APP下载

数字化学习环境下学生在线学习行为分析模型研究

2020-12-28韩昊

数字技术与应用 2020年11期
关键词:关键因素分析模型学习效果

韩昊

(武汉软件工程职业学院,湖北武汉 430033)

0 引言

随着网络技术和多媒体技术的飞速发展,在“互联网+教育”的理念影响下,数字化学习环境下在线学习已经成为人们主要的学习方式。在线学习使学习者可以根据自己的实际情况选择学习的时间、地点和内容,打破了传统学习模式在时空和教学内容上的限制,通过提供大量的学习资源、学习方法以及学习工具,扩展了学习的边界并提高了学习效果[1]。然而,在线学习为学习者带来便捷的同时,也出现了学习者在线学习过程中容易发生注意力失焦、学习效果无法保证等新问题,带来了不少新的挑战。深入分析在线学习行为特征,挖掘学生在线学习行为数据,发现影响学习效果的关键因素,建立学生在线学习行为模型,有利于对学生进行学习干预,保证学习效果。

1 数字化学习环境与在线学习行为概述

1.1 数字化学习环境概述

数字化学习环境本质上是一种信息化学习环境,是以建构主义学习理论为指导,以网络技术、计算机技术和多媒体技术为支撑的新型学习环境。数字化学习环境和学习方式改变了传统的课堂面授,以老师教学为主的模式,突出学生在学习过程中的中心地位,强调学习交互性与协作性,激励学生主动构建新知识。这种新的学习模式极大的满足了学习者个性化、碎片化的学习需求,为提高学习效果发挥了重要作用。

1.2 数字化学习环境中在线学习行为概述

数字化学习环境中在线学习行为通常是指学习者根据自身的知识结构、学习需求等实际情况自主选择学习的时间、地点、内容和方式,利用网络开展在线学习的过程中产生的行为表现。这种以建构主义学习理论为指导,以学习者为中心的学习模式克服了传统教学中单一的学习行为模式,实现向多元化学习行为转移[2]。数字化的学习手段和学习资源,多感官的学习体验,全新的学习互动方式,满足了不同年龄、职业、知识背景的学习者个性化的学习需求,也使得数字化学习环境中在线学习行为概念内涵更加丰富。

2 在线学习行为分析模型构建

2.1 问题的提出

目前,以建构主义学习理论为指导,以学习者为中心,在数字化学习环境中进行的在线学习已经成为了重要的学习手段,海量的数字化学习资源、丰富的资源表现形式使学习者能根据自己实际状况自主选择学习的内容、方式和进度,充分满足了学习者个性化学习需求。然而,新的教学模式也带来了新的挑战,学生在线学习行为的不确定性,在线学习缺乏监控和评价手段,使得老师难以进行学习干预,不同学生的学习效果差别很大。深入分析在线学习行为特征,挖掘学生在线学习行为和学习效果(成绩)之间的关联关系,找出关键因素,建立在线学习行为分析模型,使老师能根据学生学习行为进行干预,提高学生的学习效果是教学中急需解决的问题。

2.2 在线学习行为影响因素分析

数字化学习环境下学生在线学习效果的影响因素较多,需要以绩效(即学生的学习成绩)为导向,从学生基本信息、交互行为信息等多维度进行详细分析,形成学习者特征模型,为教学政策的调整,教学内容的设计,实现个性化的教与学提供帮助指导。同时为进一步挖掘在线学习行为数据,找出关键因素打下基础。

2.2.1 学习者基础信息

学习者基础信息包含个人基本信息和学业基本信息。学习者个人基本信息包括学号,姓名,年龄等基础信息;学业基本信息包括所属专业、以往完成课程等。在数字化学习环境下,利用学习者的学业信息有利于实现学习过程中的个性化内容和学习路径推荐,如图1所示[3]。

