隨著在線學習技術的不斷發(fā)展和在線學習平臺的普及,教育數(shù)據(jù)分析與學習效果預測越來越受到研究者的關注,推動了個性化教學的發(fā)展。然而,國內(nèi)的學習分析預測模型還停留在理論探索與構建的階段,鮮有對在線學習行為數(shù)據(jù)進行實際預測的研究,僅有的少數(shù)研究在選擇預測算法時,沒有說明選擇依據(jù),這會導致預測算法選擇上的盲目性。縱觀國內(nèi)外研究,在選取預測學習行為指標時,沒有結合整個在線學習過程,大部分研究直接選取行為指標,這難免會造成行為因素的缺失,從而影響預測結果。本文主要的研究內(nèi)容及研究成果如下:1、使用文獻研究法總結分析了國內(nèi)外關于學習分析模型和學習預測的相關研究,針對總結出來的研究問題,結合云課堂的實際情況,提出研究需要解決的主要問題。2、結合學習者在云課堂中的整個在線學習過程,理清相關文獻中影響學習效果的行為指標,在此基礎上,提出19個可供數(shù)據(jù)收集的行為指標,構建了基于在線學習行為分析的學習效果預測模型,該模型構建過程包含四個步驟:數(shù)據(jù)的采集和預處理、數(shù)據(jù)分析、學習效果預測算法、預測及干預,學習效果預測算法部分又包含特征值選取、預測算法選擇、數(shù)據(jù)集分類、預測模型評估四部分。3、以華中師范大學云課堂上的... 

【文章來源】：華中師范大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【部分圖文】：

圖２．２行為科學的過程??行研人的行產(chǎn)生、展、化的，以預測和控制人的行為

從而對可能存在問題的學習者進行干預，對個性化學習的研究有一定的意義，??本文在廣泛文獻調(diào)研的基礎上，從效果預測的角度，構建出基于在線學習行為分析??的效果預測模式。如圖３．１所示。??預測與干預?數(shù)據(jù)采集與處理??＾?學習效果ｆ頁測?１??學習效果預測?她??數(shù)據(jù)分析??圖３．１基于在線行為分析的學習效果預測模型??３．２數(shù)據(jù)的采集和處理??這個階段需要完成兩個工作：數(shù)據(jù)收集與數(shù)據(jù)處理。學習行為數(shù)據(jù)采集的場景??是在線學習平臺，數(shù)據(jù)產(chǎn)生端包括ＰＣ端、移動端、Ｗｅｂ端，采集的數(shù)據(jù)來源具有??多形式的特征，既可來自數(shù)據(jù)庫中的日志數(shù)據(jù)，也可以是頁面鼠標拖拽等操作記錄??以及攝像頭捕捉的表情等。??在線學習行為分析的數(shù)據(jù)來源于ＭＯＯＣ平臺或其他在線學習平臺，在線學習??平臺上的數(shù)據(jù)以不同的數(shù)據(jù)形式分別存放在不同類型的數(shù)據(jù)庫中，以下是在線學習??平臺數(shù)據(jù)的一般存儲類型分類，如圖３．２所示：①非關系型數(shù)據(jù)庫，學習者的動態(tài)??活動如登錄狀態(tài)、在不同學習單元的活動等存儲在ＭｏｎｇｏＤＢ這樣的非關系型數(shù)據(jù)??庫中。②關系型數(shù)據(jù)庫；學習者的基本信息如年齡、性別、賬號等信息存儲在像Ｍｙｓｑｌ、??ＳＱＬＳｅｒｖｅｒ這樣的關系型數(shù)據(jù)庫中。③服務器ＪＳＯＮ事件，以ＪＳＯＮ格式在整個課??程中點擊數(shù)據(jù)流，包括服務器和瀏覽器端事件。一般而言，學生與演講視頻的交互??（例如點擊暫停）被記錄為瀏覽器端ＪＳＯＮ事件

