基于在线学习行为分析的学习效果预测方法研究
发布时间：2021-12-02 10:40
随着在线学习技术的不断发展和在线学习平台的普及,教育数据分析与学习效果预测越来越受到研究者的关注,推动了个性化教学的发展。然而,国内的学习分析预测模型还停留在理论探索与构建的阶段,鲜有对在线学习行为数据进行实际预测的研究,仅有的少数研究在选择预测算法时,没有说明选择依据,这会导致预测算法选择上的盲目性。纵观国内外研究,在选取预测学习行为指标时,没有结合整个在线学习过程,大部分研究直接选取行为指标,这难免会造成行为因素的缺失,从而影响预测结果。本文主要的研究内容及研究成果如下:1、使用文献研究法总结分析了国内外关于学习分析模型和学习预测的相关研究,针对总结出来的研究问题,结合云课堂的实际情况,提出研究需要解决的主要问题。2、结合学习者在云课堂中的整个在线学习过程,理清相关文献中影响学习效果的行为指标,在此基础上,提出19个可供数据收集的行为指标,构建了基于在线学习行为分析的学习效果预测模型,该模型构建过程包含四个步骤:数据的采集和预处理、数据分析、学习效果预测算法、预测及干预,学习效果预测算法部分又包含特征值选取、预测算法选择、数据集分类、预测模型评估四部分。3、以华中师范大学云课堂上的...
【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】：55 页
【学位级别】：硕士
【部分图文】：
图２．２行为科学的过程??行研人的行产生、展、化的，以预测和控制人的行为
从而对可能存在问题的学习者进行干预，对个性化学习的研究有一定的意义，??本文在广泛文献调研的基础上，从效果预测的角度，构建出基于在线学习行为分析??的效果预测模式。如图３．１所示。??预测与干预?数据采集与处理??＾?学习效果ｆ页测?１??学习效果预测?她??数据分析??图３．１基于在线行为分析的学习效果预测模型??３．２数据的采集和处理??这个阶段需要完成两个工作：数据收集与数据处理。学习行为数据采集的场景??是在线学习平台，数据产生端包括ＰＣ端、移动端、Ｗｅｂ端，采集的数据来源具有??多形式的特征，既可来自数据库中的日志数据，也可以是页面鼠标拖拽等操作记录??以及摄像头捕捉的表情等。??在线学习行为分析的数据来源于ＭＯＯＣ平台或其他在线学习平台，在线学习??平台上的数据以不同的数据形式分别存放在不同类型的数据库中，以下是在线学习??平台数据的一般存储类型分类，如图３．２所示：①非关系型数据库，学习者的动态??活动如登录状态、在不同学习单元的活动等存储在ＭｏｎｇｏＤＢ这样的非关系型数据??库中。②关系型数据库；学习者的基本信息如年龄、性别、账号等信息存储在像Ｍｙｓｑｌ、??ＳＱＬＳｅｒｖｅｒ这样的关系型数据库中。③服务器ＪＳＯＮ事件，以ＪＳＯＮ格式在整个课??程中点击数据流，包括服务器和浏览器端事件。一般而言，学生与演讲视频的交互??（例如点击暂停）被记录为浏览器端ＪＳＯＮ事件
从而对可能存在问题的学习者进行干预，对个性化学习的研究有一定的意义，??本文在广泛文献调研的基础上，从效果预测的角度，构建出基于在线学习行为分析??的效果预测模式。如图３．１所示。??预测与干预?数据采集与处理??＾?学习效果ｆ页测?１??学习效果预测?她??数据分析??图３．１基于在线行为分析的学习效果预测模型??３．２数据的采集和处理??这个阶段需要完成两个工作：数据收集与数据处理。学习行为数据采集的场景??