基于改进模糊均值聚类的汉语言学习用户学习行为模式研究

发布时间：2021-03-25 21:42

　　为了实现汉语言在线学习用户学习行为聚类分析,针对FCM聚类结果易受其初始聚类中心选择的影响,提出一种基于IHS-FCM的汉语言学习用户学习行为聚类分析。选择参与维度、专注维度、规律维度、交互维度和学习成绩等作为学习行为的分析指标,学习者层次分为5个等级,分别为优秀、良好、中、合格和差。与HS-FCM、SVM和决策树对比发现,文中算法IHS-FCM具有更高的聚类准确率和更快的收敛速度以及更低的适应度,为学习者层次划分和优化课程学习提供了新的方法。 

【文章来源】：微型电脑应用. 2020,36(10)

【文章页数】：4 页

【部分图文】：

HS-FCM聚类结果

SVM聚类结果

改进HS算法流程图

【参考文献】：
期刊论文
[1]SPOC学习者在线学习行为特征分析——基于互动视角[J]. 刘冰,李彦敏.  集美大学学报(教育科学版). 2019(01)
[2]网络学习空间中的在线学习行为分析模型及应用研究[J]. 吴林静,劳传媛,刘清堂,程云,毛刚.  现代教育技术. 2018(06)
[3]基于蓝墨云班课的语文在线学习行为数据分析——中职语文混合式学习在线学习行为的数据挖掘与学习分析[J]. 陈志雄.  现代职业教育. 2018(11)
[4]基于在线学习行为数据的远程学习者学业情绪分析研究——以Moodle平台为例[J]. 宗阳,陈丽,郑勤华,胡红梅.  开放学习研究. 2017(06)
[5]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)
[6]基于自组织神经网络和模糊聚类的校园无线网用户学习兴趣度行为分析[J]. 王法玉,姜妍.  计算机应用研究. 2018(01)
[7]基于并行Adaboost-BP网络的大规模在线学习行为评价[J]. 曹建芳,郝耀军.  计算机应用与软件. 2017(07)
[8]在线学习行为对混合学习绩效的影响研究[J]. 李小娟,梁中锋,赵楠.  现代教育技术. 2017(02)
[9]中国MOOCs学习者价值研究——基于RFM模型的在线学习行为分析[J]. 宗阳,郑勤华,陈丽.  现代远距离教育. 2016(02)
[10]在线学习行为投入分析框架与测量指标研究——基于LMS数据的学习分析[J]. 李爽,王增贤,喻忱,宗阳.  开放教育研究. 2016(02)



本文编号：3100372