從而對可能存在問題的學習者進行干預，對個性化學習的研究有一定的意義，??本文在廣泛文獻調(diào)研的基礎上，從效果預測的角度，構建出基于在線學習行為分析??的效果預測模式。如圖３．１所示。??預測與干預?數(shù)據(jù)采集與處理??＾?學習效果ｆ頁測?１??學習效果預測?她??數(shù)據(jù)分析??圖３．１基于在線行為分析的學習效果預測模型??３．２數(shù)據(jù)的采集和處理??這個階段需要完成兩個工作：數(shù)據(jù)收集與數(shù)據(jù)處理。學習行為數(shù)據(jù)采集的場景??是在線學習平臺，數(shù)據(jù)產(chǎn)生端包括ＰＣ端、移動端、Ｗｅｂ端，采集的數(shù)據(jù)來源具有??多形式的特征，既可來自數(shù)據(jù)庫中的日志數(shù)據(jù)，也可以是頁面鼠標拖拽等操作記錄??以及攝像頭捕捉的表情等。??在線學習行為分析的數(shù)據(jù)來源于ＭＯＯＣ平臺或其他在線學習平臺，在線學習??平臺上的數(shù)據(jù)以不同的數(shù)據(jù)形式分別存放在不同類型的數(shù)據(jù)庫中，以下是在線學習??平臺數(shù)據(jù)的一般存儲類型分類，如圖３．２所示：①非關系型數(shù)據(jù)庫，學習者的動態(tài)??活動如登錄狀態(tài)、在不同學習單元的活動等存儲在ＭｏｎｇｏＤＢ這樣的非關系型數(shù)據(jù)??庫中。②關系型數(shù)據(jù)庫；學習者的基本信息如年齡、性別、賬號等信息存儲在像Ｍｙｓｑｌ、??ＳＱＬＳｅｒｖｅｒ這樣的關系型數(shù)據(jù)庫中。③服務器ＪＳＯＮ事件，以ＪＳＯＮ格式在整個課??程中點擊數(shù)據(jù)流，包括服務器和瀏覽器端事件。一般而言，學生與演講視頻的交互??（例如點擊暫停）被記錄為瀏覽器端ＪＳＯＮ事件

【參考文獻】：
期刊論文
[1]基于教育數(shù)據(jù)挖掘的在線學習者學業(yè)成績預測建模研究[J]. 陳子健,朱曉亮.  中國電化教育. 2017(12)
[2]教學干預:提升混合課程質(zhì)量的關鍵因素[J]. 孫眾,宋潔,吳敏華,駱力明.  中國電化教育. 2017(04)
[3]計算機支持的協(xié)作學習分析模型及可視化研究[J]. 鄭婭峰,徐唱,李艷燕.  電化教育研究. 2017(04)
[4]網(wǎng)絡學習環(huán)境下問題學習行為分析模型的研究與應用[J]. 毛剛,劉清堂,李鶴,范福蘭.  電化教育研究. 2016(11)
[5]面向對象的學習分析模型的構建與實現(xiàn)[J]. 鄭曉薇,劉靜,高悅.  中國電化教育. 2016(10)
[6]在線視頻學習投入的研究——MOOCs視頻特征和學生跳轉行為的大數(shù)據(jù)分析[J]. 陳侃,周雅倩,丁妍,嚴文蕃,呂倩文.  遠程教育雜志. 2016(04)
[7]edX平臺教育大數(shù)據(jù)的學習行為分析與預測[J]. 賀超凱,吳蒙.  中國遠程教育. 2016(06)
[8]基于教育大數(shù)據(jù)的學習干預模型構建[J]. 李彤彤,黃洛穎,鄒蕊,武法提.  中國電化教育. 2016(06)
[9]學習分析數(shù)據(jù)模型及數(shù)據(jù)處理方法研究[J]. 魏順平.  中國電化教育. 2016(02)
[10]學習分析在高等教育領域內(nèi)的創(chuàng)新應用:進展、挑戰(zhàn)與出路[J]. 鄭旭東,楊九民.  中國電化教育. 2016(02)



本文編號：3528275