在线学习环境下个性特征混合挖掘研究

倪政林

在线学习环境下个性特征混合挖掘研究

倪政林

（马鞍山职业技术学院 电子信息系，安徽 马鞍山 243031）

：针对在线学习特征挖掘的全面性不足及智能化教育发展的需要，提出了一种混合式多智能技术挖掘方案。较全面分析与总结了个性特征的组成要素及各要素包含的主要因子。分别采取了关联数据挖掘、Top-N聚类算法、联合概率分布、K-均值聚类算法、协同过滤算法等技术对不同特点的要素进行挖掘。实验及调查结果表明这种结合多要素运用多技术进行混合式特征挖掘具有较高的准确性。

在线学习；个性特征；数据挖掘

伴随移动互联与5G技术的普及与应用，以及应对突发公共卫生安全事件，近半年来，线上教学受到了国内外教育界广泛的关注与大规模的运用。在线教育的发展为人工智能与教育深度融合的理论与应用研究提供了良好的契机和环境。智能化教育的研究课题有很多。其中，利用人工智能技术对在线学习个性特征进行数据挖掘与科学评估的研究[1-4]是一个重要方向，具有较强的现实意义。一方面为教师下一步的教学安排与个性化指导提供重要参考，另一方面减少了因人为因素导致的偏见，对教育的公平、公正具有重要意义，同时也减轻了教师的部分负担。

1 个性特征的组成

在线学习环境下，个性特征的组成要素主要有学习资源的偏好、能力倾向、学习风格、在线学习时间特点、学习效率等，各要素又包含了若干因子，具体如表1所示。……