陈逸菲，马辰来，翟慧茹，袁加伟，陆安祥，朱晓雅

（南京信息工程大学滨江学院，江苏无锡 214105）

0 引言

2020 年春季新冠疫情防控期间，全国高校实施了大规模的在线教学。2020 年11 月，教育部推出首批国家级一流本科课程 5 118 门，其中线上一流和线上线下混合式一流课程分别有1 875 门和868 门，共占54.86%［1］。可以预见，作为教育教学与信息技术、人工智能技术深度融合的教学模式，线上以及混合式教学法将越来越受到关注［2-3］。这两类课程在建设与实施的过程中产生了大量学习数据，如果能有效利用这些数据进行教学改革，对学生的学习与教师的授课情况做出实时反馈，使整个教学过程成为一个数据驱动的“闭环”，将有助于提升教学质量［4-6］。

近年来，国内外学者在学习数据分析方法上进行了多种尝试［7］。宗阳等［8］采用RFM 模型对MOOC 学习者的在线学习行为进行了分析；张峰［9］、罗永［10］等基于视频学习数据分析了不同类型学生学习行为的差异；陈长胜等［11］分析了MOOC 学习者的学习时间分配特征与差异；田娜等［12］分析了MOOC 平台上多个指标与期末考试成绩之间的关系；蒋卓轩等［13］基于MOOC 数据进行了行为分析，并预测学习者能否完成学习任务而获得证书；Liu 等［14］设计了一种多变量时间序列分类算法对MOOC 学生的辍课行为进行了预测；李雪娇［15］针对在线学习参与度低、学习效果不佳的现象，提出利用学习者画像进行在线学习支持服务策略设计，提供精准化学习支持服务。此外，数据挖掘、大数据、机器学习等技术也被用于学习行为的分析与预测［16-19］。……