基于决策树的在线学习行为分析
2015-03-28王士霞
河南科技学院学报(自然科学版) 2015年5期
关键词:分类
王士霞
(新乡医学院临床技能培训中心,河南新乡453003)
基于决策树的在线学习行为分析
王士霞
(新乡医学院临床技能培训中心,河南新乡453003)
利用决策树算法出色的数据分析能力和直观易懂的结果展示等特点,采用C4.5算法挖掘学生在线学习行为与学习效果的历史数据.为避免决策树“过拟合”问题,在已生成的决策树上采用PEP方法进行剪枝,并构建学习分析模型.最后,利用建立的分析模型对测试数据集进行评估,得到了较为理想的分类预测结果.学习分析模型的创建为科学、合理地评估学生在线学习行为提供了有效的方法和手段,同时也给教学设计和课件开发提供了参考性建议.
数据挖掘;决策树;C4.5;在线学习行为
随着网络开放课程的普及和学习技术系统的发展,在线学习行为越来越多地发生在各种教育情境中,也给我们带来了大量的学习行为数据.如何利用海量的大数据提高学习效果,辅助在线教学日益成为教育者和学习者共同关注的话题,由此,学习分析技术应运而生.在新媒体联盟发布的《2013年地平线报告》中[1],学习分析(Learning Analysis)技术被排在未来五年内影响高等教育的六大信息技术的第一位[2].如何构造高效的数据挖掘算法去发现和理解隐藏在数据背后的信息,成为学习分析技术中成为最核心的问题.
决策树(Decision Tree)起源于概念学习系统CLS(Concept Learning System),它从一系列无规则、无次序的事例中推理出决策树表示形式并形成相应的分类规则[3],是……
登录APP查看全文
