MOOC數(shù)據(jù)挖掘下的學(xué)習(xí)行為與成效范文

本站小編為你精心準備了MOOC數(shù)據(jù)挖掘下的學(xué)習(xí)行為與成效參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要:mooc的出現(xiàn)推動了教育平臺的發(fā)展，為不同人群提供了門類眾多的在線學(xué)習(xí)資源。在學(xué)習(xí)過程中產(chǎn)生了學(xué)習(xí)時長、播放天數(shù)以及學(xué)習(xí)章節(jié)數(shù)等相關(guān)數(shù)據(jù)。本文根據(jù)MOOC相關(guān)學(xué)習(xí)數(shù)據(jù)，利用K-Mean聚類的方法對不同人群學(xué)習(xí)行為進行聚類，探討了學(xué)習(xí)行為與學(xué)習(xí)成效的關(guān)系，以期為MOOC教育和發(fā)展提供有益參考。

關(guān)鍵詞:MOOC;數(shù)據(jù)挖掘;學(xué)習(xí)行為;學(xué)習(xí)成效

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，教育發(fā)展過程中逐步引入慕課新形式，受到各類學(xué)校的歡迎。該教學(xué)模式能夠更好地實現(xiàn)學(xué)習(xí)和學(xué)習(xí)者的自由化，能夠有效滿足不同階段、不同人群的學(xué)習(xí)需求。在學(xué)習(xí)過程中產(chǎn)生了學(xué)習(xí)時長、播放天數(shù)以及學(xué)習(xí)章節(jié)數(shù)等相關(guān)數(shù)據(jù)，根據(jù)慕課的數(shù)據(jù)分析能夠進行有效的學(xué)習(xí)研究，得出學(xué)習(xí)過程與成效之間的關(guān)系，據(jù)此繼續(xù)加強個性化學(xué)習(xí)方式的設(shè)計。為了做好慕課當(dāng)中的數(shù)據(jù)分析，本文主要以某MOOC平臺中的慕課數(shù)據(jù)作為基礎(chǔ)，進行數(shù)據(jù)的分析，廣泛涉及了十個不同的科目、二百堂課的學(xué)習(xí)狀況，將所有數(shù)據(jù)整合起來，形成三十多萬個數(shù)據(jù)樣本，其中，每條樣本顯示了一名學(xué)生在一門課程中的學(xué)習(xí)情況，其中，學(xué)習(xí)情況包括了課程的內(nèi)容、學(xué)生的信息、學(xué)習(xí)目標、學(xué)習(xí)頻率和學(xué)習(xí)效果。本文將對主要針對學(xué)生學(xué)習(xí)行為數(shù)據(jù)進行學(xué)習(xí)成效探究分析，以期為MOOC學(xué)習(xí)和發(fā)展提供有益參考價值。

1K-MEAN聚類算法

K-MEAN算法是典型的距離聚類算法，基本原則是兩個對象距離越近相似度越高，然后可以把距離較近的劃分一個簇，簇內(nèi)需要距離保持最小，不同簇間保持距離最大，其基本流程如圖1所示。如圖1所示，首先選取K個質(zhì)心，然后計算各個數(shù)據(jù)樣本到該質(zhì)心的距離，然后將其歸到最近的質(zhì)心類，再計算新類的質(zhì)心，判斷其是否小于或等于原質(zhì)心指定閾值，如果滿足，則結(jié)束，否則重復(fù)上述步驟，即可進行較好的聚類。

2用戶學(xué)習(xí)畫像分析

本文選取了某MOOC平臺的用戶學(xué)習(xí)的天數(shù)(LearningDays-LD)、播放時長(PlayTime-PT)、章節(jié)數(shù)(ChapterNumber-CN)、發(fā)帖數(shù)(PostNumber-PN)等特征，利用K-MEAN進行聚類分析，分析結(jié)果如下表所示。由上表可知，根據(jù)LD、PT、CN、PN四個特征，把學(xué)習(xí)人群大概分為Cluster1-4，共四類。Cluster1:LD、PT、CN和PN指標均較少，屬于MOOC體驗者;Cluster2:有一個明顯特征與其他類不同，即PN均值高于其他類，屬于積極好問者;Cluster3:各項指標處于中等水平，表現(xiàn)良好，屬于積極探索者;Cluster4:學(xué)習(xí)時長、播放時長、學(xué)習(xí)章節(jié)數(shù)處于較高水平，屬于MOOC學(xué)霸用戶。

3學(xué)習(xí)行為與學(xué)習(xí)成效分析

根據(jù)上述聚類結(jié)果，本文分別對上述四類用戶的學(xué)習(xí)成效進行了統(tǒng)計分析，分析結(jié)果如圖2所示。由圖2可知，第一類用戶學(xué)習(xí)效果較差，成績均值以及獲得證書數(shù)量均較少;第二類用戶為積極好問型用戶學(xué)習(xí)成效明顯高于第一類;第三類用戶為積極譚索型用戶學(xué)習(xí)成效較好;第四類終極學(xué)霸型用戶，學(xué)習(xí)成效最佳，成績均值以及獲得證書情況明顯高于其他用戶。

