杨杉

摘要：为深入了解高校学生网络学习行为特征，以四川省某高校网络学习平台的数据为研究对象，对学生学习行为进行了深入分析和研究，利用多维度的网络测评数据对学生的学习状况进行了聚类分析，利用任务点完成情况的数据学生测验分数的影响进行了聚类挖掘，并对不同学习状况下学生作业成绩是否及格进行了决策树挖掘。通过以上分析来判定各类学生的在线学习特征和学习效果，从而为学生分类培养及个性化教育提供信息支撑，也为高校在线教育质量的改进提供借鉴。

关键词：聚类算法;决策树;网络学习;数据挖掘;行为研究

中图分类号：TP311.13     文献标识码：A

文章编号：1009-3044（2021）10-0213-04

Abstract： Taking the data of a university's online learning platform in Sichuan Province as the research object， we conducted in-depth analysis and research on students' learning behavior， using multi-dimensional network evaluation data to cluster the students' learning status， and using data on the completion of task points Cluster mining is carried out on the influence of students' test scores， and decision tree mining is carried out on whether students pass or not under different learning conditions. Through the above analysis， the online learning characteristics and learning effects of various types of students are determined， so as to provide information support for student classification and personalized education， and also provide a reference for improving the quality of online education in universities.

Keywords： clustering algorithm; decision tree; network learning; data mining;behavioral research

隨着互联网教育的发展，各种网络媒体也日新月异。新时代、新技术、新趋势使在线教育形式也越来越丰富，同时也成为未来教育的重要组成部分[1]。尤其是2020年疫情以来，网络教学成为各大高校疫情期间教学的主要形式[2]，在特殊时期发挥了不可忽视的作用，同时也累积了大量的学生在线学习数据，为研究学生的在线学习行为提供了丰富的素材[3]。通过对学生在线学习数据的分析和挖掘[5]，可以了解学生的在线学习完成情况、影响因素和完成效果，评判在线学习与线下学习的优劣等[6]，并依据分析结论对高校的教学改革提出意见与建议[7]。此外，还可以通过对学生的聚类[8]，来判定各类学生的在线学习特征，为学生分类培养及个性化教育提供信息支撑。……