文献类型：期刊文章

作　　者：吴林静[1] 劳传媛[1] 刘清堂[1] 程云[2] 毛刚[3]

WU Lin-jing;LAO Chuan-yuan;LIU Qing-tang;CHENG Yun;MAO Gang(School of Educational Information Technology,Central China Normal University,Wuhan,Hubei,China 430079;School of Educational Information Technology,Huanggang Normal University,Huanggang,Hubei,China 438000;School of Teacher Education,Zhejiang Normal University,Jinhua,Zhejiang,China 321004)

机构地区：[1]华中师范大学教育信息技术学院,湖北武汉430079 [2]黄冈师范学院教育科学与技术学院,湖北黄冈438000 [3]浙江师范大学教师教育学院,浙江金华321004

出　　处：《现代教育技术》

基　　金：国家自然科学基金项目"网络学习资源深度聚合及个性化服务机制研究"(项目编号:71704062);"数字化课堂环境下教学行为分析及优化策略研究"(项目编号:71603098);教育部人文社科规划基金项目"基于场景感知的户外体验式学习环境构建方法研究"(项目编号:17YJA880104);华中师范大学基本科研业务费专项资金项目"基于大数据的慕课评论语义分析及应用研究"(项目编号:CCNU18QN022)资助

年　　份：2018

卷　　号：28

期　　号：6

起止页码：46-53

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2017_2018、NSSD、RCCSE、RWSKHX、核心刊

摘　　要：针对网络学习空间中的数据未能被充分挖掘和利用的问题,文章提出了一种基于数据挖掘技术的在线学习行为分析模型。该模型将网络学习空间中的在线学习行为分为四类:独立学习行为、系统交互行为、资源交互行为和社会交互行为。基于此四类行为,该模型提出了相关分析、分类分析和聚类分析的分析方法,依据分析结果为网络学习中的各类利益相关者提供教学参考。文章以某网络学习空间数据为例,进行案例研究后发现:(1)独立学习行为与学习成绩的相关性最强,具有较强的预测作用;学习者的求助次数与其它因素相关性最弱,不宜作为行为分析的核心指标;(2)以具有较强相关性的学习行为对成绩进行预测,使用K-近邻分类器可获得84.62%的准确率;(3)对学习行为进行聚类分析,可发现学习者主要存在四种不同的学习行为模式,针对不同类型的学习者,教师可采取不同的干预策略,实现个性化的教与学。

关 键 词：网络学习空间  学习行为分析  分类  聚类 行为模式  

分 类 号：G40-057]