常规序列挖掘在认知层次转移研究中的应用
发布时间：2021-12-31 11:03
数据挖掘通过分析大量数据来揭示隐藏的有意义的规律或模式。在教育领域数据挖掘能帮助解决教育研究与教学实践中的问题。慕课的发展为我国各地区教育均衡发展提供了条件,慕课平台中学生的行为数据也受到研究者的关注。许多研究主张教师应该作为信息时代学习活动的引导者,但是鲜有研究探讨慕课教师在认知层次方面会对学生作出怎样的引导。本文依据布卢姆认知分类理论修订版,提出了一种融合文本分析的认知挖掘方法,将序列挖掘应用到慕课场景中,探究慕课论坛中教师的回复对学生认知层次的作用。本文利用爬虫收集2014年9月至2018年3月八门慕课的论坛数据,主题帖累计1077个,教师参与讨论601次。依据布卢姆分类框架认知层次标识词,标定学生和教师在老师答疑区所表现出来的认知层次。基于文本建立了认知序列,结合统计方法和GSP算法探究教师对学生认知的影响。检验教师参与讨论之前与之后,学生认知层次占比以及认知序列频率是否发生显著变化。研究发现:教师的参与能影响学生后续讨论的认知层次,促进学生往较高认知层次发展。宏观上主要表现在学生的记忆与创造这两个认知层次的占比,相较于教师参与之前发生了显著的改变。其中,记忆占比下降,创造占比...
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图２．１原版（左）与修订版（右）的分类框架??订版己广泛应用于研［２２］
视为对象，先将文本使用??Ｕｎｉｃｏｄｅ编码方式进行转码。接着Ｂｅａｕｔｉｆｕｌ?Ｓｏｕｐ选择最合适的解析器来解析这段文??本，也可以手动设置指定的解码器。Ｂｅａｕｔｉｆｕｌ?Ｓｏｕｐ的特点是将ＨＴＭＬ文档转成一??个树形结构，每个节点就是一个Ｐｙｔｈｏｎ对象。通常对象分为４中类型，分别是：??Ｔａｇ?，?ＮａｖｉｇａｂｌｅＳｔｒｉｎｇ，ＢｅａｕｔｉｆＬｉｌＳｏｕｐ?，?Ｃｏｍｍｅｎｔ。下面将抽取中国大学生?ＭＯＯＣ?某??个页面，来说明ＢｅａｕｔｉｆｌｉｌＳｏｕｐ的解析机制。??如图２．３所示，此段ＨＴＭＬ代码是《新媒体概论》课程公告页面的部分结构。??其中＜（＾＞、＜１１３＞、＜０＞、＜３＞标签将转为１＾３１１１；丨１＼１１８〇叩的丁３８对象，每个丁３§对象??拥有ｎａｍｅ和ａｔｔｒｉｂｕｔｅｓ等属性。常用ｆｉｎｄ（）、ｆｉｎｄ＿ａｌｌ（）等函数来匹配单个或多个Ｔａｇ，??再调用Ｔａｇ相应的函数，就可以获取Ｔａｇ的信息，这样我们就能从ＨＴＭＬ中获取实??验需要的数据。??＾?＜ｄｉｖ＞??ｖ＜ｄｉｖ?ｃｌｓｓｓ＝Ｋｃｎｔ??＜Ｐ?ｃｉａｓｓ＾－ｔｎｔ?■??＜／ｄｉｖ＞??ａ?ｃｌａｓｓ－＾ｕ－ｂｔｎ?ｆ－ｆｒ?ｕ－ｂｔｎ－ｏｒａｎｇｅ?ｕ－ｂｔｎ－ｌｇ?ｊ－ｎｅｘｔｌｉｎｋ＂?ｈｒｅｆ＾；，＃／ｌｅａｒｎ／ｃＧｎｔｅｎｔ，＇?ｔａｒｇｅｔ＝Ｍ＿ｓｅｌＦ、开始学习／ａ＞??＜ａ?ｃｌａｓｓ＾＾ｍｒ－ｌＳ?ｕ－ｂｔｎ?ｆ－ｆｒ?ｕ－ｂｔｎ－ｌｇ?ｊ－ｃｈｅｃｋＧｒａｄｅ＂?ｈｒｅｆ?ｊａｖａｓｃｒｉｐｔ：ｓｔｙｌｅ■．＂ｄｉｓｐｌａｙ：?ｎｏｎｅ＂?成缓犹志／ａ、??＜／ｄｉｖ＞??图２．３《新媒体概论》公告页面部分结
