基于K-Means聚类的在线学习用户个性化分类

郭飞雁

湖南电气职业技术学院 湖南省 湘潭市 410000

1 前 言

《教育信息化2.0 行动计划》是加快实现教育现代化的有效途径，是“教育现代化2035”的重点内容和重要标志。教育信息化2.0 行动计划中明确指出，人工智能、大数据、区块链等技术迅猛发展，将深刻改变人才需求和教育形态。如何利用人工智能提供个性化学习环境及服务已成为当前教育研究者关注的焦点［1］。个性化学习研究主要集中在根据学生不同的学习风格、认知风格等为其提供不同形态的学习资源及个性化的教学方法。但在实施个性化教学前对学生进行个性化分类是我们首先需要解决的一个问题。近年来，随着各种在线学习平台的层出不穷，越来越多的研究者将研究重点定位到利用在线学习平台上的大量学习行为数据进行分析，实现基于大数据的在线学习用户个性化分类，从而实现个性化学习资源推送，达到个性化教学的目的［2］。

因此，我们基于在线学习用户相关学习数据，采用KMeans 聚类方法建立在线学生用户模型，进行学生用户进行个性化分类，对不同的学生用户类别进行特征分析，比较不同类学生用户特征，对不同类学生用户提供个性化服务，制作相应学习策略，实现精准推荐学习，因材施教，从而提高在线学习用户参与度，达到在线学习效率最大化目标［3］。

2 在线学习用户IFLPT分类模型

明确在线学习用户分类目标为在线学习爱好特征分类，识别用户分类应用最广泛的模型是三个指标（学习时间间隔（Interval），学习互动频率（Frequency），学习时长（Length），以上指标简称IFL 模型，作用是识别不同类型的在线学习用户。……