4分析結(jié)果討論

4．1學(xué)習(xí)者的情況與行為的關(guān)系

首先，當(dāng)學(xué)習(xí)者進行主動形成時，在慕課上的活躍天數(shù)、學(xué)習(xí)數(shù)量、完成程度和論文或意見發(fā)表次數(shù)都比較高，但是在被動的人里，其完成程度比較高，比主動的人更高。其他類型的人則在各項數(shù)據(jù)上都比較低，數(shù)據(jù)表明，當(dāng)形成主動學(xué)習(xí)的習(xí)慣之后，他們能夠按照自己的學(xué)習(xí)需要進行高頻率的課程參與，相反，其他類型的人則較少參與到課程的學(xué)習(xí)中，其中，學(xué)習(xí)上較為被動的人則會根據(jù)學(xué)習(xí)需要進行針對性學(xué)習(xí)，為了達到任務(wù)要求而參與到學(xué)習(xí)當(dāng)中。

4．2學(xué)習(xí)目的的不同與行為的關(guān)系

在調(diào)查的過程中，主要將學(xué)習(xí)群體分為以下幾種情況，一種是入學(xué)考試、一種是工作需要、還有的是純粹為了提升自我，另外還有一種是為了培養(yǎng)自己的興趣。按照數(shù)據(jù)分析的結(jié)果來看，在準備入學(xué)考試的人群在各項指標上都比其他人群高，工作需要的人在完成程度上也比較高，而其他兩種人群雖然也在學(xué)習(xí)中呈現(xiàn)出很大的熱情，但是在學(xué)習(xí)數(shù)量、頻率上沒有硬性要求，這說明他們在學(xué)習(xí)頻率上沒有要求，而是按照自己的空閑時間確定自己的學(xué)習(xí)時間，具備一定的隨意性，缺乏計劃性。

4．3學(xué)習(xí)人群的信息與行為的關(guān)系

在學(xué)習(xí)群體的信息調(diào)查中，不僅對其職業(yè)的調(diào)查，還對其年齡進行調(diào)查，并做出詳細的分析，將這一群體中的年齡劃分為三個階段:三十五歲以下、三十五歲到五十五歲、五十五歲以上。從結(jié)果的分析中可以看出，所有數(shù)據(jù)的增長與年齡的增加成正比，這就說明年紀稍長的人群在學(xué)習(xí)過程中更加規(guī)律，具備更好的計劃性，這一結(jié)果可以在學(xué)習(xí)過程中以彈幕的形式告知學(xué)習(xí)群體，增加他們學(xué)習(xí)的熱情，不斷提升他們學(xué)習(xí)的頻率。

4．4學(xué)習(xí)過程與學(xué)習(xí)結(jié)果的關(guān)系

在進行數(shù)據(jù)分析的過程中發(fā)現(xiàn)，學(xué)習(xí)過程中的活躍程度、意見等發(fā)表頻率、學(xué)習(xí)數(shù)量等都和學(xué)習(xí)結(jié)果成正比，其中，學(xué)習(xí)數(shù)量與學(xué)習(xí)結(jié)果的相關(guān)程度最低，學(xué)習(xí)程度與其關(guān)系最高。

5結(jié)語

本文以MOOC數(shù)據(jù)進行學(xué)習(xí)行為與學(xué)習(xí)成效的探討分析。根據(jù)學(xué)習(xí)天數(shù)、章節(jié)數(shù)、發(fā)帖數(shù)以及播放時長，對MOOC用戶進行了聚類分析，利用K-MEAN聚類算法將其聚為四類用戶，并探討相應(yīng)的學(xué)習(xí)行為與學(xué)習(xí)成效的關(guān)系。在未來，隨著個性化學(xué)習(xí)理念的深入，慕課學(xué)習(xí)將更大范圍地應(yīng)用在各個學(xué)習(xí)群體當(dāng)中，因此，需要慕課根據(jù)不同時期的數(shù)據(jù)分析進行課程調(diào)節(jié)，為學(xué)習(xí)群體設(shè)定最恰當(dāng)?shù)哪Ｊ剑部梢栽O(shè)置系統(tǒng)評價機制，搜集建議，做好革新，做好課程設(shè)置工作。

參考文獻:

［1］陳蘭嵐，宋海虹．基于MOOC數(shù)據(jù)挖掘的學(xué)習(xí)行為和學(xué)習(xí)成效分析［J］．教育教學(xué)論壇，2019，(6):50-51．

［2］陳若航，常朵．基于數(shù)據(jù)挖掘的MOOC學(xué)習(xí)行為與學(xué)習(xí)效果研究［J］．太原城市職業(yè)技術(shù)學(xué)院學(xué)報，2017，(12):178．

［3］張大胤．基于互聯(lián)網(wǎng)環(huán)境下學(xué)習(xí)行為的數(shù)據(jù)挖掘研究———以MOOC學(xué)習(xí)行為研究為例［D］．廣西師范大學(xué)，2018，(12):10-11．

［4］王洪巖．MOOC中的學(xué)習(xí)行為挖掘研究［D］．山東大學(xué)，2016，(10):5．

作者：林麒麟 李川 俸世洲 單位：重慶師范大學(xué)涉外商貿(mào)學(xué)院