-
题名基于模糊认知图的学生学习效果预测方法
- 1
-
-
作者
旷怡
邓家俊
段斌
-
机构
湘潭大学自动化与电子信息学院
湘潭大学专业认证指导中心
-
出处
《东南大学学报(自然科学版)》
北大核心
2025年第4期1210-1216,共7页
-
基金
国家自然科学基金资助项目(61379063)
湖南省普通高等学校教学改革研究重点资助项目(HNJG‑2022‑0079).
-
文摘
针对工程教育中难以实现个性化学习、难以提前识别和预警学生在未来课程中可能面临的困难等问题,提出基于模糊认知图(FCMs)的学生学习效果预测方法。首先,收集某高校通信工程专业215名学生期评成绩数据,并进行缺失值处理。然后,采用探索性因子分析方法构建“课程-毕业要求”支撑矩阵,基于Pearson相关性分析建立“课程-课程”相关性系数矩阵,并构建FCM初始邻接矩阵。接着,通过专家研讨会和非线性Heb‐bian学习算法改进模型,得到包含37个节点和271条因果权重关系的最终FCM。最后,通过4个场景验证此FCM的有效性。结果表明,该模型以学生前序课程目标达成情况为输入,能够预测后序课程目标和毕业要求达成的变化情况,提前识别学生潜在学习障碍,为教师和学生提供个性化教学依据,有效提升学生学习成效。
-
关键词
因子分析
Pearson相关性分析
模糊认知图
学习效果预测
-
Keywords
factor analysis
Pearson correlation analysis
fuzzy cognitive map
learning effect prediction
-
分类号
G642
[文化科学—高等教育学]
G434
[文化科学—教育技术学]
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于行为序列的学习过程分析与学习效果预测
被引量：39
- 2
-
-
作者
江波
高明
陈志翰
王小霞
-
机构
浙江工业大学教育大数据研究中心
浙江工业大学教育科学与技术学院
-
出处
《现代远程教育研究》
CSSCI
北大核心
2018年第2期103-112,共10页
-
基金
国家自然科学基金项目"基于多目标稀疏优化的多视图聚类方法"(61503340)
浙江省自然科学基金项目"多视图聚类的进化多目标优化"(LQ16F030008)
浙江工业大学校基金重点项目"多源数据驱动的学习者精确建模研究"(Z20160133)
-
文摘
学习过程数据反映了学习者在学习过程中的状态。当前众多对学习者学习过程数据进行挖掘与分析的研究,大多基于学习者在某一学习行为上投入的精力和时间来开展。这些粗粒度数据并不能细致地反映学习者的认知投入水平,且部分学习行为数据对学习效果的预测正确率不高。与学习者参与度相比,学习过程中的学习行为序列,更能反映学习者学习行为轨迹、意愿与认知过程。利用滞后序列分析法对DEEDS平台上的学习过程数据的分析发现:滞后序列分析法可以清晰地揭示若干重要的学习行为序列;相较于支持向量机、逻辑斯蒂回归以及决策树等数据挖掘方法,朴素贝叶斯方法具有良好的预测性能,平均正确率超过70%。研究结果证明,学习者的学习行为序列可以为教师呈现更全面的在线学习图景,帮助教师发现学习者的学习习惯、偏好以及认知过程,辅助教师对教学过程进行反思。同时,通过行为序列数据可以较准确地预测出学习者的学习成就,继而对预测模型中关键属性进行分析,为教师在后续教学过程中采取有针对性的干预措施提供建议,达到提高教育教学绩效的目的。
-
关键词
学习过程
行为序列
数据挖掘
滞后序列分析法
学习效果预测
-
Keywords
Learning Process
Behavioral Sequence
Data Mining
Lag Sequential Analysis
Learning Achievement Prediction
-
分类号
G434
[文化科学—教育技术学]
-
-
题名基于行为演化的学习模式识别及效果预测方法
- 3
-
-
作者
黄春利
刘桂梅
姜文君
李肯立
张吉
任德盛
-
机构
湖南大学信息科学与工程学院
南昆士兰大学
香港中文大学信息工程学系
-
出处
《计算机科学》
CSCD
北大核心
2024年第10期67-78,共12页
-
基金
国家自然科学基金(62172149)。
-
文摘
在线学习为众多学习者提供了开放灵活的学习机会,却存在着学习者学习积极性不高、学习成绩不理想的问题。已有的在线学习效果预测工作着重从静态角度探究学习行为对成绩的影响,忽略了学习行为随时间的演化规律,缺少对行为背后学习模式和学习动机的深入探讨,而这两者正是影响学习效果的重要因素。为此,提出一种基于学习行为演化的学习模式识别及效果预测方法来建模学习行为与动机对学习效果的影响。首先,依据学习者的付出-收获量化学习效率,按时间构建学习效率动态演化序列;然后,使用高斯混合模型聚类真实学习数据并结合实际学习场景,识别4种典型学习模式;在此基础上,设计学习模式及动机预测模型,结合双向长短期记忆网络,构建学习效果预测模型。利用8门真实课程学习的公开数据,对每一种学习模式学习者的付出、收获演变规律进行细致分析。大量对比实验结果表明所提方法在多个性能指标上提升了6.9%~29.2%。本研究有助于在线学习者、教学者和平台准确理解学习者的学习状态,从而提升在线学习效果。
-
关键词
在线学习
行为演化
学习模式识别
学习动机预测
学习效果预测
-
Keywords
Online learning
Behavior evolution
Learning pattern recognition
Learning motivation prediction
Learning perfor-mance prediction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
