一种基于机器学习的在线学习行为投入评测模型.pdf
《一种基于机器学习的在线学习行为投入评测模型.pdf》由会员分享,可在线阅读,更多相关《一种基于机器学习的在线学习行为投入评测模型.pdf(7页珍藏版)》请在咨信网上搜索。
1、Computer Science and Application 计算机科学与应用计算机科学与应用,2023,13(8),1596-1602 Published Online August 2023 in Hans.https:/www.hanspub.org/journal/csa https:/doi.org/10.12677/csa.2023.138158 文章引用文章引用:张玥,黄寿孟,王倩,唐滢辉,尹誉良.一种基于机器学习的在线学习行为投入评测模型J.计算机科学与应用,2023,13(8):1596-1602.DOI:10.12677/csa.2023.138158 一种基于机器学习
2、的在线学习行为投入一种基于机器学习的在线学习行为投入 评测模型评测模型 张张 玥玥1,黄寿孟,黄寿孟1,2,王,王 倩倩1,3,唐滢辉,唐滢辉1,尹誉良,尹誉良1 1三亚学院信息与智能工程学院,海南 三亚 2三亚学院陈国良院士团队创新中心,海南 三亚 3三亚学院容淳铭院士工作站,海南 三亚 收稿日期:2023年7月18日;录用日期:2023年8月17日;发布日期:2023年8月25日 摘摘 要要 疫情期间在线学习平台迅速爆增,学习者也越来越多,但是在线学习的监督性、学习者的投入度、学习疫情期间在线学习平台迅速爆增,学习者也越来越多,但是在线学习的监督性、学习者的投入度、学习的评估等因素,从而影
3、响了学习者的学习效果。随着学习分析技术和教育数据挖掘的融合应用,文章通的评估等因素,从而影响了学习者的学习效果。随着学习分析技术和教育数据挖掘的融合应用,文章通过分析学习者的在线学习行为投入数据,采用在线学习平台下对学习者行为投入及时评估的方法,构建过分析学习者的在线学习行为投入数据,采用在线学习平台下对学习者行为投入及时评估的方法,构建一种基于机器学习的在线学习行为投入评测模型。该模型以在线学习者的投入度为评估目的,通过机器一种基于机器学习的在线学习行为投入评测模型。该模型以在线学习者的投入度为评估目的,通过机器学习算法对学习者的投入度进行分析,帮助学习者及时自我调整,也帮助施教者更好地开展
4、教学。学习算法对学习者的投入度进行分析,帮助学习者及时自我调整,也帮助施教者更好地开展教学。关键词关键词 机器学习算法机器学习算法,在线学习在线学习,学习投入学习投入,行为投入评测行为投入评测 An Evaluation Model of Online Learning Behavior Investment Based on Machine Learning Yue Zhang1,Shoumeng Huang1,2,Qian Wang1,3,Yinghui Tang1,Yuliang Yin1 1School of Information&Intelligence Engineering,U
5、niversity of Sanya,Sanya Hainan 2Academician Guoliang Chen Team Innovation Center,University of Sanya,Sanya Hainan 3Academician Chunming Rong Workstation,University of Sanya,Sanya Hainan Received:Jul.18th,2023;accepted:Aug.17th,2023;published:Aug.25th,2023 张玥 等 DOI:10.12677/csa.2023.138158 1597 计算机科
6、学与应用 Abstract During the epidemic,online learning platforms have exploded rapidly,and there are more and more learners.However,factors such as the supervision of online learning,the degree of learner engagement,and the evaluation of learning affect the learning effect of learners.With the integra-ti
7、on and application of learning analysis technology and educational data mining,this paper con-structs an online learning behavior based on machine learning by analyzing the online learning behavior input data of learners,and adopting the method of timely assessment of learner beha-vior input under t
8、he online learning platform.The input evaluation model uses the online learn-ers engagement as the evaluation purpose,and analyzes the learners engagement through the machine learning algorithm,which helps the learners to adjust themselves in time,and also helps the teachers to carry out better teac
