摘要
互联网的快速发展带动了教育领域的发展,促使在线学习迅速兴起并深受教育人士认可.因此各种在线学习平台中的教学数据飞速递增,对于如何充分利用、深度分析平台存储数据的价值,引起了教育从事人员的关注.应用机器学习技术,对学习者在线学习行为与学习结果之间的相关性进行了一系列学习分析.通过收集在线平台上学生学习时的数据,对收集到的数据进行预处理.基于K-means聚类算法对学习者聚类建模,将学生聚类成不同的类型.教师给予不同群体的学生相应的资料,有效地提高学生的学习效率.基于线性回归算法分析学生学习行为,确定学习行为对于学生最终成绩影响程度,教师在众多在线平台学生活动中筛选出对学生最终成绩影响较大的活动,完善教学方式.
基金项目
国家自然科学基金(51774090)
黑龙江省省属本科高等学校基本科研业务费-东北石油大学创新基金(2019YDL-05)
黑龙江省教育科学规划课题重点项目(十三五)(2018)(GBB1318021)
维普
万方数据