综述[J]. 魏茂胜.  网络安全技术与应用. 2017(06)
[7]基于层次分析法的在线学习行为指标体系构建[J]. 李超,程罡,石磊.  河北广播电视大学学报. 2017(02)
[8]学习分析视角下在线认知水平的评价模型研究[J]. 冯晓英,郑勤华,陈鹏宇.  远程教育杂志. 2016(06)
[9]在线学习行为投入分析框架与测量指标研究——基于LMS数据的学习分析[J]. 李爽,王增贤,喻忱,宗阳.  开放教育研究. 2016(02)
[10]人格类型理论视角下的在线学习活动设计验证[J]. 衷克定,杨莉莉.  现代远程教育研究. 2016(02)

博士论文
[1]社交网络用户人格特质挖掘及其在个性化推荐领域的应用研究[D]. 王佳佳.合肥工业大学 2017

硕士论文
[1]基于人格特征的网络学习交互行为研究[D]. 陶楚楚.渤海大学 2018
[2]大学生网络学习行为与人格特征的相关性研究[D]. 李阳.西北大学 2016
[3]人格特质与大学生英语学习成绩关系研究[D]. 王艳芝.吉林大学 2004



本文编号：3657161