基于网络学习行为的学习者画像研究

发布时间：2021-01-24 22:00

　　随着互联网技术和信息技术的交汇融合发展,引发了数据迅猛增长,世界步入大数据时代。网络学习方式灵活多变,赋予了学习者更大的自由和选择权,为终生学习提供了有效途径,同时积累了大量的网络学习经历数据。对学习者学习经历数据为对象进行学习分析和数据挖掘,综合运用分析工具和方法对学习数据进行处理与分析,挖掘出其深层次含义,建立起数量结构与意义理解之间的联系。学习分析的出现和发展为网络学习的研究提供了新的研究方向和思路。根据学习者在学习过程中的行为表现,结合学习者的基本属性建立学习者画像模型,找出规律并开展应用,使网络学习平台可以根据学习者画像为学习者提供个性化、精准化、智能化的网络学习支持服务,提高学习效率和学习质量。因此,本研究基于网络学习行为开展学习者画像建模,并阐明其应用方向。进行基于网络学习行为的学习者画像研究,首先要解决数据收集的问题。究通过文献分析,对比了SCORM和xAPI优劣,发现SCORM难以满足研究需要,本研究利用xAPI标准跨平台、跨终端的技术特征收集交换数据,让学习经历数据可以独立于学习管理平台而独立存在,方便后续学习分析和数据挖掘。另外,本研究介绍了xAPI活动流Acti... 

【文章来源】：西北师范大学甘肃省

【文章页数】：98 页

【学位级别】：硕士

【部分图文】：

研究思路图

学习分的一般流程意图

011年2018年的地平线报告分

【参考文献】：
期刊论文
[1]网络学习行为与成绩的预测及学习干预模型的设计[J]. 王改花,傅钢善.  中国远程教育. 2019(02)
[2]高等教育技术应用的热点与趋势——《地平线报告》（2018高教版）及十年回顾[J]. 李艳,姚佳佳.  开放教育研究. 2018(06)
[3]智慧校园学生画像方法研究[J]. 李光耀,宋文广,谢艳晴.  现代电子技术. 2018(12)
[4]基于xAPI的开放学习者行为分析模型研究[J]. 乔惠,肖君.  电化教育研究. 2018(04)
[5]大数据背景下的精准个性化学习路径挖掘研究——基于AprioriAll的群体行为分析[J]. 姜强,赵蔚,李松,王朋娇.  电化教育研究. 2018(02)
[6]在线学习系统数据可视化评价标准研究[J]. 杨兵,卢国庆,曹树真,Tiong-Thye Goh.  中国远程教育. 2017(12)
[7]在线学习行为影响因素模型研究——基于行为科学理论的评述[J]. 孔丽丽,马志强,易玉何,杨昊.  开放学习研究. 2017(05)
[8]基于大数据的精准教学:生成路径与实现条件[J]. 任红杰.  黑龙江高教研究. 2017(09)
[9]基于数据分析高校学生自画像的初探[J]. 赵国亮,陈晓军,李思奇,吴傲.  数字技术与应用. 2017(08)
[10]自我导向学习理论对我国成人在线学习的启示[J]. 刘婷婷.  成人教育. 2017(08)

博士论文
[1]学习分析视角下中小学教师在线自我调节学习干预研究[D]. 赵艳.东北师范大学 2017
[2]网络学习行为分析及建模[D]. 彭文辉.华中师范大学 2012

硕士论文
[1]高中英语教学中交互式电子白板使用情况调查研究[D]. 赵丽丽.山西师范大学 2018
[2]基于学生行为的成绩预测模型的研究与应用[D]. 刘譞.电子科技大学 2017
[3]基于大数据挖掘的高校学生行为数据分析系统的研究与开发[D]. 孙杨博.华北电力大学(北京) 2017
[4]基于xAPI的学习记录系统的设计与开发[D]. 郭云云.华中师范大学 2016
[5]基于xAPI的网络学习行为分析模型研究[D]. 张斯亮.浙江工业大学 2016
[6]学习分析技术在网络学习中的应用研究[D]. 曾东薇.华中师范大学 2014
[7]促进问题解决的学习干预设计与应用研究[D]. 陈珊.华东师范大学 2013



本文编号：2998007