基于数据挖掘的在线学习行为特征分析.pdf

第 卷 第 期 年 月绵阳师范学院学报(自然科学版)().收稿日期:基金项目:湖北省教育科学规划 年度重点课题项目()第一作者简介:魏铭()女江苏东海人硕士研究生研究方向:数据挖掘 基于数据挖掘的在线学习行为特征分析魏铭徐洪胜唐海白玉帅(湖北汽车工业学院电气与信息工程学院湖北十堰)摘 要:利用行为科学和行为主义心理学等理论选择、提取在线学习行为特征对其进行界定、描述并量化根据在线学习行为的六要素对在线学习行为进行类别划分将行为特征与学习效果进行单因素相关性分析并得到每一个特征与学习效果的相关性 实验表明所有特征与学习效果均呈现正相关性其中大部分特征为强相关性为后续研究打下基础 关键词:在线学习行为 行为特征分析 量化中图分类号:文献标志码:文章编号:():././.():.:引言目前在线学习已经成为越来越普遍的新型学习途径 有学者把在线学习行为理解为:学习者为实现一定的学习目标或学习需要在信息技术所创设的网络环境中所发生的一切与学习相关的操作行为和心理行为的总称 在“互联网”背景下大数据迅速应用于各行各业学习分析作为教育信息化的新浪潮是教育大数据的主要应用领域通过数据挖掘等分析方法分析在线学习行为数据可以为学习者、教育者等提供有价值的信息 因此分析在线学习行为特征构建在线学习行为模型为搭建有效的在线学习系统提供支持从而提升在线学习效率与质量 本研究基于行为科学和行为主义心理学等理论对在线学习行为特征选择、提取、界定、描述和量化依据在线学习行为六要素对在线学习行为进行划分对行为特征与学习效果做单因素分析 选取某高校开设的一门专业课运用数据挖掘技术处理在线学习行为数据提取在线学习行为特征并利用 和 进行单因素分析探讨每个特征对最终学习效果的影响 研究现状在线学习平台虽拥有丰富的学习资源但在线学习效果不尽人意 在线学习过程中师生处于不同的物理空间相比线下学习而言在线学习的学习氛围欠佳线下学习中师生可以实时动态交互而线上学习者缺乏自我约束、学习积极性不高并且教师无法实时掌握学习者的学习状态从而导致在线学习效果欠佳 针对这一现象专家学者们将研究重点投入到在线学习行为分析方面 彭文辉等提出了一个多层次、多维度的在线学习行为理论模型后又提出 三维分类模型开启了国内对在线学习行为的研究 等在分析在线学习行为模式的基础上提出多层次学习行为模型姜强等利用贝叶斯网络方法挖掘学习行为模式推测学习者学习风格并构建学习风格模型经实证研究分析对学习者学习行为的数据分析有利于提供个性化干预促进教与学 虽然上述研究理论研究充足但是在选取行为特征时不够全面也没有对特征量化处理 李爽等基于 数据从学习行为投入角度提出在线学习行为投入分析框架并确定测量指标发现四个指标对预测学习效果有显著效果杨现民等采用滞后序列分析法分析学习者在线学习行为模式帮助教师准确掌握学习者的行为倾向彭丽华等对 平台学生在线学习行为数据进行分析并通过访谈法分析 的优势与不足 等通过相关分析方法分析学生在线学习行为和成绩的相关性选择与成绩相关的行为特征(阅读材料完成数、讨论次数、观看视频时长等)并采用 聚类算法进行群体分析为教学管理提供相应的建议 但是这类研究没有对在线学习行为进行量化分析 傅钢善等采用数据挖掘和统计学方法对其采集的在线学习行为特征定量分析分析行为特征与学习效果的关系 等通过在线学习平台搜集学生的学习资源、论坛交流、作业测试等行为特征建立学生成绩预测模型 等收集学生的在线互动行为数据采用模糊决策树算法进行建模分析学生行为中反映学生的认知属性进而识别学生是否是经验者 但是上述研究只采集、分析了部分外显行为特征所选特征不够严谨、全面 以上研究选取的特征还有待完善、全面和深入缺乏对在线学习行为特征的量化研究导致无法利用数据挖掘技术分析在线学习行为特征对学习效果的影响仅仅只能进行简单的相关分析无法深入研究 综上所述对在线学习行为特征的准确选取、量化与分析是必要的本研究就如何量化行为特征及其对学习效果的影响开展研究 绵阳师范学院学报(自然科学版)在线学习行为特征学习行为是指在学习过程中发生的各种和学习相关的行为可以分为可测量和观察的外显行为以及包括记忆、分析等思维活动的内隐行为 在线学习行为指发生于网络学习环境中的与学习有关的行为根据行为科学理论和行为主义心理学其要素可由人类行为五要素(行为主体、行为客体、行为环境、行为手段、行为结果)引申成六要素:行为主体、行为客体、行为环境、行为工具和手段、行为结果、行为过程 对于在线学习而言行为工具和手段即学习者在学习平台上采用的学习工具行为过程即学习者在线学习的阶段性表现行为结果即学习者最终的学习效果本研究主要对外显的在线学习行为特征进行分析.