基于學(xué)習(xí)分析的在線學(xué)習(xí)用戶畫像研究
發(fā)布時間:2021-09-18 16:41
畫像技術(shù)在當(dāng)前精準(zhǔn)營銷中的應(yīng)用非常廣泛,而其在教育領(lǐng)域尤其是在線學(xué)習(xí)者的特征識別方面研究較少。文章從學(xué)習(xí)者的一般特征、學(xué)習(xí)準(zhǔn)備、學(xué)習(xí)風(fēng)格、行為特征四個方面對學(xué)習(xí)者進(jìn)行分析,提出在線學(xué)習(xí)者畫像描述的總體框架。同時,通過機器學(xué)習(xí)對在線學(xué)習(xí)行為數(shù)據(jù)進(jìn)行挖掘,文章分別從以上四個方面對學(xué)習(xí)者畫像進(jìn)行建模研究,重點討論了學(xué)習(xí)風(fēng)格的建模過程,并通過對在線學(xué)習(xí)者個案分析,闡述了學(xué)習(xí)者畫像在指導(dǎo)學(xué)習(xí)資源精準(zhǔn)推薦、評估在線學(xué)習(xí)者學(xué)業(yè)失敗或退出風(fēng)險等方面的應(yīng)用,為個性化教育實施提供了實踐案例。
【文章來源】:現(xiàn)代教育技術(shù). 2020,30(04)北大核心CSSCI
【文章頁數(shù)】:7 頁
【部分圖文】:
在線學(xué)習(xí)用戶畫像研究框架
圖1 在線學(xué)習(xí)用戶畫像研究框架通過對學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)過程中產(chǎn)生的大量學(xué)習(xí)數(shù)據(jù)與行為日志進(jìn)行挖掘,本研究分析了學(xué)習(xí)者的學(xué)習(xí)初始能力、信息處理偏好及學(xué)習(xí)時間頻次等相關(guān)信息,輔以在線問卷獲取學(xué)習(xí)動機、人口屬性等信息,從一般特征、學(xué)習(xí)準(zhǔn)備、學(xué)習(xí)風(fēng)格及行為特征等方面對學(xué)習(xí)者畫像;之后通過畫像集成獲得學(xué)習(xí)者在線學(xué)習(xí)的畫像標(biāo)簽集,結(jié)合學(xué)習(xí)效果數(shù)據(jù)與個性化方案庫綜合生成個性化學(xué)習(xí)(干預(yù))方案,作用于學(xué)習(xí)者以改進(jìn)其學(xué)習(xí)行為;經(jīng)歷一定的時間周期后,對改進(jìn)的學(xué)習(xí)行為再次進(jìn)行學(xué)習(xí)效果分析,并結(jié)合專家意見優(yōu)化個性化方案庫,最終形成以學(xué)習(xí)者畫像為基礎(chǔ)的在線學(xué)習(xí)者學(xué)習(xí)行為生成、分析、集成、反饋(干預(yù))的優(yōu)化閉環(huán),如圖1所示。
利用得到的“信息處理”自動標(biāo)簽識別模型對全部樣本進(jìn)行預(yù)測,本研究得到學(xué)習(xí)風(fēng)格“信息處理”維度標(biāo)簽預(yù)測為“沖動”的置信度概率分布密度,如圖3所示。其中,最右側(cè)預(yù)測為“沖動”的置信度為100%,即該部分學(xué)習(xí)者的“信息處理”類型為“沖動”;而最左側(cè)預(yù)測為“沖動”的置信度為0%,即該部分學(xué)習(xí)者的“信息處理”類型為“沉思”。圖3顯示,在線學(xué)習(xí)的學(xué)習(xí)者大部分信息處理的類型比較均衡,但從總體上來說,偏“沖動”的學(xué)習(xí)者略多(圖中高斯分布曲線右側(cè)上方密度分布明顯多于左側(cè))。圖4 某在線學(xué)習(xí)者的畫像標(biāo)簽圖
【參考文獻(xiàn)】:
期刊論文
[1]基于學(xué)習(xí)分析的在線學(xué)業(yè)成就影響因素研究[J]. 孫發(fā)勤,馮銳. 中國電化教育. 2019(03)
[2]面向情境化推薦服務(wù)的圖書館用戶畫像研究[J]. 劉海鷗,黃文娜,謝姝琳. 圖書館學(xué)研究. 2018(20)
[3]我國用戶畫像研究的知識網(wǎng)絡(luò)與熱點領(lǐng)域分析[J]. 吳加琪. 現(xiàn)代情報. 2018(08)
[4]學(xué)業(yè)成就與學(xué)業(yè)風(fēng)險的預(yù)測——基于學(xué)習(xí)分析領(lǐng)域中預(yù)測指標(biāo)的文獻(xiàn)綜述[J]. 范逸洲,汪瓊. 中國遠(yuǎn)程教育. 2018(01)
