面向在线学习行为分析的学习效果预测方法研究

发布时间：2021-06-24 02:19

　　“互联网+教育”让中国教育正在步入一场基于信息化技术的伟大变革之中,MOOC是由教育模式与互联网技术相融合而形成的一种教育理念先进、课程资源丰富、教学手段灵活、学习评价多元的全新学习环境。以MOOC课堂为代表的在线学习平台能够实时跟踪学习者的学习行为数据,研究潜藏在行为数据中的有用价值,是一项保障学习者的学习质量的有效举措。因此,对学习者的学习效果进行预测和对学习者的学习行为进行干预是具有非常重要的现实意义。然而,通过研读文献发现相关实证研究较少,这些研究要么对数据指标选取存在片面性或者数据量较少,要么采用的单一预测模型的准确性不高。针对目前研究的不足之处,本文做了以下研究工作:1、结合学习者在英国开放大学在线学习平台VLE的整个学习过程,本文归纳了 7个维度共33个可用于数据分析的相关指标,这些指标不仅仅包含了内容学习行为、测试行为、合作行为和资源搜索行为等人机交互行为数据,还包括了人口背景信息、学习能力、学习态度等其他影响学习效果的特征数据,试图最大限度地采集相关指标。2、对学习者的相关数据进行描述性统计,探讨在线学习是否真正影响学习效果这一基础研究。同时使用多元统计法和机器学习算... 

【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】：100 页

【学位级别】：硕士

【部分图文】：

图１．１组织结构图??第五章，基于在线学习行为分析的学习效果单一预测模型

图２．１行为动机原理??

图２．?２数据挖掘过程??数据挖掘简单而言就是从纷繁复杂的数据集获取到预先未知但具有价值的信??

【参考文献】：
期刊论文
[1]中国教育改革中的慕课（MOOC）发展研究综述（2012-2018）[J]. 邓东元.  昆明理工大学学报(社会科学版). 2019(01)
[2]数据挖掘在教育大数据中的应用研究[J]. 王晓妮,韩建刚.  无线互联科技. 2018(18)
[3]大规模私有型在线课程建设模式及其质量保障机制——以国家开放大学网络课程建设过程为例[J]. 石磊,程罡,刘志敏,冯立国.  中国远程教育. 2018(08)
[4]教育数据挖掘工具综述[J]. 斯特凡·斯莱特,斯万克·约克西莫维奇,维特梅·科万诺维奇,莱恩·贝克,德拉甘·加斯维奇,崔鑫,王靖.  开放学习研究. 2018(01)
[5]基于协同过滤算法的MOOC个性化推荐系统[J]. 胡国强,张旭虎.  信息技术. 2017(06)
[6]面向深度学习的在线课程活动设计研究——基于英国开放大学的案例剖析[J]. 冷静,吴小芳,顾小清.  远程教育杂志. 2017(02)
[7]基于MOOC教学平台的教学模式建构研究[J]. 张慧毅,徐荣贞,孙杰,蒋玉洁.  中国教育信息化. 2017(02)
[8]浅析数据挖掘在教育数据中的应用[J]. 孙志梅.  信息通信. 2016(11)
[9]大学生在线学习行为与人格特征的相关性研究[J]. 李阳,马力,官巍.  中国教育信息化. 2016(17)
[10]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)

硕士论文
[1]基于Bagging算法优化MLP神经网络量化选股[D]. 范振宇.上海师范大学 2018
[2]基于在线学习行为分析的学习效果预测方法研究[D]. 黄戌珺.华中师范大学 2018
[3]基于Blackboard平台的在线学习行为分析与预测[D]. 张英杰.内蒙古师范大学 2017
[4]大数据环境下在线学习行为分析模型研究[D]. 李阳.哈尔滨理工大学 2017
[5]学习行为分析与学业预警系统研究与设计[D]. 孙昊.苏州大学 2017
[6]大型开放式在线教育中大数据的文本分类研究[D]. 邵改杰.西华师范大学 2016
[7]MOOC用户流失率的统计建模和预测技术的研究[D]. 刘文彦.北京邮电大学 2016



本文编号：3246159