2.2.2 在线操作轨迹信息

学习路径是指学习者在线学习过程中根据自己的知识结构、学习需求,自主选择学习的内容,顺序所形成的学习行为序列。学习路径能直观地反映学习者真实的学习过程,对优化学习、提供学习帮助、调整教学策略等具有重要意义[4]。

2.2.3 学习资源利用信息

数字化学习环境下在线学习的本质就是利用数字化学习资源进行在线学习,学习者对于线上数字化学习资源的下载次数、浏览次数、阅读时长等信息反映了学习者对课程学习的需求特征,具有一定的统计学意义。

2.2.4 在线交互行为信息

数字化学习环境中学习者的学习过程不是由自己独自一人完成的,需要师生间有效的在线交流沟通,学习者之间的相互帮助。目前,在线学习的交流互动大多采用了论坛的形式,学习者发回帖、发起话题、评论等行为能一定程度上反映学习者的学习状态。另外,师生和生生之间通过论坛等在线环境有效交流能提高学习者学习效果,更好发挥论坛再导学促学助学方面的作用。

图1 学习者基本信息

图2 数据采集与预处理过程

2.3 构建数字化学习环境下在线学习行为分析模型

根据上节的分析,数字化学习环境下学习者在线学习行为涉及众多影响因素,本文采用K-means和分类关联规则方法,挖掘影响学习效果(即成绩)的关键因素,构建数字化环境下在线学习行为分析模型。

2.3.1 数据采集

本研究所用数据来自于某市广播电视大学国开学习网在线教学平台,该平台提供了学生学习空间,其中的课程资源包含课程导学资料、教学辅导资料、章节知识要点、在线作业等,同时平台还记录了学生在线学习的行为统计,如浏览资源数、在线时长、发回帖数等行为数据。

2.3.2 数据预处理

国开学习网在线学习平台的行为数据通常是不完整的,这些数据存在噪声和离群点,数据遗漏、不一致或重复,数据有偏差的情况。为尽量保证数据的准确性、完整性和一致性,提高数据的可行性和可解释性,需要对数据进行清理、集成、规约和变换等预处理。

本文以国开学习网2016年春季到2020年春季的学生课程行为数据为基础,对学习成绩、课程行为天数、行为总数、浏览数、浏览活动数、浏览资源数、发帖数、回帖数等数据进行清理,包括补齐缺失值,平滑噪声等,然后与教务系统中的学生成绩集成,最后对数值等连续型数据进行离散化处理,如图2所示。

离散化处理主要是运用K-means算法聚类,对最后形成的每个簇进行编码。

2.3.3 分类关联规则挖掘

运用分类关联规则算法(CAR-Apriori)对采集到的数据进行挖掘,发现行为数据和成绩之间的关联关系,找出影响学习效果的关键因素。设置最小支持度m i n s u p 为1 0 % , 最小置信度minconf70%,CAR-Apriori挖掘算法如下:

2.3.4 构建数字化学习环境下学生在线学习行为分析模型

本文根据在线学习行为数据的分析与挖掘结果,结合上面对学生学习特征的分析,建立了数字化学习环境下学生在线学习行为分析模型,如图3所示。

图3 数字化学习环境下学生在线学习分析模型

3 总结

本文在分析数字化学习环境下学生在线学习行为特征的基础上,提出了运用数据挖掘方法找出影响学习效果,即学习成绩的关键因素,构建出“数字化学习环境下学生在线学习行为分析模型”,为老师和教学管理人员进行学习干预,提高学生在线学习效果提供了参考。

猜你喜欢

关键因素分析模型学习效果
基于BERT-VGG16的多模态情感分析模型
疫情期间线上学习效果评价分析
“百词斩”对于大学英语四级词汇学习效果的实证研究
基于学习性评价原则提高研究性学习效果的研究
莲心宝宝有话说
层次分析模型在结核疾病预防控制系统中的应用
简析建筑工程节能检测的关键因素
全启发式语言分析模型
单克隆抗体制备的关键因素
机械式胀形关键因素对桥壳壁厚分布的影响