互聯(lián)網(wǎng)技術(shù)的飛速進(jìn)步推動了教育行業(yè)的迅猛發(fā)展,教育行業(yè)進(jìn)入了網(wǎng)絡(luò)時代。網(wǎng)絡(luò)學(xué)習(xí)雖然為學(xué)習(xí)者提供了自由便捷的學(xué)習(xí)方式,但是其背后還有很多問題,其中通過率較低和輟學(xué)率較高是需要重點(diǎn)解決的難題。針對網(wǎng)絡(luò)學(xué)習(xí)發(fā)展過程中的這些瓶頸問題,本文通過對學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)過程中產(chǎn)生的大量學(xué)習(xí)行為數(shù)據(jù)進(jìn)行挖掘分析,并且使用集成學(xué)習(xí)算法對學(xué)習(xí)者進(jìn)行分類研究。根據(jù)學(xué)習(xí)者類型的不同實(shí)施不同的教學(xué)方案,從而為網(wǎng)絡(luò)學(xué)習(xí)平臺的高效教學(xué)提供科學(xué)依據(jù)。本文使用美國麻省理工學(xué)院和哈佛大學(xué)公開的ed X網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)集進(jìn)行學(xué)習(xí)者分類研究。首先對ed X數(shù)據(jù)集中的學(xué)習(xí)行為特征屬性進(jìn)行詳細(xì)分析,通過統(tǒng)計分析方法得出部分結(jié)論,同時使用特征工程的部分方法對數(shù)據(jù)集進(jìn)行相應(yīng)處理工作,為后續(xù)構(gòu)建分類模型做準(zhǔn)備。其次在分類模型構(gòu)建方面,通過對Stacking算法的理論進(jìn)行細(xì)致研究,根據(jù)它的性能優(yōu)勢將其作為學(xué)習(xí)者類別預(yù)測算法,并根據(jù)其自身特點(diǎn)對其在層次結(jié)構(gòu)、數(shù)據(jù)特征屬性表示、結(jié)合策略、分類算法等方面進(jìn)行改進(jìn),將改進(jìn)后的Stacking算法用于分類模型的構(gòu)建。最終通過使用15個不同類型的UCI數(shù)據(jù)集對改進(jìn)后的Stacking算法進(jìn)行實(shí)驗(yàn),結(jié)果表明改... 

【文章來源】：遼寧科技大學(xué)遼寧省

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

網(wǎng)絡(luò)學(xué)習(xí)用戶規(guī)模及使用率

遼寧科技大學(xué)碩士學(xué)位論文3系[10]。Hill通過對學(xué)習(xí)者的數(shù)量與時間進(jìn)行分析后發(fā)現(xiàn)，學(xué)習(xí)者的數(shù)量會在一周的學(xué)習(xí)過后呈現(xiàn)明顯下降趨勢[11]。DeBoer等分析研究了學(xué)習(xí)者多項(xiàng)基本個人信息以探究對學(xué)習(xí)完成度的影響[12]。另一方面是根據(jù)學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)進(jìn)行模型的構(gòu)建從而對學(xué)習(xí)效果進(jìn)行預(yù)測以提高學(xué)習(xí)效率。如Ramesh等使用學(xué)習(xí)者的不同學(xué)習(xí)行為特征屬性預(yù)測學(xué)習(xí)者參加測試的概率及測試成績[13]。Balakrishnan等通過對伯克利大學(xué)一門網(wǎng)絡(luò)學(xué)習(xí)課程數(shù)據(jù)中學(xué)習(xí)者視頻瀏覽時間、論壇瀏覽次數(shù)及學(xué)習(xí)時長等顯著學(xué)習(xí)行為屬性使用隱馬爾科夫模型以預(yù)測學(xué)習(xí)者中途輟學(xué)的概率[14]。Alkhattabi通過使用數(shù)據(jù)挖掘技術(shù)對學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)行為信息、學(xué)習(xí)者的個人信息及學(xué)習(xí)動機(jī)等因素進(jìn)行分析以提升學(xué)習(xí)效果[15]。BartPursel等通過使用邏輯斯蒂回歸方法對學(xué)習(xí)者的個人信息特征及學(xué)習(xí)行為數(shù)據(jù)進(jìn)行回歸分析以挖掘其對課程學(xué)習(xí)效果的影響程度[16]。Kloft等使用支持向量機(jī)對學(xué)習(xí)者的點(diǎn)擊流數(shù)據(jù)進(jìn)行分析，預(yù)測學(xué)習(xí)者退出概率[17]。1.2.2國內(nèi)研究現(xiàn)狀國內(nèi)的網(wǎng)絡(luò)學(xué)習(xí)行為分析研究相較于國外起步較晚，但是近些年隨著計算機(jī)技術(shù)的發(fā)展也取得了長足進(jìn)步，從相關(guān)期刊論文中對網(wǎng)絡(luò)學(xué)習(xí)行為分析對應(yīng)的關(guān)鍵字進(jìn)行期刊檢索，可以發(fā)現(xiàn)這一領(lǐng)域的研究正在穩(wěn)步增長，文獻(xiàn)檢索數(shù)據(jù)如圖1.2所示。圖1.2網(wǎng)絡(luò)學(xué)習(xí)行為分析相關(guān)文獻(xiàn)年度發(fā)表趨勢Fig.1.2Onlinelearningbehavioranalysisofrelatedliteratureannualpublishingtrend國內(nèi)關(guān)于網(wǎng)絡(luò)學(xué)習(xí)行為的研究工作主要包括網(wǎng)絡(luò)學(xué)習(xí)行為要素分析、學(xué)習(xí)效果評價、學(xué)習(xí)者成績預(yù)測等方面，如賀超凱等選取edX數(shù)據(jù)集中部分典型特征通過邏輯斯蒂回歸方法對學(xué)習(xí)者課程成績進(jìn)行預(yù)測[18]。蔣卓軒等使用Coursera平