行为特征选取根据行为科学理论学习者出于自身需要使用在线学习平台进行学习行为科学关注可观察、可测量的外显的行为活动 在线学习过程中操作是可观察、可量化的因此在线学习行为分析以网络操作为突破口通过对学习者的学习操作进行观察、描述并细化加以研究根据六要素中的行为工具和手段、行为过程将在线学习行为划分为课程访问情况、视频观看情况、作业表现和平时成绩四个类别总计 个特征如表 所示 表 行为特征.特征类别行为特征描述阈值课程访问情况签到率学习者在老师发布签到应到次数里实到次数活跃天数学习者到当前周有行为记录的天数中位数浏览评分规则学习者浏览课程的评分规则的总次数众数访问时长学习者观看视频的时长中位数学习资源下载学习者下载学习资源的次数(如 等)中位数论坛访问次数学习者访问论坛的总次数视频观看情况观看频次学习者观看视频的次数是否完整观看学习者是否完整观看视频重复观看频次学习者是否有重复观看视频的行为众数作业表现作业是否提交学习者每一次的作业是否提交作业是否重复学习者作业是否重复提交作业提交时刻老师发布作业的时间和学习者提交作业的时间差平时表现章节测试成绩学习者每一课程章节结束时的小测验里所得分数优秀普通合格不合格作业成绩学习者每次作业得到的成绩优良差其中课程访问情况和视频观看情况属于行为工具和手段作业表现与平时表现属于行为过程.行为特征量化课程访问情况中活跃天数能够体现学习者是否在登录课程学习取其中位数为阈值大于阈值的记为高活跃等于阈值的记为中等活跃小于阈值的记为低活跃 签到率能够体现学 魏 铭等 基于数据挖掘的在线学习行为特征分析习者的学习态度由教师发布的签到次数为参考签到率表示公式如下:()()式中为第 个学生的签到率为第 个学生第 次签到的次数令 为第 个学生第 次未签到的次数 为教师发布签到总次数 为学生总人数 考虑到偶然事件因此将签到率处于.范围内的记为 低于.的记为 视频观看情况中观看频次能够体现学习者的学习投入情况一般情况下视频的总个数被当作是学习者最少应当观看的次数设为 取全部学习者观看频次众数 学习者实际观看频次记为 若 表达式为观看频次 多 正常 少 ()若 表达式为观看频次 多 正常 少 ()作业表现中作业提交时刻能够体现学习者的自我效能感设作业期限为 天在期限的前 内提交作业的记为积极学习者在期限的 内提交作业的记为一般学习者其它记为不积极学习者(余数取整)平时表现中章节测试成绩能够体现学习者对于这一章节内容的掌握情况章节测试成绩满分为 分大于等于 分为优秀区间内为普通区间内为合格小于 分为不合格 总共 章章节测验取各章节测验等级的众数决定总体章节测验的成绩若各等级恰好均分则记为合格 剩余行为特征的量化与上述特征所作量化过程大致相似在此不作赘述 相关性分析将收集到的在线学习行为特征数据预处理后将在线学习行为特征与最终学习效果做单因素相关分析.行为特征数据预处理由于完全符合表 特征的数据较少因此本研究只抽取到某高校两个班级的在线学习行为数据共 条数据包括行为数据及最终成绩将最终成绩视为学习者的学习效果 最终成绩为百分制对其离散化处理成绩在区间的划分为 等级成绩在区间划分为 等级在区间划分为 等级在区间)的划分为 等级 经预处理后的部分行为特征与最终成绩如表 所示 绵阳师范学院学报(自然科学版).单因素分析在进行单因素分析之前对等级人数分布进行统计如图 所示 图 等级分布图.在课程访问情况中如图、图 和图 所示对于活跃天数由柱状图可看出活跃天数高的学习者最终等级为 或 其中等级为 的学习者全部为高活跃等级为 的学习者为高活跃 等级和 等级学习者在高活跃均无分布 低活跃学习者最终等级分布在 和 其中等级 在中活跃与低活跃均有分布但 等级学习者更多分布在低活跃等级 全部为低活跃 对于访问时长与活跃天数有相似的结论 图 活跃天数与访问时长条形图.图 为签到率、浏览评分规则、论坛访问次数的折线图签到率和浏览评分细则全部达到表 标准的学习者均分布在等级 和 转折点在等级 处出现签到率下降较为缓慢并且没有完全达不到标准的等级 浏览评分细则在等级 处出现迅速下降的情况完全没有达到标准的均为 等级学习者 对于论坛访问次数所有等级学习者都没有全部达到标准最高点出现在等级 最低点(即无人达到标准)在等级 可见访问论坛次数较多的学习者多分布于等级、图 为学习资源下载折线图下载次数较多的学习者均分布于、等级 等级全部为多次数下载少量 等级学习者的下载次数为一般次数 随着资源下载次数由多到少等级 与 的学习者人数急剧下降等级 和 的学习者人数则呈上升趋势 魏 铭等 基于数据挖掘的在线学习行为特征分析图 三个特征折线图.