学习云空间中基于大数据分析的学情预测研究

发布时间：2024-06-05 23:39

　　随着学习云空间应用的不断深入,海量过程性数据与富媒体资源使其呈现为典型大数据特征环境。文章对学习云空间的大数据特征、分析方法及其带来的机遇进行了深入的分析,并依据学习云空间传统数据及其过程性数据提出一种学情预测模型及其实现方法。在模型构建过程中,通过计算各学情因素的Gini增益,实现学习效果影响程度的判别,并提出改进的并行随机森林算法,以世界大学城系统平台为支撑进行学习预测与效果检验。结果表明,该方法较为有效地实现了大数据环境下学习云空间的学情预测,并为学习云空间中基于大数据技术的智能服务提供了一种可行的参考方案。

【文章页数】：8 页

【文章目录】：
一、引言
二、学习云空间中的教育大数据概况
    (一) 学习云空间形态及其大数据特征
        1. 传统B/S架构或专用软件形态
        2. 基于App或移动网页形态
    (二) 面向学习云空间的大数据分析方法
    (三) 教育大数据分析对学习云空间带来的机遇
三、网络学习空间中的学情因素量化与影响程度判别
    (一) 相关假设与空间学情因素选择
    (二) 学习云空间学情因素量化
    (三) 基于Gini指数的学习云空间学习效果影响因素识别
四、基于大数据技术的学习云空间学情预测模型及其实现方法
    (一) 基于大数据技术的学习云空间学情预测模型构建
    (二) 基于并行随机森林的学情预测实现方法
        1. 学情预测模型样本选择
        2. 并行随机森林构建算法
        3. 学情预测结果投票机制
五、实验与分析
    (一) 实验准备
    (二) 预测模型检验结果及其分析
        1. 实验一:基于Gini增益的各学情因素对学习效果的影响程度计算
        2. 实验二:不同规模数据量下的OOB Score情况对比
        3. 实验三:采用不同节点或GPU设备的计算加速比对比
    (三) 应用效果及其分析
六、结语



本文编号：3989976