第三章網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)分析與處理3.2網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)分析本部分的研究主要是對edX公開數(shù)據(jù)集的學(xué)習(xí)者數(shù)據(jù)進(jìn)行相關(guān)統(tǒng)計分析，探究各類學(xué)習(xí)者的學(xué)習(xí)概況，主要從學(xué)習(xí)者的類型以及特征等層次進(jìn)行分析研究。3.2.1學(xué)習(xí)者類型分析本文所采用的edX數(shù)據(jù)集中共有641138個學(xué)習(xí)者的學(xué)習(xí)記錄數(shù)據(jù)，其中中國學(xué)習(xí)者為5170人次。我們根據(jù)數(shù)據(jù)集中的分類方法對學(xué)習(xí)者進(jìn)行相應(yīng)的類別劃分，共分為注冊學(xué)習(xí)者、瀏覽學(xué)習(xí)者、探索學(xué)習(xí)者、獲得證書學(xué)習(xí)者四個類別，同時通過數(shù)據(jù)集中的記錄可以得出各類學(xué)習(xí)者的比例，詳細(xì)信息如圖3.1所示。圖3.1各類學(xué)習(xí)者的比例Fig.3.1Theproportionofdifferenttypesoflearner根據(jù)圖3.1可知網(wǎng)絡(luò)學(xué)習(xí)中學(xué)習(xí)者能夠獲得證書的比例為2.8%，并且探索者與取得證書者的比例之和僅為6.3%，而中國的網(wǎng)絡(luò)學(xué)習(xí)者的兩項(xiàng)比例統(tǒng)計數(shù)據(jù)分別為1.2%和3.6%。由此數(shù)據(jù)分析可知網(wǎng)絡(luò)學(xué)習(xí)中的探索學(xué)習(xí)者比較少，在課程結(jié)束后能夠獲得學(xué)習(xí)證書的學(xué)習(xí)者比例過低，超過半數(shù)的學(xué)習(xí)者為瀏覽者，他們僅僅在課程進(jìn)行注冊后對部分課程內(nèi)容進(jìn)行閱覽。為了對學(xué)習(xí)者的類別進(jìn)行詳細(xì)分析，我們對各個國家學(xué)習(xí)者中獲得證書者進(jìn)行比例分析，具體信息如圖3.2所示。根據(jù)圖3.2對各個國家的學(xué)習(xí)者進(jìn)行分析可知，全球的網(wǎng)絡(luò)學(xué)習(xí)者中西班牙的學(xué)習(xí)證書獲得比例最高，占比達(dá)8.4%，中國學(xué)習(xí)者的通過比例處于末位，而且在大多數(shù)情況下歐洲和美洲國家比亞洲國家獲取學(xué)習(xí)證書比例高。


本文編號：3108969