基于行为序列的学习过程分析与学习效果预测

摘要:学习过程数据反映了学习者在学习过程中的状态。当前众多对学习者学习过程数据进行挖掘与分析的研究,大多基于学习者在某一学习行为上投入的精力和时间来开展。这些粗粒度数据并不能细致地反映学习者的认知投入水平,且部分学习行为数据对学习效果的预测正确率不高。与学习者参与度相比,学习过程中的学习行为序列,更能反映学习者学习行为轨迹、意愿与认知过程。利用滞后序列分析法对DEEDS平台上的学习过程数据的分析发现:滞后序列分析法可以清晰地揭示若干重要的学习行为序列;相较于支持向量机、逻辑斯蒂回归以及决策树等数据挖掘方法,朴素贝叶斯方法具有良好的预测性能,平均正确率超过70%。研究结果证明,学习者的学习行为序列可以为教师呈现更全面的在线学习图景,帮助教师发现学习者的学习习惯、偏好以及认知过程,辅助教师对教学过程进行反思。同时,通过行为序列数据可以较准确地预测出学习者的学习成就,继而对预测模型中关键属性进行分析,为教师在后续教学过程中采取有针对性的干预措施提供建议,达到提高教育教学绩效的目的。 关键词:学习过程; 行为序列; 数据挖掘; 滞后序列分析法; 学习效果预测; [1]江波,高明,陈志翰,王小霞. 基于行为序列的学习过程分析与学习效果预测[J]. 现代远程教育研究,2018,(02):103-112.

Continue reading »

数据驱动下的学习支持设计与实践

摘要: 随着数据挖掘与学习分析技术的发展,如何实现数据价值为学生提供支持服务已成为研究热点。为了合理运用学习过程数据更加准确、客观地辅助学生学习,本研究从精准教学视角出发,构建数据驱动下的学习支持设计模型,描述了学习支持设计的两个主体、四个维度、四个环节,阐释了各维度学习支持的具体设计途径与数据驱动过程,并将其应用于实践,结合实验研究法、问卷调查法、访谈法,运用SSAS等学习分析工具验证数据驱动下的学习支持有效性。结果表明,数据驱动下的学习支持能够影响学生学习决策,进而提升学生元认知水平、学习成绩与流畅度,在学习效果与学习能力方面均具有显著促进作用。 关键字: 学习支持;精准教学;数据驱动;学习分析 [1]李士平,赵蔚,刘红霞. 数据驱动下的学习支持设计与实践[J]. 电化教育研究,2018,(03):103-108+114.

Continue reading »