／ｍ??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??其结果见图４．１。由图可知，记忆认知密度整体呈现先下降后上升的趋势，而理解和??分析的密度却呈现先上升－下降－上升的趋势。??２．００??１６０?＼?／?上??１．４０?＇?记忆??？?＼?＾?／?—ｊｊ＿＿?理解??＾?〇＾〇?应用??０．４０?一评价??０．２（３?ｗ仓＾运??０．００??１２３４５６７８９?１０??周序??图４．１学生的认知密度分布??表４．１和表４．２是基于认知标识词的绝对数量，整体数量随着课程进行，呈下??降趋势。而认知密度的趋势却与绝对数量有所差异，尤其是在课程后期的表现。因??此我们推测，随着课程的而推进，会出现一部分辍学的人，并且学生的学习热情也??有所下降，以致发帖量和认知密度下降。但是临近期末时，学生借助论坛中对课程??内容进行回顾与答疑，学生发帖的认知密度回升到课程开始状态，虽然发帖量少，??但是发帖的内容质量较高。??４．２教师对学生认知作用分析??４．２．１认知占比角度分析??我们基于第三章的工作，对认知序列挖掘的结果进行阐述。??以主题帖为单位，选取学生－教师－学生会话模式的主题帖作为实验组，以教师??回复时间作为分组（界）标准，划分为教师介入前的学生发言与教师介入后的学生??发言２组。在对照组中，随机抽取等数量的无教师参与主题帖，按照回复时间顺序，??均分为前序与后序２组。本次实验组与对照组样本量均为１５８个主题帖，结果见表??４．３。由表４．３可知实验组｜Ｚｉ＾＞１．９６，Ｐａｅ＜〇．〇５，学生群体累计的记忆认知层次在??教师参与讨论前后出现了显著的差异。实验组｜Ｚ＆＾＞１．９６，?ＰＭ＜０．０５，学
【参考文献】：
期刊论文
[1]网络环境下的案例教学:在线讨论的效果及影响因素分析[J]. 罗恒,曾兰,杨婷婷. 中国远程教育. 2019(05)
[2]SPOC学习者认知行为及序列模式的差异性分析[J]. 刘智,杨重阳,刘三女牙,柴唤友,尼尔斯·平克瓦特. 开放教育研究. 2019(02)
[3]高校SPOC环境下学习者行为序列的差异性分析研究[J]. 刘智,王亚妮,郑年亨,刘三,孙建文,杨重阳. 中国电化教育. 2017(07)
[4]慕课环境下学习者学习行为差异性分析研究[J]. 刘三女牙,刘智,高菊,孙建文. 电化教育研究. 2016(10)
[5]MOOCs中学习者论坛交互中心度与交互质量的关系实证研究[J]. 郑勤华,李秋劼,陈丽. 中国电化教育. 2016(02)
[6]教育数据挖掘研究进展综述[J]. 周庆,牟超,杨丹. 软件学报. 2015(11)
[7]如何有效设计高质量的MOOCs——基于认知目标分类和交互分析框架的思考[J]. 王志军,陈丽. 现代远程教育研究. 2014(06)
[8]推动信息技术与教师教育的深度融合[J]. 许涛. 教育研究. 2012(09)
[9]国内中文自动分词技术研究综述[J]. 奉国和,郑伟. 图书情报工作. 2011(02)
[10]关联规则挖掘Apriori算法的研究与改进[J]. 刘华婷,郭仁祥,姜浩. 计算机应用与软件. 2009(01)
博士论文
[1]社交网络热点话题传播分析和预测[D]. 黄建一.北京科技大学 2019
[2]面向在线用户消费行为理解的数据挖掘方法研究[D]. 吴乐.中国科学技术大学 2015
[3]认知类动词及相关句式研究[D]. 张明辉.苏州大学 2008
硕士论文
[1]面向教育数据日志分析的用户行为预测研究[D]. 成耐克.西安理工大学 2019
[2]基于用户兴趣模型的图书推荐系统的研究与实现[D]. 吴署青.江苏大学 2019
[3]基于校园大数据的学生行为分析与预测方法研究[D]. 梁柱.西安理工大学 2017
[4]MOOC学习者社会性交互影响因素研究[D]. 王美月.吉林大学 2017