是在线学习平台，数据产生端包括ＰＣ端、移动端、Ｗｅｂ端，采集的数据来源具有??多形式的特征，既可来自数据库中的日志数据，也可以是页面鼠标拖拽等操作记录??以及摄像头捕捉的表情等。??在线学习行为分析的数据来源于ＭＯＯＣ平台或其他在线学习平台，在线学习??平台上的数据以不同的数据形式分别存放在不同类型的数据库中，以下是在线学习??平台数据的一般存储类型分类，如图３．２所示：①非关系型数据库，学习者的动态??活动如登录状态、在不同学习单元的活动等存储在ＭｏｎｇｏＤＢ这样的非关系型数据??库中。②关系型数据库；学习者的基本信息如年龄、性别、账号等信息存储在像Ｍｙｓｑｌ、??ＳＱＬＳｅｒｖｅｒ这样的关系型数据库中。③服务器ＪＳＯＮ事件，以ＪＳＯＮ格式在整个课??程中点击数据流，包括服务器和浏览器端事件。一般而言，学生与演讲视频的交互??（例如点击暂停）被记录为浏览器端ＪＳＯＮ事件
【参考文献】：
期刊论文
[1]基于教育数据挖掘的在线学习者学业成绩预测建模研究[J]. 陈子健,朱晓亮. 中国电化教育. 2017(12)
[2]教学干预:提升混合课程质量的关键因素[J]. 孙众,宋洁,吴敏华,骆力明. 中国电化教育. 2017(04)
[3]计算机支持的协作学习分析模型及可视化研究[J]. 郑娅峰,徐唱,李艳燕. 电化教育研究. 2017(04)
[4]网络学习环境下问题学习行为分析模型的研究与应用[J]. 毛刚,刘清堂,李鹤,范福兰. 电化教育研究. 2016(11)
[5]面向对象的学习分析模型的构建与实现[J]. 郑晓薇,刘静,高悦. 中国电化教育. 2016(10)
[6]在线视频学习投入的研究——MOOCs视频特征和学生跳转行为的大数据分析[J]. 陈侃,周雅倩,丁妍,严文蕃,吕倩文. 远程教育杂志. 2016(04)
[7]edX平台教育大数据的学习行为分析与预测[J]. 贺超凯,吴蒙. 中国远程教育. 2016(06)
[8]基于教育大数据的学习干预模型构建[J]. 李彤彤,黄洛颖,邹蕊,武法提. 中国电化教育. 2016(06)
[9]学习分析数据模型及数据处理方法研究[J]. 魏顺平. 中国电化教育. 2016(02)
[10]学习分析在高等教育领域内的创新应用:进展、挑战与出路[J]. 郑旭东,杨九民. 中国电化教育. 2016(02)
本文编号：3528275
【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】：55 页
【学位级别】：硕士
【部分图文】：
图２．２行为科学的过程??行研人的行产生、展、化的，以预测和控制人的行为
从而对可能存在问题的学习者进行干预，对个性化学习的研究有一定的意义，??本文在广泛文献调研的基础上，从效果预测的角度，构建出基于在线学习行为分析??的效果预测模式。如图３．１所示。??预测与干预?数据采集与处理??＾?学习效果ｆ页测?１??学习效果预测?她??数据分析??图３．１基于在线行为分析的学习效果预测模型??３．２数据的采集和处理??这个阶段需要完成两个工作：数据收集与数据处理。学习行为数据采集的场景??是在线学习平台，数据产生端包括ＰＣ端、移动端、Ｗｅｂ端，采集的数据来源具有??多形式的特征，既可来自数据库中的日志数据，也可以是页面鼠标拖拽等操作记录??以及摄像头捕捉的表情等。??在线学习行为分析的数据来源于ＭＯＯＣ平台或其他在线学习平台，在线学习??平台上的数据以不同的数据形式分别存放在不同类型的数据库中，以下是在线学习??平台数据的一般存储类型分类，如图３．２所示：①非关系型数据库，学习者的动态??活动如登录状态、在不同学习单元的活动等存储在ＭｏｎｇｏＤＢ这样的非关系型数据??库中。②关系型数据库；学习者的基本信息如年龄、性别、账号等信息存储在像Ｍｙｓｑｌ、??ＳＱＬＳｅｒｖｅｒ这样的关系型数据库中。③服务器ＪＳＯＮ事件，以ＪＳＯＮ格式在整个课??程中点击数据流，包括服务器和浏览器端事件。一般而言，学生与演讲视频的交互??（例如点击暂停）被记录为浏览器端ＪＳＯＮ事件
