基于行为序列的学习过程分析与学习效果预测

摘要：

学习过程数据反映了学习者在学习过程中的状态.当前众多对学习者学习过程数据进行挖掘与分析的研究,大多基于学习者在某一学习行为上投入的精力和时间来开展.这些粗粒度数据并不能细致地反映学习者的认知投入水平,且部分学习行为数据对学习效果的预测正确率不高.与学习者参与度相比,学习过程中的学习行为序列,更能反映学习者学习行为轨迹、意愿与认知过程.利用滞后序列分析法对DEEDS平台上的学习过程数据的分析发现:滞后序列分析法可以清晰地揭示若干重要的学习行为序列;相较于支持向量机、逻辑斯蒂回归以及决策树等数据挖掘方法,朴素贝叶斯方法具有良好的预测性能,平均正确率超过70%.研究结果证明,学习者的学习行为序列可以为教师呈现更全面的在线学习图景,帮助教师发现学习者的学习习惯、偏好以及认知过程,辅助教师对教学过程进行反思.同时,通过行为序列数据可以较准确地预测出学习者的学习成就,继而对预测模型中关键属性进行分析,为教师在后续教学过程中采取有针对性的干预措施提供建议,达到提高教育教学绩效的目的.

关键词：学习过程、行为序列、数据挖掘、滞后序列分析法、学习效果预测

分类号：G434(电化教育)

资助基金：国家自然科学基金项目"基于多目标稀疏优化的多视图聚类方法"61503340;浙江省自然科学基金项目"多视图聚类的进化多目标优化"LQ16F030008;浙江工业大学校基金重点项目"多源数据驱动的学习者精确建模研究"Z20160133

在线出版日期：2018-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：103-112