[5]MOOCs论坛中的学生提问及其与学习成绩、教师投入的关系[D]. 曹萌.华中师范大学 2017
[6]现代汉语认知心理动词句研究[D]. 冯璐璐.南京师范大学 2015
[7]优秀小学语文教师课堂提问教学研究[D]. 闫晶晶.华东师范大学 2012
[8]时间序列数据挖掘研究[D]. 任芳.辽宁师范大学 2010
[9]中文分词关键技术研究[D]. 曹卫峰.南京理工大学 2009
[10]布卢姆教育目标分类理论新发展及其教学意义[D]. 王瑞霞.华东师范大学 2007
本文编号：3560140
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图２．１原版（左）与修订版（右）的分类框架??订版己广泛应用于研［２２］
视为对象，先将文本使用??Ｕｎｉｃｏｄｅ编码方式进行转码。接着Ｂｅａｕｔｉｆｕｌ?Ｓｏｕｐ选择最合适的解析器来解析这段文??本，也可以手动设置指定的解码器。Ｂｅａｕｔｉｆｕｌ?Ｓｏｕｐ的特点是将ＨＴＭＬ文档转成一??个树形结构，每个节点就是一个Ｐｙｔｈｏｎ对象。通常对象分为４中类型，分别是：??Ｔａｇ?，?ＮａｖｉｇａｂｌｅＳｔｒｉｎｇ，ＢｅａｕｔｉｆＬｉｌＳｏｕｐ?，?Ｃｏｍｍｅｎｔ。下面将抽取中国大学生?ＭＯＯＣ?某??个页面，来说明ＢｅａｕｔｉｆｌｉｌＳｏｕｐ的解析机制。??如图２．３所示，此段ＨＴＭＬ代码是《新媒体概论》课程公告页面的部分结构。??其中＜（＾＞、＜１１３＞、＜０＞、＜３＞标签将转为１＾３１１１；丨１＼１１８〇叩的丁３８对象，每个丁３§对象??拥有ｎａｍｅ和ａｔｔｒｉｂｕｔｅｓ等属性。常用ｆｉｎｄ（）、ｆｉｎｄ＿ａｌｌ（）等函数来匹配单个或多个Ｔａｇ，??再调用Ｔａｇ相应的函数，就可以获取Ｔａｇ的信息，这样我们就能从ＨＴＭＬ中获取实??验需要的数据。??＾?＜ｄｉｖ＞??ｖ＜ｄｉｖ?ｃｌｓｓｓ＝Ｋｃｎｔ??＜Ｐ?ｃｉａｓｓ＾－ｔｎｔ?■??＜／ｄｉｖ＞??ａ?ｃｌａｓｓ－＾ｕ－ｂｔｎ?ｆ－ｆｒ?ｕ－ｂｔｎ－ｏｒａｎｇｅ?ｕ－ｂｔｎ－ｌｇ?ｊ－ｎｅｘｔｌｉｎｋ＂?ｈｒｅｆ＾；，＃／ｌｅａｒｎ／ｃＧｎｔｅｎｔ，＇?ｔａｒｇｅｔ＝Ｍ＿ｓｅｌＦ、开始学习／ａ＞??＜ａ?ｃｌａｓｓ＾＾ｍｒ－ｌＳ?ｕ－ｂｔｎ?ｆ－ｆｒ?ｕ－ｂｔｎ－ｌｇ?ｊ－ｃｈｅｃｋＧｒａｄｅ＂?ｈｒｅｆ?ｊａｖａｓｃｒｉｐｔ：ｓｔｙｌｅ■．＂ｄｉｓｐｌａｙ：?ｎｏｎｅ＂?成缓犹志／ａ、??＜／ｄｉｖ＞??图２．３《新媒体概论》公告页面部分结
／ｍ??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??其结果见图４．１。由图可知，记忆认知密度整体呈现先下降后上升的趋势，而理解和??分析的密度却呈现先上升－下降－上升的趋势。??２．００??１６０?＼?／?上??１．４０?＇?记忆??？?＼?＾?／?—ｊｊ＿＿?理解??＾?〇＾〇?应用??０．４０?一评价??０．２（３?ｗ仓＾运??０．００??１２３４５６７８９?１０??周序??图４．１学生的认知密度分布??表４．１和表４．２是基于认知标识词的绝对数量，整体数量随着课程进行，呈下??降趋势。而认知密度的趋势却与绝对数量有所差异，尤其是在课程后期的表现。因??此我们推测，随着课程的而推进，会出现一部分辍学的人，并且学生的学习热情也??有所下降，以致发帖量和认知密度下降。但是临近期末时，学生借助论坛中对课程??内容进行回顾与答疑，学生发帖的认知密度回升到课程开始状态，虽然发帖量少，??但是发帖的内容质量较高。??４．２教师对学生认知作用分析??