ECOC多分类算法在慕课数据挖掘中的应用
2021-04-29潘丽芳谢书童曹秀娟
潘丽芳,谢书童,曹秀娟
(1.集美大学理学院,福建 厦门 361021;2.集美大学计算机工程学院,福建 厦门 361021)
0 引言
近年来,随着慕课在线学习课程迅速普及,更多的学生得到了便捷高效的学习体验[1]。然而,慕课动则成千上万名学生在一起大规模的学习模式,与现代教育理念中学生学习的个性化需求形成了尖锐的矛盾。在慕课规模化教学条件下,合理引导并实现学生的个性化学习是一个教育和学术并重的问题,具有重要研究价值[2-3]。
蒋卓轩等[4]对北京大学在Coursera平台上开设的6门慕课的学习行为数据进行分析与挖掘。结果表明,基于学习行为特征的数据分析能有效地判别一个学生最后能否获得课程证书。Qiu等[5]基于清华大学学堂在线的慕课数据,提出用潜在动态因子图模型(latent dynamic factor graph,LadFG)来预测学生作业情况,以及能否通过考试获得证书。Xu等[6]通过分析学生在慕课平台上的活动日志,归纳出不同学生的学习动机,设计出基于支持向量机(SVM)的分类算法预测学生能否取得证书。Zhang等[7]对北大《数据结构与算法》与《计算机导论》两门慕课,汇聚多源异构数据,分析学生的学习内容,识别课程中的重要概念,通过学生测验数据来评估学生的知识状态,并设计出算法预测学生是否中途退课。Yu等[8]根据学生的视频点击流日志,识别出学生的七种认知参与模型,设计了基于K最近邻(KNN)、SVM、人工神经网络(ANN)的分类算法,预测学生能否通过课程考试。
为了提高传统线下课程与线上慕课的教学效率,Meier等[9]利用课程的历史教学数据(主要包括作业、小测、期中考试等),预测学生在后继学习中的可能表现(好/差),为提前对学习不佳的学生进行教学干预赢得时间。……