中学生在线作业结果数据关联规则分析与学习质量诊断研究

发布时间：2020-10-02 07:48

　　大数据时代的来临,强有力的推动了人们工作、生活与思维方式的大变革。在教育领域,大数据也推动着教育信息化的发展浪潮。伴随着信息技术的快速发展,各类在线作业平台受到了中小学生的欢迎,其个性化的学习结果呈现方式、丰富的学习资源既提高了学生学习的效果也减轻学生作业的负担,同时也产生了大量结构化、非结构化和半结构的数据。通过收集学生学习中的各类行为、过程和结果数据,借助大数据挖掘技术,可实现学生学习过程和结果数据的挖掘与建模,诊断学生学习的质量,构建个性化教育环境,探究教育发展变化的规律,为教育的科学决策提供有力支撑。本文首先在查阅国内外有关文献的基础上,对在线作业、作业结果与学习结果、知识点、学习质量等核心概念进行了界定。在对在线作业系统的发展现状以及在线作业结果数据建模与学习质量诊断有关研究现状进行梳理的过程中,总结了当前国内外有关在线作业结果数据建模与学习质量诊断研究的发展趋势以及不足。借鉴数据挖掘的基本流程,以数据分析的层级为基础,确定了本研究中数据挖掘与采集的基本流程,需要采集的数据项以及数据分析目标。基于xAPI技术搭建数据采集平台,完成建模结果数据的采集并存储至LRS库中。基于采集的学生在线作业结果数据,以加涅的学习结果分类理论为指导,运用关联规则技术中的Apriori算法构建了知识点关联关系挖掘模型,探究了影响学习质量提升的不同知识点之间前后潜在的影响关系,并将知识点之间的相互影响关系进行可视化表示。以布鲁姆教育目标分类理论、加涅学习结果分类理论为指导,运用“以用户为基础的协同过滤算法”进行学生在不同知识点得分结果数据建模,完成学生对不同知识点掌握水平的评价,将评价结果以热力图的方式进行可视化展示,实现学生学习质量诊断的目标。本文借助xAPI技术规范实现了学生在线作业结果数据的采集,把数据挖掘技术中的Apriori算法和“以用户为基础的协同过滤算法”运用在学生在线作业结果数据的挖掘与建模中,在对现有研究成果梳理的基础上,运用建模的思想明确了影响学生学习质量提升的各知识点间潜在的相互影响关系,实现了知识点影响关系的可视化表示。完成了学习质量过程与结果的综合诊断与评价,实现了学生在不同知识点学习水平的过程性评价,进一步丰富了在线作业结果数据建模的研究视角。
【学位单位】：西北师范大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP311.13;G434
【部分图文】：

论文研究,思路图

7路，本论文的结构框架如下所述：介绍本文的研究背景，提出本文的研究问题，阐述本文方法，以及论文的组织结构。有研究成果，界定本研究涉及的相关概念，叙述本研究研究的数据采集与分析流程。依据建模与数据分析的数据采集项。借鉴已有的数据采集标准，选择并搭建数期建模与数据分析提供原始数据支持，并根据数据分学生在线作业知识点之间关联关系挖掘模型构建原则

数据挖掘,认知结构,数据挖掘技术,潜在知识

认知结构理论中可以看出，借鉴学习者已有的知识和学习经验，挖掘新旧知有效关联，形成有效的知识网络，并内化为学习者有效的认知结构，对于学习知识认知过程具有重要作用。同时充分的了解和定位学生的学习起点，通过各先把握学习的认知结构和知识状况，可以有效地保障学生在学习新知识时与头知结构建立起练习，提高学习者的学习效果。.4 数据挖掘技术.数据挖掘的定义据挖掘（DATA MINING)是从大量的、不完全的、有噪声的、模糊的、随机的取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。理解为从大量的含有噪声数据中，发现可接受、可理解、可应用、潜在知识则)的过程[118]。也称为数据库中的知识发现（KNOWLEDGE DISCOVER IN DATA[119]。数据挖掘获得的知识是相对的，具有一定的约束条件，在特定领域具有用价值。数据挖掘技术己经在多个领域获得了广泛应用，运用数据挖掘对数据

金字塔模型

DIKW 体系基于对数据、信息、知识进行对比分析可以得出，数据挖的转化之后知识的主要内涵：知识来源于信息，但又不是信息的子集后，关联了具体情境的、可以指导如何行动的信息。在当今海时代下，知识起到去伪存真、去粗存精的作用。知识使信息变得有用环境中，对于特定接收者解决如何开展工作的问题，需要借助基的思维模式，通过数据提升问题解决的方式方法。据挖掘的过程识的发现过程来看，知识发现是实现从数据中发现有用知识的整个过实现从大量数据中抽取和挖掘知识的过程。因此，从知识发现的过程认为是知识发现过程的一个特定步骤。具体有如下流程。问题理解和定义。数据挖掘是为了从大量有噪声的数据中发掘有价值现何种有价值的知识就成为整个挖掘过程中定义的第一个环节。在这确数据挖掘的主要任务，定义挖掘的业务，确定挖掘的目标，以及挖

【参考文献】