从而对可能存在问题的学习者进行干预，对个性化学习的研究有一定的意义，??本文在广泛文献调研的基础上，从效果预测的角度，构建出基于在线学习行为分析??的效果预测模式。如图３．１所示。??预测与干预?数据采集与处理??＾?学习效果ｆ页测?１??学习效果预测?她??数据分析??图３．１基于在线行为分析的学习效果预测模型??３．２数据的采集和处理??这个阶段需要完成两个工作：数据收集与数据处理。学习行为数据采集的场景??是在线学习平台，数据产生端包括ＰＣ端、移动端、Ｗｅｂ端，采集的数据来源具有??多形式的特征，既可来自数据库中的日志数据，也可以是页面鼠标拖拽等操作记录??以及摄像头捕捉的表情等。??在线学习行为分析的数据来源于ＭＯＯＣ平台或其他在线学习平台，在线学习??平台上的数据以不同的数据形式分别存放在不同类型的数据库中，以下是在线学习??平台数据的一般存储类型分类，如图３．２所示：①非关系型数据库，学习者的动态??活动如登录状态、在不同学习单元的活动等存储在ＭｏｎｇｏＤＢ这样的非关系型数据??库中。②关系型数据库；学习者的基本信息如年龄、性别、账号等信息存储在像Ｍｙｓｑｌ、??ＳＱＬＳｅｒｖｅｒ这样的关系型数据库中。③服务器ＪＳＯＮ事件，以ＪＳＯＮ格式在整个课??程中点击数据流，包括服务器和浏览器端事件。一般而言，学生与演讲视频的交互??（例如点击暂停）被记录为浏览器端ＪＳＯＮ事件
【参考文献】：
期刊论文
[1]基于教育数据挖掘的在线学习者学业成绩预测建模研究[J]. 陈子健,朱晓亮. 中国电化教育. 2017(12)
[2]教学干预:提升混合课程质量的关键因素[J]. 孙众,宋洁,吴敏华,骆力明. 中国电化教育. 2017(04)
[3]计算机支持的协作学习分析模型及可视化研究[J]. 郑娅峰,徐唱,李艳燕. 电化教育研究. 2017(04)
[4]网络学习环境下问题学习行为分析模型的研究与应用[J]. 毛刚,刘清堂,李鹤,范福兰. 电化教育研究. 2016(11)
[5]面向对象的学习分析模型的构建与实现[J]. 郑晓薇,刘静,高悦. 中国电化教育. 2016(10)
[6]在线视频学习投入的研究——MOOCs视频特征和学生跳转行为的大数据分析[J]. 陈侃,周雅倩,丁妍,严文蕃,吕倩文. 远程教育杂志. 2016(04)
[7]edX平台教育大数据的学习行为分析与预测[J]. 贺超凯,吴蒙. 中国远程教育. 2016(06)
[8]基于教育大数据的学习干预模型构建[J]. 李彤彤,黄洛颖,邹蕊,武法提. 中国电化教育. 2016(06)
[9]学习分析数据模型及数据处理方法研究[J]. 魏顺平. 中国电化教育. 2016(02)
[10]学习分析在高等教育领域内的创新应用:进展、挑战与出路[J]. 郑旭东,杨九民. 中国电化教育. 2016(02)
本文编号：3528275
本文链接：https://www.wllwen.com/jiaoyulunwen/xueshengguanli/3528275.html