４．２．１认知占比角度分析??我们基于第三章的工作，对认知序列挖掘的结果进行阐述。??以主题帖为单位，选取学生－教师－学生会话模式的主题帖作为实验组，以教师??回复时间作为分组（界）标准，划分为教师介入前的学生发言与教师介入后的学生??发言２组。在对照组中，随机抽取等数量的无教师参与主题帖，按照回复时间顺序，??均分为前序与后序２组。本次实验组与对照组样本量均为１５８个主题帖，结果见表??４．３。由表４．３可知实验组｜Ｚｉ＾＞１．９６，Ｐａｅ＜〇．〇５，学生群体累计的记忆认知层次在??教师参与讨论前后出现了显著的差异。实验组｜Ｚ＆＾＞１．９６，?ＰＭ＜０．０５，学
【参考文献】：
期刊论文
[1]网络环境下的案例教学:在线讨论的效果及影响因素分析[J]. 罗恒,曾兰,杨婷婷. 中国远程教育. 2019(05)
[2]SPOC学习者认知行为及序列模式的差异性分析[J]. 刘智,杨重阳,刘三女牙,柴唤友,尼尔斯·平克瓦特. 开放教育研究. 2019(02)
[3]高校SPOC环境下学习者行为序列的差异性分析研究[J]. 刘智,王亚妮,郑年亨,刘三,孙建文,杨重阳. 中国电化教育. 2017(07)
[4]慕课环境下学习者学习行为差异性分析研究[J]. 刘三女牙,刘智,高菊,孙建文. 电化教育研究. 2016(10)
[5]MOOCs中学习者论坛交互中心度与交互质量的关系实证研究[J]. 郑勤华,李秋劼,陈丽. 中国电化教育. 2016(02)
[6]教育数据挖掘研究进展综述[J]. 周庆,牟超,杨丹. 软件学报. 2015(11)
[7]如何有效设计高质量的MOOCs——基于认知目标分类和交互分析框架的思考[J]. 王志军,陈丽. 现代远程教育研究. 2014(06)
[8]推动信息技术与教师教育的深度融合[J]. 许涛. 教育研究. 2012(09)
[9]国内中文自动分词技术研究综述[J]. 奉国和,郑伟. 图书情报工作. 2011(02)
[10]关联规则挖掘Apriori算法的研究与改进[J]. 刘华婷,郭仁祥,姜浩. 计算机应用与软件. 2009(01)
博士论文
[1]社交网络热点话题传播分析和预测[D]. 黄建一.北京科技大学 2019
[2]面向在线用户消费行为理解的数据挖掘方法研究[D]. 吴乐.中国科学技术大学 2015
[3]认知类动词及相关句式研究[D]. 张明辉.苏州大学 2008
硕士论文
[1]面向教育数据日志分析的用户行为预测研究[D]. 成耐克.西安理工大学 2019
[2]基于用户兴趣模型的图书推荐系统的研究与实现[D]. 吴署青.江苏大学 2019
[3]基于校园大数据的学生行为分析与预测方法研究[D]. 梁柱.西安理工大学 2017
[4]MOOC学习者社会性交互影响因素研究[D]. 王美月.吉林大学 2017
[5]MOOCs论坛中的学生提问及其与学习成绩、教师投入的关系[D]. 曹萌.华中师范大学 2017
[6]现代汉语认知心理动词句研究[D]. 冯璐璐.南京师范大学 2015
[7]优秀小学语文教师课堂提问教学研究[D]. 闫晶晶.华东师范大学 2012
[8]时间序列数据挖掘研究[D]. 任芳.辽宁师范大学 2010
[9]中文分词关键技术研究[D]. 曹卫峰.南京理工大学 2009
[10]布卢姆教育目标分类理论新发展及其教学意义[D]. 王瑞霞.华东师范大学 2007
本文编号：3560140
本文链接：https://www.wllwen.com/jiaoyulunwen/ktjx/3560140.html