9、hing.Keywords Machine Learning Algorithm,Online Learning,Learning Engagement,Behavioral Engagement Evaluation Copyright 2023 by author(s)and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License(CC BY 4.0).http:/creativecommons.org/licenses/by/4.0/1.引
10、言引言 随着信息技术的进步和学习理念的革新,“互联网+”教育的在线学习变得更加灵活多变,在线学习平台也迅速爆增,特别是疫情期间,在线学习平台如雨后春笋,其学习资源也多姿多彩,同时学习者在各类学习平台中的也存储着大量的行为数据,如学习者的投入度1。如果在线学习平台能及时判断出投入较低的学习者,通过自我调整或教育者干预行为,让该平台上的学习者提高学习投入2。虽然在线学习的发展使得学习者可以灵活支配自己的时间,但是在线学习也有弊端,如高灵活性使得部分学习者投入度较低,而导致较差的学习效果;同时由于缺乏监督性以及评估的滞后性,部分学习者可能在临近结课的时候,才开始“努力”学习,导致学习效果无法得到保证
11、。本文从学习投入中的行为投入维度入手,探究在线学习环境下对学习者行为投入及时评测的方法,以机器学习算法为基础,利用学习分析技术,结合学习投入理论,收集在线学习平台上的各种数据,构建出一种学习投入评测模型,评测结果及时反馈给学习者与施教者,让学习者实现自我管理,也让施教者实现及时监管。2.相关工作相关工作 2.1.国内外研究现状国内外研究现状 国内学者对“学习投入”常常引用为“学习参与度”或“深入学习”等关键词,笔者在 2022 年 9 月1 日上午 11 点在中国知网(https:/ 2453 条文献,其中“学习投入”有 1297 条,“学习参与度”有 170 条,“学习投入度”有 149 条
12、。这说明国内学者在学习投入问题上已经探索出一定的研究成果,通过相关文献分析,笔者得到这些研究结果主要表现在:学习投入理论研究、影响学习投入因素研究、学习投入成效评估研究3 4 5。而在国外,最早对学习投Open AccessOpen Access张玥 等 DOI:10.12677/csa.2023.138158 1598 计算机科学与应用 入研究的是 Tyler 的“任务时间理论”,他认为学习投入的时间越多,学习成效越好;Pace 学者认为学习成效与学习专注程序有关,提出了学习投入的“努力质量理论”;Kuh 学者结合 Tyler 与 Pace 提出有效学习投入的时间和精力,而 Schaufei
13、 学者则认为学习投入是一种专注、活力与奉献的精神状态;还有Fredricks 学者把学习投入分解为三个维度指标:行为投入、情感投入、认知投入。目前绝大部分学者认同 Fredricks 的三维指标,当然也有学者提出四维指标:参与、规律、专注和交互6 7 8 9。总之,在线学习的行为投入不仅仅考量学习者的学习状态,也在考量学习平台的技术支撑与服务状态。通过对国内外研究文献分析,得到不管是传统学习还是在线学习,学习投入基本有三要素:行为、认知、情感,而在线学习行为投入数据类别多、数据大且更容易获取,但学习者监督与评测的主要工具是通过问卷、量表方式,而本文选择基于学习行为投入维度作为研究出发点,构建评
14、测模型,帮助学习者监管,以便更好地保证学习成效。2.2.学习投入度影响因素学习投入度影响因素 通过文献分析,总结出在线学习的影响因素有学生的满意度、参与度、保持力等学习支持服务因素,也有学习时长、关注度与交互等维度,更有学习动机、认知与协作、支持与互动等学习管理因素10 11 12 13。本文根据现有文献中的影响因素指标筛选出 24 个相关子指标,且通过在线大学生的数据分析确定为在线学习行为投入的五大影响维度指标:参与投入、专注投入、坚持投入、交互投入、绩效努力,并把学习行为投入风格暂定为自主型、被动型、协作型、内驱型,从中收集学习者的各种数据,作为构建与训练学习投入评测模型的数据集与测试集1
15、4。2.3.机器学习算法机器学习算法 机器学习关注点是模型的预测能力,它通过大数据训练出算法模型以便创造出更大的价值。目前机器学习算法模型有逻辑回归模型、支持向量机模型、集成模型(随机森林、stacking),其中逻辑回归模型是把学习行为维度由机器自动分类,解决评测指标的计算问题,若在计算问题上是一种不可分的数据指标,则按支持向量机模型的评测方法完成非线性数据的线性分析,随机森林模型则是多个相同种类的指标集成的模型评估,而 stacking 模型是多个不同种类的学习集成模型评估,目的就是解决评测模型泛化能力弱的特点15-20。本文通过不同模型训练,最后得到最优算法,构建评测系统,提供在线学习的
16、监督与支持服务。3.评测模型评测模型 笔者通过梳理已有的数据集,结合前期文献分析中的五大维度,确定在线学习行为投入影响指标,如下表 1 所示。Table 1.Learning engagement dimension index 表表 1.学习投入维度指标 投入维度 学习投入指标 参与度 视频学习完成比例(总观看量/视频总数)专注度 学习时间与学习次数(观看总时长/观看视频数)、单一视频时长大于原始时长 坚持度 登录访问量(访问量大于平均值)交互值 回答问题、作业完成情况(发贴量高于均值、作业完成量高于均值)绩效值 章节测验情况(完成量/总数)、成绩高于平均值 张玥 等 DOI:10.1267
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 基于 机器 学习 在线 行为 投入 评测 模型
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。