大学生学习行为分析研究与应用

发布时间：2020-08-03 11:09

【摘要】：本文对大学生学习行为分析进行了大量的研究,基于大学生上网数据,提出网站对专业学习贡献度的概念,并给出计算方法,在此基础上构建大学生学习行为分析模型,并实现学业预警系统,在高校学分制全面实行的背景下,该系统能够及时提醒大学生保持良好的学习状态,帮助大学生顺利毕业。主要研究内容如下:(1)提出网站对专业学习贡献度的概念,并给出计算方法。首先,本文结合培养方案中的课程体系初步建立专业词库,并利用语言模型算法对专业词库进行扩展;其次,利用多种技术获取并处理大学生的上网内容,将这些内容用特征词表示;最后,提出基于关键词匹配的网站贡献度算法(WCDA-KM),用于计算网站贡献度,大学生上网内容与所学专业相关度越高,则网站贡献度越高,从而获取大学生的上网动机,了解大学生的学习状态。(2)研究上网数据中影响大学生成绩的关键属性,并针对关键属性确定动态预警规则。本文利用改进后的朴素贝叶斯算法(NB)对大学生上网数据和成绩数据进行分析。由于上网数据中属性之间并不独立,无法满足NB算法的类条件独立性假设,本文对NB算法进行改进,通过引入特征加权思想,利用改进的花授粉算法(IFPA)搜索全局最优属性权值,提出基于改进的花授粉算法的朴素贝叶斯分类器算法(NBC-IFPA)。利用NBC-IFPA算法对上网数据和成绩数据进行分析,得到的权值用于确定影响大学生成绩的关键属性,并针对关键属性确定动态预警规则,用于系统实现。(3)实现学业预警系统。以网站贡献度为基础,实现学业预警系统,包括动态预警和静态预警。动态预警依据动态预警规则,对大学生的学习状态进行动态跟踪,对符合预警规则的大学生进行预警;静态预警通过对教务数据的深入分析,结合学业管理制度,确定学业预警规则,对偏离正常学习状态的学生及时给予警示与帮助。
【学位授予单位】：苏州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：G434;TP391.1
【图文】：

软件工程,词项,语言模型,概率

图 3-2 软件工程专业词库截图为了适应时代的发展，培养计划和课程体系结构会不断地更新，新的专业名词也会不断出现，对于这些新名词需要及时添加到专业词库中，从而不断完善专业词库。3.2.2 基于语言模型算法的专业词库扩展由于培养计划里的课程名无法涵盖该专业的全部内容，所以需要对初步建立的专业词库进行扩展。文献[60]在基于局部分析的词扩展方法基础上，设计和实现了一种基于语言模型的扩展词提取算法，该算法准确率较高，且操作简单。所以本文使用语言模型算法来对专业词库进行扩展。该算法的基本思想为：首先，选取若干相关文档，计算出每篇文档的一元语言模型，即计算出每篇文档所包含的各个词项对应的概率；然后，将各个文档的词项合并，将相同词项的概率求和作为该词项在整个文档集的概率；最后，选取概率最大的前若干词项作为扩展词。具体处理流程如下：

信息查询,语句,学号

上网内容获取与处理据采集大学生的上网数据为研究对象，数据来源于常熟理工学院。从本校大学生的上网日志数据。提取的数据格式为 ONLINE_SER_IP，源端口号 SRC_PORT，目的 IP 地址 DST_IP，T，协议版本 IP_VERSION，操作类型 HTTP_TYPE…)，总共数据中不包含大学生学号信息，本文利用校园信息门户网站，并与上网日志中 IP 地址一一对应，将上网数据与上网学上网日志数据中抽取出关键字段，创建表 STU_SURF(学号 IP，访问网址HTTP_URL，上网时长SECONDS，上线时间RELUX，网站类型 APP)。以学号为 092217101 的学生为例，查使用如图 3-3 中的 SQL 语句。

框架,网页,文本内容,大学生

图 3-4 部分查询结果截图在获得大学生的上网数据后，利用表 STU_SURF 中“HTTP_URL”字段便学生的访问网址，利用爬虫技术爬取网页文本内容，本文使用 Scrapy 爬虫框.2 爬虫本文使用 Scrapy 爬虫框架爬取大学生访问内容。Scrapy 是利用 Python 语言络爬虫框架，作为爬虫框架，它使得爬虫的设计和工作变得快速简单，同时的扩展性和鲁棒性[61]。所以 Scrapy 在爬虫设计中使用广泛，也符合本文所虫特性，因此本文使用 Scrapy 来完成网页爬取工作。下图3-5概括了Scrapy的整体架构，一共由8个部分组成，主要包括了以下组

【参考文献】