針對(duì)慕課等在線學(xué)習(xí)課程存在的完成率低、輟課率高等問題,不少研究者通過檢測(cè)學(xué)習(xí)者的學(xué)習(xí)投入度來發(fā)現(xiàn)"問題"學(xué)生,對(duì)其進(jìn)行干預(yù)以保證學(xué)習(xí)效果。本文以構(gòu)建在線學(xué)習(xí)投入自動(dòng)化評(píng)測(cè)模型為目標(biāo),通過構(gòu)建集成評(píng)測(cè)模型,利用學(xué)習(xí)過程中產(chǎn)生的視頻圖片和鼠標(biāo)流數(shù)據(jù)對(duì)學(xué)習(xí)者的投入水平進(jìn)行評(píng)測(cè)。集成模型由3個(gè)子模型組成,其中兩個(gè)子模型用于進(jìn)行圖片數(shù)據(jù)的處理,一個(gè)子模型用于進(jìn)行鼠標(biāo)流數(shù)據(jù)的處理,圖片部分的評(píng)測(cè)采用VGG16卷積神經(jīng)網(wǎng)絡(luò)對(duì)源圖片和相應(yīng)的LGCP特征進(jìn)行評(píng)測(cè),鼠標(biāo)流數(shù)據(jù)采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行評(píng)測(cè)。最后,利用模型集成的方法對(duì)學(xué)習(xí)者的學(xué)習(xí)投入度進(jìn)行綜合評(píng)測(cè),再將其結(jié)果與學(xué)習(xí)者填寫的NSSE-China調(diào)查量表的結(jié)果進(jìn)行相關(guān)性分析,結(jié)果顯示兩者的評(píng)測(cè)結(jié)果顯著相關(guān),表明該模型用于學(xué)習(xí)投入評(píng)測(cè)是可行且有效的。 

【文章來源】：中國(guó)遠(yuǎn)程教育. 2020,(10)北大核心CSSCI

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

學(xué)習(xí)者在線學(xué)習(xí)示意圖

該標(biāo)準(zhǔn)對(duì)于標(biāo)注員來說并不是硬性的，在實(shí)際標(biāo)注過程中很多情況下依然需要標(biāo)注員借助自身經(jīng)驗(yàn)進(jìn)行靈活判斷。因此，圖片標(biāo)注的準(zhǔn)確性受標(biāo)注人員自身專業(yè)素質(zhì)、圖片可辨析程度等因素影響，不同標(biāo)注人員針對(duì)同一圖像的標(biāo)注結(jié)果可能會(huì)有不一致的情況發(fā)生。我們通過Kendall系數(shù)來檢驗(yàn)不同標(biāo)注人員的標(biāo)注結(jié)果一致性，以保證標(biāo)注圖像具有較高的一致性。所有表情圖片的訓(xùn)練數(shù)據(jù)分為10個(gè)批次進(jìn)行標(biāo)注，每個(gè)批次圖像均分給8個(gè)標(biāo)注員完成，并確保標(biāo)注數(shù)據(jù)滿足一致性要求。最終，我們通過SPSS計(jì)算出所有標(biāo)注員標(biāo)注結(jié)果的Kendall系數(shù)，如表1所示。（五）鼠標(biāo)移動(dòng)數(shù)據(jù)的獲取

本研究以8∶2的比例劃分訓(xùn)練集和測(cè)試集，訓(xùn)練集的數(shù)據(jù)采用10折交叉驗(yàn)證（10-fold cross-validation）的方式進(jìn)行模型的訓(xùn)練和參數(shù)的調(diào)優(yōu)，測(cè)試集的數(shù)據(jù)用于測(cè)試模型的泛化能力。在標(biāo)記數(shù)據(jù)的過程中我們發(fā)現(xiàn)，學(xué)習(xí)者在每次學(xué)習(xí)過程中的投入行為并非均勻分布，表現(xiàn)出前段學(xué)習(xí)投入較高、中段較低、后段又較高的普遍情況。因此，為了確保訓(xùn)練集和測(cè)試集數(shù)據(jù)分布的一致性，我們根據(jù)課程時(shí)間段將數(shù)據(jù)分為前、中、后三部分，在三部分混合的基礎(chǔ)上再進(jìn)行訓(xùn)練集、測(cè)試集的劃分以確保數(shù)據(jù)分布盡量均勻。數(shù)據(jù)集的劃分方法如圖3所示。（七）集成模型的構(gòu)建

【參考文獻(xiàn)】：
期刊論文
[1]多學(xué)科資源工具研制與教學(xué)實(shí)踐創(chuàng)新研究[J]. 劉海,陳瑩瑩,張昭理,劉婷婷.  電化教育研究. 2018(04)
[2]多屏多點(diǎn)觸控教學(xué)系統(tǒng)支撐下教學(xué)創(chuàng)新與變革[J]. 張昭理,李陽(yáng),劉海.  電化教育研究. 2018(03)
[3]基于LMS數(shù)據(jù)的遠(yuǎn)程學(xué)習(xí)者學(xué)習(xí)投入評(píng)測(cè)模型[J]. 李爽,李榮芹,喻忱.  開放教育研究. 2018(01)
[4]面向在線教學(xué)平臺(tái)的數(shù)據(jù)可視化方法及應(yīng)用[J]. 劉海,李姣姣,張維,張昭理,易澤順.  中國(guó)遠(yuǎn)程教育. 2018(01)
[5]基于行為序列分析對(duì)在線學(xué)習(xí)參與模式的探索[J]. 李爽,鐘瑤,喻忱,程罡,魏順平.  中國(guó)電化教育. 2017(03)
[6]在線學(xué)習(xí)行為投入分析框架與測(cè)量指標(biāo)研究——基于LMS數(shù)據(jù)的學(xué)習(xí)分析[J]. 李爽,王增賢,喻忱,宗陽(yáng).  開放教育研究. 2016(02)
[7]自適應(yīng)加權(quán)LGCP與快速稀疏表示的面部表情識(shí)別[J]. 吉訓(xùn)生,王榮飛.  計(jì)算機(jī)工程與應(yīng)用. 2017(01)
[8]基于MOOC數(shù)據(jù)的學(xué)習(xí)行為分析與預(yù)測(cè)[J]. 蔣卓軒,張巖,李曉明.  計(jì)算機(jī)研究與發(fā)展. 2015(03)
[9]MOOC的發(fā)展歷程與主要特征分析[J]. 陳肖庚,王頂明.  現(xiàn)代教育技術(shù). 2013(11)
[10]基于鼠標(biāo)行為特征的用戶身份認(rèn)證與監(jiān)控[J]. 沈超,蔡忠閩,管曉宏,房超,杜友田.  通信學(xué)報(bào). 2010(07)



本文編號(hào)：3318152