文献类型：期刊文章

作　　者：王改花[1,2] 傅钢善[1]

WANG Gaihua;FU Gangshan

机构地区：[1]陕西师范大学教育学院 [2]西安职业技术学院

出　　处：《现代远程教育研究》

基　　金：陕西师范大学中央高校基本科研业务费专项资金资助项目“基于大规模在线开放课程的学习者认知特征研究”(2017TS074); 国家社会科学基金教育学一般项目“网络环境下群体差异认知特征及有效学习研究”(BCA110024)

年　　份：2018

卷　　号：0

期　　号：4

起止页码：106-112

语　　种：中文

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

摘　　要：随着计算机与网络的快速发展和普及,网络学习已成为互联网+时代教育发展的重要组成。近年来随着大数据被广泛关注,基于数据挖掘的网络学习行为研究成为重要的研究方向和研究热点。当前关于网络学习行为的分类,大多数基于学习者本身属性,缺乏比较详细而深入的行为类型分析。基于数据挖掘的聚类分析,可以借助大数据的优势,发现数据背后的规律。利用陕西师范大学"现代教育技术"在线开放课程学习者的网络学习过程记录,采用数据挖掘工具对网络学习者行为进行聚类分析,研究发现:根据学习特征,网络学习者可以分为高沉浸性型、较高沉浸性型、中沉浸性型、低沉浸性型四种群体;学习行为与学习效果密切相关,沉浸性高的学习者学习效果往往较好。教师可借助技术工具,对学习者进行不断更新、实时、循环的聚类分析,及时发现学习者的个体及群体学习特征,因材施教,推送适应性的个性化服务,并给予及时的学习预警与恰当的教学干预。

关 键 词：网络学习 行为特征  数据挖掘 聚类分析 个性化教育

分 类 号：G434[教育学类]