智慧教育平台中学生学习行为的数据挖掘与分析研究.pdf
《智慧教育平台中学生学习行为的数据挖掘与分析研究.pdf》由会员分享,可在线阅读,更多相关《智慧教育平台中学生学习行为的数据挖掘与分析研究.pdf(3页珍藏版)》请在咨信网上搜索。
1、第14 期(总第5 4 5 期)智慧教育平台中学生学习行为的数据挖掘与分析研究(湖南科技学院传媒学院,湖南永州摘要:智慧教育平台每天产生海量的学生学习行为的数据,因而,准确分析学生的行为,可以预测学习结果。学习通是教育部第一批推荐的2 2 个学习平台之一,本文针对学习通平台,开展面向该平台的学生行为数据挖掘分析。利用软件SPSS,对学生的学习行为数据进行采集和处理,对数据进行描述性统计,利用矩阵散点图来探寻变量指标的相关性,进行因子分析,根据因子分析的结果,分别对学生的学习行为进行K-means聚类,深入分析学生学习行为的数据,获取学生学习行为的特征与学生成绩之间的关联。最后,根据数据分析的结
2、果,教师有针对性地制定教学策略,进而优化平台中学生的学习行为,最终实现学生的高效学习。关键词:智慧教育平台;数据挖掘;学生行为;因子分析智慧教育环境的功能包括教学资源推送、关注用户体验、多样化评价以及干预学习活动等方面的内容。学习通教育平台将知识管理、课程学习、专题创作、办公等功能集成于一身,教师可以在这个平台上进行“签到”“话题”“问卷”“抢答”“点名”“直播”,提高学生的积极性,进而实现师生互动,开展教学活动。在这些教学活动中,会产生大量学生行为数据。基于海量的学习者行为数据,我们可以通过数据挖掘方法,对学习者在平台上的学习行为进行分析,了解不同学生群体或个体的学习行为的模式性与差异性,从
3、而分析出学习者学习的规律,为教师提供清晰的优化教学的线索与行为的路径引导。一、利用数据挖掘方法可以高效地分析学生的在线学习行为特征学生在平台中的网络学习存在着一定的局限性,由于无法考虑到学生的网络学习能力和背景知识等差异性,不能像传统课堂中老师可以根据每个学生学习的掌握程度、相关的学生兴趣来针对性地进行教学。学生的网络学习行为主要包括:学生的在线回答问题,包括针对某个问题的回答频率、正确数、错误数;提交作业,包括提交的内容、时间、成绩和频率等;学生对某课程教学PPT的学习,包括教学内容、学习的次数、时间长度等。我们可以从这些学生行为特征中,选取一些学生行为作为可统计的属性。如针对某个问题的互动
4、次数、回复率、讨论数,学生课堂的签到率、课程积基金项目:2 0 2 2 年湖南省教育厅优秀青年项目“智慧教育平台模型中的数据挖掘技术应用及优化机制研究”之阶段性研究成果(2 2 B0808)。新潮电子唐金娟分以及课程成绩等信息来分析 2 。数据挖掘技术越来越呈现其技术优势,其利用相关的算法或软件,从海量的数据中找到一定的规律,并得出结论。用于教育领域,有利于教育决策的正确选择,通过对学生在线行为数据的统计分析,可以提炼出有用的规律信息。二、利用数据挖掘技术进行在线学习行为研究的过程(一)采集与指标确定1.数据采集学习通是集移动教学、移动学习、移动阅读、移动社交于一体的线上教学平台,可以进行线上
5、直播教学以及投票、主题讨论、随堂练习等一系列的课堂活动。本文的数据来源于学习通,本研究依据本校数字媒体技术专业2 0 19 级学生选修的影视创意概论课程的学习行为数据,原始数据表包括了6 个指标,主要是签到率、讨论回复数、性别、章节学习次数、课程积分、课程成绩。所有的学生行为先通过预处理,再借助SPSS软件来进行数据分析 3 。2.数据的处理在初始样本的数据处理过程中,由于姓名与性别的字段是字符串类型,因此通过数字编码的方式将其编码为可计算的数值类型。另外,由于签到率的字段是字符串类型,因此通过去除百分号的方式将字符串转换为数值类型。通过描述性统计分析发现,既有签到率为10 0%的同学(最大值
6、为1),也存在签到率极低的同学。总体来说,签到率大约为8 3.8 4%,同学们出勤签到较好。章节学习次数的最大值为18 3,最小值为2 1,说明差距很大。同样的,课程积分最大值(5 6)与最小值(0)的差距也比较大 4 。162课题研究1 425100)课题研究(二)通过聚类方法分析学生行为数据聚类分析是一种探索性数据分析方法,选择的聚类指标一定要能够反映和覆盖聚类的特征,如果聚类指标不全或者代表性差,将直接影响结果,因此需要先找出变量之间的相关性。1.利用矩阵散点图来探寻变量指标的相关性矩阵散点图是一种可视化利器,考虑到本研究主要针对学生网络学习行为数据,而性别和姓名属于标称属性,因而可以考
7、虑5 个变量之间的关系。根据矩阵散点图发现,横坐标(签到率、讨论回复数、章节学习次数、课程积分、课程成绩)大多数的指标间呈现非线性的关系,因此采用斯皮尔曼spearman相关系数来度量指标间的相关性大小,进而衡量两个变量之间的依赖性。研究发现,课程成绩与课程积分存在相关性且通过显著性检验,课程积分与签到率、讨论回复数、章节学习次数均存在显著相关性,也就是说,变量之间存在显著的依存性,因此,考虑采用因子分析来进行降维 5 。2.采用因子分析降维先对度量指标进行标准化,再通过因子分析对数据进行降维。首先,要确定样本数据是否适合做因子分析,需要对提出的各个变量对应的各题项的样本数据进行KMO和Bar
8、tlett球形检验。对样本进行KMO检验和巴特利特球形检验,结果如表1。表1KMO和巴特利特检验KMO和巴特利特检验KMO取样适切性量数近似卡方巴特利特球形度检验自由度显著性通过表1可知,巴特利球形检验的显著性为0.0 0,远小于0.0 5,因此拒绝原假设,认为相关系数不可能是单位阵,即原始变量之间存在相关性,适合于作因子分析。接着,通过主成分分析提取公因子方差,考虑保留哪些指标。接下来进行主成分分析。如表2,根据公因子方差可以判断公因子对各个指标的说明程度,提取公因子方差越大,公因子对对应指标的说明程度越大,公因子方差越小表示该指标的重要度越低,一般指标的提取公因子方差小于0.4,就可以认为
- 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:
- 智慧 教育 平台 中学生 学习 行为 数据 挖掘 分析研究
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。