[5]開放式教學(xué)下的學(xué)習(xí)者畫像及個性化教學(xué)探討[J]. 陳海建,戴永輝,韓冬梅,馮彥杰,黃河笑. 開放教育研究. 2017(03)
[6]智慧教育環(huán)境下學(xué)習(xí)資源推送服務(wù)模型的構(gòu)建[J]. 李寶,張文蘭. 遠(yuǎn)程教育雜志. 2015(03)
本文編號:3400481
【文章來源】:現(xiàn)代教育技術(shù). 2020,30(04)北大核心CSSCI
【文章頁數(shù)】:7 頁
【部分圖文】:
在線學(xué)習(xí)用戶畫像研究框架
圖1 在線學(xué)習(xí)用戶畫像研究框架通過對學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)過程中產(chǎn)生的大量學(xué)習(xí)數(shù)據(jù)與行為日志進(jìn)行挖掘,本研究分析了學(xué)習(xí)者的學(xué)習(xí)初始能力、信息處理偏好及學(xué)習(xí)時間頻次等相關(guān)信息,輔以在線問卷獲取學(xué)習(xí)動機、人口屬性等信息,從一般特征、學(xué)習(xí)準(zhǔn)備、學(xué)習(xí)風(fēng)格及行為特征等方面對學(xué)習(xí)者畫像;之后通過畫像集成獲得學(xué)習(xí)者在線學(xué)習(xí)的畫像標(biāo)簽集,結(jié)合學(xué)習(xí)效果數(shù)據(jù)與個性化方案庫綜合生成個性化學(xué)習(xí)(干預(yù))方案,作用于學(xué)習(xí)者以改進(jìn)其學(xué)習(xí)行為;經(jīng)歷一定的時間周期后,對改進(jìn)的學(xué)習(xí)行為再次進(jìn)行學(xué)習(xí)效果分析,并結(jié)合專家意見優(yōu)化個性化方案庫,最終形成以學(xué)習(xí)者畫像為基礎(chǔ)的在線學(xué)習(xí)者學(xué)習(xí)行為生成、分析、集成、反饋(干預(yù))的優(yōu)化閉環(huán),如圖1所示。
利用得到的“信息處理”自動標(biāo)簽識別模型對全部樣本進(jìn)行預(yù)測,本研究得到學(xué)習(xí)風(fēng)格“信息處理”維度標(biāo)簽預(yù)測為“沖動”的置信度概率分布密度,如圖3所示。其中,最右側(cè)預(yù)測為“沖動”的置信度為100%,即該部分學(xué)習(xí)者的“信息處理”類型為“沖動”;而最左側(cè)預(yù)測為“沖動”的置信度為0%,即該部分學(xué)習(xí)者的“信息處理”類型為“沉思”。圖3顯示,在線學(xué)習(xí)的學(xué)習(xí)者大部分信息處理的類型比較均衡,但從總體上來說,偏“沖動”的學(xué)習(xí)者略多(圖中高斯分布曲線右側(cè)上方密度分布明顯多于左側(cè))。圖4 某在線學(xué)習(xí)者的畫像標(biāo)簽圖
【參考文獻(xiàn)】:
期刊論文
[1]基于學(xué)習(xí)分析的在線學(xué)業(yè)成就影響因素研究[J]. 孫發(fā)勤,馮銳. 中國電化教育. 2019(03)
[2]面向情境化推薦服務(wù)的圖書館用戶畫像研究[J]. 劉海鷗,黃文娜,謝姝琳. 圖書館學(xué)研究. 2018(20)
[3]我國用戶畫像研究的知識網(wǎng)絡(luò)與熱點領(lǐng)域分析[J]. 吳加琪. 現(xiàn)代情報. 2018(08)
[4]學(xué)業(yè)成就與學(xué)業(yè)風(fēng)險的預(yù)測——基于學(xué)習(xí)分析領(lǐng)域中預(yù)測指標(biāo)的文獻(xiàn)綜述[J]. 范逸洲,汪瓊. 中國遠(yuǎn)程教育. 2018(01)
[5]開放式教學(xué)下的學(xué)習(xí)者畫像及個性化教學(xué)探討[J]. 陳海建,戴永輝,韓冬梅,馮彥杰,黃河笑. 開放教育研究. 2017(03)
[6]智慧教育環(huán)境下學(xué)習(xí)資源推送服務(wù)模型的構(gòu)建[J]. 李寶,張文蘭. 遠(yuǎn)程教育雜志. 2015(03)
本文編號:3400481
本文鏈接:http://sikaile.net/jiaoyulunwen/jiaoyugaigechuangxinlunwen/3400481.html
最近更新
教材專著