APP下载

网络学习行为与成绩的预测及学习干预模型的设计

2019-04-01王改花傅钢善

中国远程教育 2019年2期
关键词:数据挖掘模型研究

王改花 傅钢善

【摘要】网络学习已成为互联网+时代教育发展的重要组成,如何对网络学习者的学习行为与成绩进行预测,依据预测结果实施学业预警,并为教学决策提供依据,是网络教育需要解决的问题之一,也是教育大数据研究的重要问题。本研究采用数据挖掘技术中的决策树方法对网络学习者的学习行为与成绩进行了预测,构建了适应性学习系统学习干预模型,研究发现总成绩不及格的最高概率是男生、学习时间跨度表现较差的最高概率是硕士生、学习总时长表现较差的最高概率是男生、平均每次在线学习停留时长表现较差的最高概率是男理科生、讨论交流表现较差的最高概率是艺术生、学习笔记表现较差的最高概率是女艺术生、接受反馈数量较高的最高概率是男生。

【关键词】  决策树;数据挖掘;网络学习;学习行为;学习成绩;学习干预;适应性学习;学业预警;教学决策

【中图分类号】  G434      【文献标识码】  A      【文章编号】 1009-458x(2019)2-0039-10

一、引言

截至2017年12月,中国在线教育用户规模达1.55亿,较2016年底增加1,754万人,年增长率为18.8%;在线教育使用率为20.1%,年增长率为12.7%(中国互联网络信息中心, 2018)。网络学习已成为互联网+时代教育发展的重要组成。《教育信息化“十三五”规划》明确指出,依托网络学习空间逐步实现对学生日常学习情况的大数据采集和分析,优化教学模式(中华人民共和国教育部, 2016)。目前关于教育大数据的研究与实践正处于起步探索阶段,推进教育大数据普及应用是当前的研究热点。……

登录APP查看全文

猜你喜欢

数据挖掘模型研究
一半模型
FMS与YBT相关性的实证研究
辽代千人邑研究述论
探讨人工智能与数据挖掘发展趋势
重尾非线性自回归模型自加权M-估计的渐近分布
视错觉在平面设计中的应用与研究
EMA伺服控制系统研究
基于并行计算的大数据挖掘在电网中的应用
3D打印中的模型分割与打包
一种基于Hadoop的大数据挖掘云服务及应用