图 学习资源下载折线图.在视频观看情况中三个特征皆用条形图来表示如图 所示 三个特征的共同点在于:达到特征高标准的均分布在 等级完全不达标的均分布在 等级分别属于两个极端 由图()可知较多观看频次的学习者均分布在、等级正常观看频次的学习者少量分布于 和 等级较少观看频次的学习者大多分布于 等级及以下 图()可看出该特征内 和 等级学习者全员达标小部分 等级学习者也达到标准未达标的学习者依旧分布在 和 等级由图可知若学习者能够达到正常观看频次或完整观看的标准最终学习效果至少能够达到合格 图()中等级 与 学习者首次出现较大差异其中正常重复观看频次有分布在 等级 图 观看频次.图 是否完整观看.图 重复观看频次.在作业表现中如图 所示 图()中作业全部提交的学习者均分布于 等级从 等级开始出现下降趋势 由图可知大部分学习者作业均会提交 等级学习者也未出现作业提交完全不达标的现象其中存在平时成绩的原因 作业重复最高点在 等级最低点在 等级此特征与学习效果弱相关 图()中作业提交积极的均分布于、等级但是也存在.等级 的学习者积极提交作业 作业提交时刻一般的学习者均分布于 等级提交作业不积极的学习者分布于 等级以及 等级 提交时刻积极的学习者对应其学习态度也是积极的因此这部分学习者学习效果较好其他部分学习者学习效果则较差 绵阳师范学院学报(自然科学版)图 作业表现折线图.图 作业提交时刻.图 作业成绩堆积条形图.对于平时表现如图 和图 所示 图 中作业成绩为优的学习者最终等级几乎全部为 和 作业成绩为良的学习者大多分布于 等级作业成绩为差的学习者更多的分布于 等级 作业成绩为优所占百分比最大作业成绩为差的学习者次之 图 中横轴为章节测验的章节数纵轴为章节测验成绩虚线为该学习者最终成绩 在四个等级各选取一名代表性学习者进行分析 学生 章节测验成绩均匀分布在虚线两侧且各个测验成绩相差较小说明其成绩基本真实与最终成绩相符 可见章节测验成绩与最终成图 章节测验散点图.绩相差无几、基本达到 分左右的学习者学习效果也最好能够达到 等级 学生 章节测验成绩与最终成绩基本吻合 而学生 与学生 的章节测验成绩与最终成绩均不相符由图 可看出该部分学习者章节测验成绩分布于高分段()较多但是最终成绩却只是刚及格甚至不及格 结语本研究基于行为科学和行为主义心理学等理论选择、提取在线学习行为特征并将处理后的特征与学习效果进行单因素分析 对于学习者而言除了作业是否 魏 铭等 基于数据挖掘的在线学习行为特征分析重复和论坛访问次数其它 个特征全部达到阈值的必然学习效果也较好完全达不到阈值的学习效果也较差 实验表明所有特征与学习效果均为正相关但是强弱不同 经过进一步分析课程访问情况包括签到率、活跃天数、浏览评分规则、访问时长、学习资源下载、论坛访问次数视频观看情况包括观看频次、是否完整观看、重复观看频次作业提交时刻平时表现包括章节测试成绩、作业成绩相关系数均超过.为强相关特征 通过分析行为特征对于学习者而言有助于其自我提高和反省找到努力的方向从而提升自身学习效率和质量对于教师而言从线下教学转移到线上教学不仅不能照搬线下教学的模式还要充分了解在线学习的特点并对教学做相应改善对于搭建在线学习系统而言应该考虑采集更加全面的行为数据 将在线学习行为特征量化、分析后为在线学习行为建模做准备后续建立在线学习效果预测模型时对行为特征的选择也有所依据应主要考虑强相关特征为预测学习效果打下基础为搭建有效的在线学习系统提供帮助 参考文献:刘春芝魏兰兰张一春.国内网络学习行为研究的现状与分析.数字教育():.王良周于卫红.大数据视角下的学习分析综述.中国远程教育():.曾燕黄斯欣.新冠疫情危机下高等院校在线教学的利与弊.绵阳师范学院学报():.彭文辉杨宗凯黄克斌.网络学习行为分析及其模型研究.中国电化教育():.彭文辉.网络学习行为分析及建模.武汉:华中师范大学.():.姜强赵蔚王朋娇等.基于大数据的个性化自适应在线学习分析模型及实现.中国电化教育():.李爽王增贤喻忱等.在线学习行为投入分析框架与测量指标研究:基于 数据的学习分析.开放教育研究():.杨现民王怀波李冀红.滞后序列分析法在学习行为分析中的应用.中国电化教育():.彭丽华王陈欣刘雪宁等.大数据视角下的在线学习行为研究.中国教育信息化():.:.傅钢善王改花.基于数据挖掘的网络学习行为与学习效果研究.电化教育研究():.:.:.沈欣忆刘美辰吴健伟等.学习者在线学习行为和学习绩效评估模型研究.中国远程教育():.伍文燕张振威.行为科学理论及其对网络学习行为分析的启示.中国教育技术装备():.(责任编辑:陈英)绵阳师范学院学报(自然科学版)