APP下载

数据挖掘视角下网络学习者行为特征聚类分析

2018-05-14王改花傅钢善

现代远程教育研究 2018年4期
关键词:数据挖掘

王改花 傅钢善

摘要:隨着计算机与网络的快速发展和普及,网络学习已成为互联网+时代教育发展的重要组成。近年来随着大数据被广泛关注,基于数据挖掘的网络学习行为研究成为重要的研究方向和研究热点。当前关于网络学习行为的分类,大多数基于学习者本身属性,缺乏比较详细而深入的行为类型分析。基于数据挖掘的聚类分析,可以借助大数据的优势,发现数据背后的规律。利用陕西师范大学“现代教育技术”在线开放课程学习者的网络学习过程记录,采用数据挖掘工具对网络学习者行为进行聚类分析,研究发现:根据学习特征,网络学习者可以分为高沉浸性型、较高沉浸性型、中沉浸性型、低沉浸性型四种群体;学习行为与学习效果密切相关,沉浸性高的学习者学习效果往往较好。教师可借助技术工具,对学习者进行不断更新、实时、循环的聚类分析,及时发现学习者的个体及群体学习特征,因材施教,推送适应性的个性化服务,并给予及时的学习预警与恰当的教学干预。

关键词:网络学习;行为特征;数据挖掘;聚类分析;个性化教育

中图分类号:G434 文献标识码:A 文章编号:1009-5195(2018)04-0106-07 doi10.3969/j.issn.1009-5195.2018.04.012

基金项目:陕西师范大学中央高校基本科研业务费专项资金资助项目“基于大规模在线开放课程的学习者认知特征研究”(2017TS074);国家社会科学基金教育学一般项目“网络环境下群体差异认知特征及有效学习研究”(BCA110024)。

作者简介:王改花,博士研究生,陕西师范大学教育学院;……

登录APP查看全文

猜你喜欢

数据挖掘
基于数据挖掘的船舶通信网络流量异常识别方法
探讨人工智能与数据挖掘发展趋势
数据挖掘技术在打击倒卖OBU逃费中的应用浅析
基于并行计算的大数据挖掘在电网中的应用
数据挖掘技术在中医诊疗数据分析中的应用
一种基于Hadoop的大数据挖掘云服务及应用
数据挖掘在高校图书馆中的应用
数据挖掘的分析与探索
基于GPGPU的离散数据挖掘研究
利用数据挖掘技术实现LIS数据共享的开发实践