基于数据挖掘的在线学习行为分析与建模

2018-02-07 09:48:32叶文静黄今慧
中小企业管理与科技 2018年33期
关键词:数据挖掘特征分析

叶文静,黄今慧

(北京工商大学计算机与信息工程学院,北京 100048)

1 引言

在线学习是指通过计算机互联网,或通过移动无线网络,进行内容传播和快速学习的方式[1]。这种学习方式不仅能使自身的学习需求被满足,同时也收集了与学习行为相关的数据。这些数据可从网络学习平台提取,然后对这些数据更加深入挖掘,再通过挖掘出的信息研究在线学习行为。但是在线学习过程中产生的数据庞大且杂乱,其中还包含了大量非结构信息,单是使用简单的统计分析方法不容易发现其隐藏的知识和规律,而且这些数据实际来源于教育大数据,因此我们需要采用更为精确,复杂的方式来研究。数据挖掘技术可以分析大量数据并能提取出隐藏在其中的、人们事先不了解的并对决策有用的信息和知识。数据挖掘技术就是我们所要选择的技术。

2 在线学习行为分析

2.1 在线学习行为特征分析

针对学习者的平均学习时间、学习进度、学习交流、各类资源应用等与学习行为有关的信息数据进行统计、可视化和各类挖掘方式,并结合学习者的个体数据来分析在线学习行为的特征[2-3]。可从以下几个方面分析在线学习行为的特征:静态和动态特征、固有和变化特征以及一般和风格特征。本文主要分析的是学习者的静态和动态特征。顾名思义,静态特征是指学习者自身所固有的不会随时间的变化而变化或缓慢变化的方面;而动态特征则是指学习者随着时间的变化而发生显著变化的,并会对学习产生较大影响方面。……

登录APP查看全文

猜你喜欢
数据挖掘特征分析
探讨人工智能与数据挖掘发展趋势
隐蔽失效适航要求符合性验证分析
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
电力系统不平衡分析
电子制作(2018年18期)2018-11-14 01:48:24
基于并行计算的大数据挖掘在电网中的应用
电力与能源(2017年6期)2017-05-14 06:19:37
电力系统及其自动化发展趋势分析
一种基于Hadoop的大数据挖掘云服务及应用
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15
基于GPGPU的离散数据挖掘研究