【摘要】：隨著在線學習者規(guī)模的增加,學習者的在線學習學業(yè)預測成為教學難題。所以本文立足于學習分析技術,利用從在線學習平臺獲得的數(shù)據(jù),嘗試建立能預測學業(yè)成績的模型,從而為學業(yè)預警和優(yōu)化教學策略提供科學依據(jù)。(1)首先分析了學習分析與教育數(shù)據(jù)挖掘的區(qū)別及學習分析的內涵,并提出了學習分析流程與要素模式,闡述了學習分析在教學過程中的環(huán)節(jié)及其組成要素。接著提出“學習”要素框架,從多個方面對“學習”進行了描述�；凇皩W習”要素框架分析了學習行為投入對學業(yè)成績的影響,提出了學習行為投入測評框架,從多個維度對學習行為投入程度進行衡量。(2)以決策樹和隨機森林算法作為學習成績預測模型的實現(xiàn)方法。首先對算法原理進行了分析。然后采用信息熵的算法思想對數(shù)據(jù)集中的連續(xù)型變量進行了離散化,實驗證明該方法能有效提高算法的擬合程度。接著利用算法對數(shù)據(jù)集進行擬合建模,通過調參和剪枝等處理方式得到了效果較好(準確率達80%)的預測模型。最后利用混淆矩陣對模型進行評估,模型對樣本預測分類的準確率分別為H(84%)、M(69%)和L(89%),表明模型對學業(yè)預警是有效的。(3)預測結果表明“學生缺席次數(shù)”和描述學習行為的四個特征(“查看資源次數(shù)”、“舉手次數(shù)”、“查看公告次數(shù)”和“討論次數(shù)”)對學習成績影響最大。通過對學習行為四個特征的相關性分析,“討論次數(shù)”與其他三個相關性都較低,而其余特征兩兩之間相關性都較強,該結果有助于學習行為投入測評框架的維度劃分。
【學位授予單位】：云南師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：G434
【圖文】：

7圖 1.1 論文結構對學習分析技術的背景和意義、概念等進行綜述與對比實現(xiàn)的方法。找出具體實現(xiàn)方法以后，對方法的原理進的算法具體實現(xiàn)過程與實現(xiàn)平臺的選擇進行研究。然后數(shù)據(jù)集上進行建模，模型建立好之后對模型進去驗證與。主要是闡述學習分析的背景、意義與現(xiàn)狀。從大數(shù)據(jù)和習分析在教育教學變革中的重要性；從研究現(xiàn)狀中可以的主要問題與發(fā)展方向，學習分析技術更多的是在于理對比國外在學習分析的具體實現(xiàn)上還有很大的差距。主要是對學習分析進行具體的分析，首先了解學習分析

第 2 章 學習分析的相關概念與理論基礎可以界定學習分析的內涵。學習分析關注點不應只是數(shù)據(jù)，，即以服務學生和教輔等共同體為目標，通過對數(shù)據(jù)的分析解為：為提高學生的學習效果，對相關數(shù)據(jù)集進行分析，通模等。習分析與教育數(shù)據(jù)挖掘對比結果上兩小節(jié)對數(shù)據(jù)挖掘和學習分析的基礎理論分析來看，兩者認為在很大程度上兩者是相互交叉的，甚至可以說學習分析上發(fā)展起來的。數(shù)據(jù)挖掘更加注重在數(shù)據(jù)集上建立模型，通據(jù)集中的特點，不強調人為的干預。而對于學習分析來說，即要對模型的挖掘過程和結果進行分析，分析學習發(fā)生的過的結果。學習分析在在線學習中的環(huán)節(jié)，是與實時課堂教學不.1 所示。

【參考文獻】

相關期刊論文 前8條

1 孟玲玲;顧小清;李澤;;學習分析工具比較研究[J];開放教育研究;2014年04期

2 祝智庭;沈德梅;;學習分析學:智慧教育的科學力量[J];電化教育研究;2013年05期

3 姚登舉;楊靜;詹曉娟;;基于隨機森林的特征選擇算法[J];吉林大學學報(工學版);2014年01期

4 李青;王濤;;學習分析技術研究與應用現(xiàn)狀述評[J];中國電化教育;2012年08期

5 顧小清;張進良;蔡慧英;;學習分析:正在浮現(xiàn)中的數(shù)據(jù)技術[J];遠程教育雜志;2012年01期

6 陳向東;;基于社會網(wǎng)絡分析的在線協(xié)作學習研究[J];中國電化教育;2006年10期

7 張存剛,李明,陸德梅;社會網(wǎng)絡分析——一種重要的社會學研究方法[J];甘肅社會科學;2004年02期

8 洪家榮，丁明峰，李星原，王麗薇;一種新的決策樹歸納學習算法[J];計算機學報;1995年06期

相關碩士學位論文 前1條

1 張瑩;基于決策樹的網(wǎng)絡學院學生學業(yè)影響因素研究[D];河南大學;2013年

本文編號：2715528