基于K-means聚类算法的在线学习行为分析

刘训星



基于K-means聚类算法的在线学习行为分析

刘训星

（宣城职业技术学院，安徽 宣城 242000）

K-means算法是基于距离作用相似性度量的聚类算法，论文介绍K-means聚类算法的3个基本参数。通过对学员学习行为记录数据，运用K-means聚类分析算法，可以构建出电大学员行为特征,有效的改善在线资源的配置。

用户行为；K-means聚类算法；初始聚类中心选取；行为特征

引 言

在信息快速发展的今天，网络技术快速发展和数字化学习资源建立，为我们学习方式带来了新的机遇和挑战，如何使用网络组织高效学习，则成为我们关注焦点。电大学员的学习方式也悄然发生改变，在线学习方式在电大教育模式中，扮演者重要的角色。电大学员就能根据自己工作和家庭的情况合理安排学习时间（灵活多变学习方式）、选择自己学习的内容（个性化的学习资源），同时有助于教师建立个性化教学设计、科学的学习行为评价模式、高效服务体系。国外学者主要集中在行为的理论[1]发展研究，国内学者不少在活动评价[2]方面研究。

文中首先采集了电大宣城分校服务器对有学籍学员在线学习原始数据，其次对获取进行预处理，选择有效数据，最后运用k-means聚类算法进行数据挖掘，获取在线学习行为模式。本课题的最大亮点是k-means聚类算法首次在电大在线学习行为模型中使用，通过对在线学习行为模式的数据挖掘分析，有效的提高电大在线教育教学质量。

1　在线学习行为

1.1 学员在线学习行为探讨