發(fā)布時間：2023-05-07 03:25

　　在線教育學習是非傳統教育學習的過程中非常重要的一種學習方式,隨著教育信息化的不斷推進和發(fā)展,我國的教育質量和信息化教育水平的提升為在線學習的發(fā)展提供了強大的支持,學習者跨平臺、跨終端、跨時空地開展在線學習,在不同在線教育平臺上產生了大量的學習行為數據。MOOC是在線教育的重要平臺,MOOC目前存在用戶數據量龐大,難以根據用戶數據把握學習者學情的問題,在線學習者畫像能夠有助于解決這類問題。各類在線平臺數據與學習者畫像和學情預警的研究不斷更新,將畫像技術和學情預警相結合,為MOOC平臺的學情預警研究提供新的路徑�；谝陨系谋尘�,本研究以在線MOOC平臺中的各類學習者數據為研究對象,通過分析和利用14門課的MOOC數據進行學習者畫像構建以及學情預警,通過畫像進行學情分析,通過學情分析進行學情預警,最終形成學情預警策略。首先,本研究通過文獻分析,對學習者畫像和學情預警的概念進行界定,闡述了畫像刻畫和學情預警涉及的理論和技術基礎,確定了在線學習者畫像三個維度的分類。并根據在線MOOC平臺的數據字段,構建學習者畫像的標簽體系,為學習者畫像的標簽體系提供衡量指標,為應用畫像技術實現學情預警奠定基礎。...

【文章頁數】：129 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
        1.1.1 MOOC研究的發(fā)展
        1.1.2 學習分析研究的發(fā)展
        1.1.3 在線教育對學情預警的需求
    1.2 研究問題與內容
        1.2.1 研究問題
        1.2.2 研究內容
    1.3 研究意義與方法
        1.3.1 研究意義
        1.3.2 研究方法
    1.4 論文組織結構
第2章 概念界定和研究基礎
    2.1 概念界定
        2.1.1 學習者畫像
        2.1.2 學習行為分析
        2.1.3 學情預警
    2.2 理論基礎
        2.2.1 遠程開放教育理論
        2.2.2 自我導向學習理論
    2.3 數據分析方法
        2.3.1 聚類分析法
        2.3.2 關聯規(guī)則法
        2.3.3 序列分析模型
    2.4 研究現狀
        2.4.1 學習者畫像的文獻研究
        2.4.2 學習者畫像的研究發(fā)展
        2.4.3 學習者畫像預警研究
        2.4.4 小結
第3章 學習者畫像構建與學情預警設計框架
    3.1 學習者畫像的構建
        3.1.1 數據集概述
        3.1.2 畫像構建流程
        3.1.3 畫像建模
    3.2 學習者畫像標簽的構建
        3.2.1 畫像標簽的處理過程
        3.2.2 學習者畫像的標簽體系
        3.2.3 畫像標簽的數據指標
    3.3 基于學習者畫像的學情預警
        3.3.1 基于畫像的學情預警框架設計
        3.3.2 基于畫像的學情預警實現方案
第4章 學習者畫像及學情預警的實現
    4.1 數據處理
        4.1.1 數據存儲與管理環(huán)境
        4.1.2 數據處理與分析環(huán)境
    4.2 學習者整體畫像分析
        4.2.1 人口統計維度分析
        4.2.2 學習者行為維度分析
        4.2.3 學習結果維度分析
    4.3 學習者整體畫像的學情分析
    4.4 學習者分類畫像的可視化和學情預警
        4.4.1 四類學習者畫像
        4.4.2 課程畫像
        4.4.3 學情預警及其策略
    4.5 畫像效果評價
第5章 總結與展望
    5.1 研究總結
        5.1.1 研究成果
        5.1.2 研究創(chuàng)新點
    5.2 研究不足與展望
參考文獻
附錄Ⅰ:原始數據導入數據庫python代碼
附錄Ⅱ:聚類分析結果匯總
附錄Ⅲ:關聯規(guī)則案例分析流程
附錄Ⅳ:序列分析案例分析流程
附錄Ⅴ:問卷調查
攻讀碩士期間的科研成果
致謝



本文編號：3810171