發(fā)布時間：2022-01-07 03:46

　　學生在在線學習平臺上的學習表現(xiàn)數(shù)據(jù)類型較多,不能從單一角度對學生學習狀況進行評價監(jiān)測,需要綜合多維度評價學生的學習狀況,從而給出相對全面客觀的學習表現(xiàn)評價。建立基于SVDD算法的監(jiān)測模型,將直播觀看時長、作業(yè)完成狀況、課堂參與互動次數(shù)、出勤率等多維數(shù)據(jù)作為考量指標,對所有數(shù)據(jù)進行PCA分析,通過SVDD算法進行學習行為和效果異常監(jiān)測,從而實現(xiàn)表現(xiàn)異常學生的學業(yè)預警。 

【文章來源】：時代汽車. 2020,(19)

【文章頁數(shù)】：3 頁

【部分圖文】：

學習狀態(tài)監(jiān)測模型流程圖

學生在網(wǎng)課學習過程中積累的學習行為和學習效果數(shù)據(jù)維度較多,較難進行人為判斷區(qū)分,根據(jù)SVDD 的單值分類特點,利用大量已知的學習表現(xiàn)正常的學生行為數(shù)據(jù)構(gòu)建訓練樣本集,則最小超球體邊界將包含大部分的正常樣本點。接著通過正常的描述邊界對未知學習狀態(tài)的數(shù)據(jù)樣本進行預判斷,得出落在超球體之外的樣本,即偏離正常群體的學生學習數(shù)據(jù),然后針對異常數(shù)據(jù)進行信息指標分析判斷。因此本文所提方法可應用于學習行為異常的學生學業(yè)預警監(jiān)測。表3 學生預警學生名單 標簽 作業(yè)參與次數(shù) 作業(yè)成績 資源學習經(jīng)驗值 出勤率 直播觀看占比 姓名 34 5 31 16 72.73% 69.50% 學生B


本文編號：3573748