情境流驱动的大规模在线学习动态分组方法

摘要：

在大规模在线学习社区中,学习者的行为特征可能会随时间发生变化,如何根据个体和群体的动态演化特征实现学习小组的自适应动态划分,是有效开展协作学习的关键.为此,文章提出一种情境流驱动的大规模在线学习动态分组方法:首先,构建基于活动理论的学习者情境模型,将反映情境指标的多模态数据转化为情境流;然后,扩展模糊C均值聚类算法,使用增量式流处理和动态滑动窗口技术检测概念漂移,实现基于某一情境维度的学习群体自适应动态聚类;最后,对不同情境维度的同质聚类结果进行差异化组合,得到异质学习小组.实验证明,动态分组在合作倾向、互惠性、群体互动一致性等方面比静态分组更具优势.文章的研究可为在线学习平台智能分组提供方法指引,并为实现有效的在线协作学习提供支撑.

关键词：情境感知、概念漂移、情境流、大规模在线学习、动态分组

所属期刊栏目：33

分类号：G40-057(教育学)

资助基金：广东省教育厅创新强校特色创新项目;广州市哲学社会科学规划课题广州建设粤港澳大湾区教育改革与发展示范城市研究:MOOC学习者在线深度学习能力评价与发展路径研究项目

在线出版日期：2023-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：118-126