基于行为数据分析的学习者学习习惯挖掘及学习路径规划

发布时间：2024-01-23 13:28

　　在线教育可以让人人享受到平等的教育,学习者可以自由选择自己想要的课程。但这也带来了弊端,比如由于知识碎片化引发的知识过载与学习迷航问题,以及资源推荐中学习者与资源间的语义鸿沟的问题。本文提出一种基于学习者学习行为序列的学习习惯挖掘方法,利用学习习惯可以在其偏好的学习时间提醒学习者进行学习,并且可以通过对于学习序列的分析,为学习者提供学习路径规划以及学习内容推荐等,以求减少在线教育中的辍学率,或者在学习者放弃课程之前尽可能的学到课程中更多的内容。同时本文将具有更强约束条件的线下学习内容融入到学习路径的规划中,让学习者的学习效果进一步的提高。本文就如何解决学习迷航以及填补教育资源与学习者之间的语义鸿沟的课题中的两个子问题展开研究,即挖掘学习者学习习惯以及为学习者规划学习路径两个问题。学习习惯挖掘子问题主要是如何对学习者的学习习惯进行建模,并通过对真实数据的处理和分析,挖掘出学习者的学习习惯。利用得到的学习习惯对学习者进行群组划分,通过对真实数据集的实验,验证了利用Kmeans思想解决学习习惯群组划分问题的有效性。并通过LSTM算法预测学习者对于习题的作答结果,验证了将学习行为序列抽象成时间...

【文章页数】：85 页

【学位级别】：硕士

图2-1未取得证书学习者视频观看率

图2-2去掉0.1以下数据的视频观看率

图2-3单个视频观看率分布

图2-4视频观看倍速分布

本文编号：3882742