论文部分内容阅读
当今信息化时代,学习分析是教育技术领域的研究重点之一。教育信息化的实现必然需要技术的支持。学习分析可以连接技术与教育,是能够促进技术与教育进一步融合的有效方法。首先,确定研究目的和对象,收集学生学习数据;然后,选定数据分析方法和工具,对学生学习进行分析与建模;最后,将分析结果反馈给教学关益者,从而为学生学习提供指导。本文从目前学习分析在学习分析模型设计存在的问题出发,将统计学习方法应用于学习分析,进行了尝试性的研究。本文持续跟踪计算机科学与技术专业学生近两年内四门课程的学习过程,采用两种方式收集学生学习数据。第一种方式是从线上平台获取学生线上的学习行为数据,第二种方式是使用实名制调查问卷收集学生线下学习数据,对学习者学习行为进行综合分析。已完成的工作如下:1.学习者基本学情调查。使用实名制问卷对学生基本学习情况进行了统计分析,并将这些数据与学生学习成绩关联起来。通过综合分析发现对学生学习成绩关联性较强的因素主要有学生先修课程平均分,学习态度,学习动机等。2.基于Lasso-LARs的学习者学习行为分析。通过学习者行为分析确定影响学生学习成绩的各个因素的重要程度,研究发现学习动机、先修课程平均分、实验考试得分、习题得分、预习时间等与学生学习成绩关联程度最强。3.基于支持向量机的学习者分类模型的建立。使用SVM算法构建学生分类模型,该模型能根据学生学习行为对学生进行分类。4.基于SVR的学生学习风险预测。使用SVR算法建立学生学习成绩的预测模型,该模型能根据学生学习行为和学生基本特征数据预测学生学习成绩。在相关性分析的基础上人为的改变学生某些学习行为数据,以实验的方式验证干预的效果。本文将统计学习方法应用于学习者行为分析、学习者分类建模及学习风险预测等方面,进行了跨学科的尝试性研究,仍存在一些不足,在之后的研究中可以进一步丰富各种方法和技术在学习分析领域中的使用。