教育数据量的急剧增长、类型的多样性与可获取性以及教育计算的兴起推动了教育数据研究的发展,并引起了国际研究者的深度关注与探索。研究以Web of Science数据库中的教育数据挖掘类文献为样本数据,以知识图谱分析、社会网络分析、聚类...教育数据量的急剧增长、类型的多样性与可获取性以及教育计算的兴起推动了教育数据研究的发展,并引起了国际研究者的深度关注与探索。研究以Web of Science数据库中的教育数据挖掘类文献为样本数据,以知识图谱分析、社会网络分析、聚类分析为研究方法,分别采用CiteSpcae Ⅲ、Unicet 6.0、Bicomb 2.0、SPSS 20.0对数据进行定量分析。研究结果显示,数据刻画学习者模型、生成有效学习的教学支持、学习行为模式与特征、学习表现预测、学习反馈与评价等为主要研究热点。最后,文章从学习情感识别与计算、人工智能分析与应用、学习推荐系统、个性化学习路径等方面对研究趋势进行讨论。展开更多
教育数据挖掘(Educational Data Mining,EDM)是一门涉及计算机科学、教育学、统计学的交叉学科。它致力于探索来自教育环境的独特数据,其目的是更好地了解学生及其学习环境,从而提高教育成效。为了深入分析EDM的研究进展,从Web of Scie...教育数据挖掘(Educational Data Mining,EDM)是一门涉及计算机科学、教育学、统计学的交叉学科。它致力于探索来自教育环境的独特数据,其目的是更好地了解学生及其学习环境,从而提高教育成效。为了深入分析EDM的研究进展,从Web of Science库相关文献、国内外研究现状对EDM进行了系统性梳理,介绍了EDM的工作流程,把数据挖掘技术在教育领域的应用归纳为4类,对处于快速发展阶段的一些EDM典型案例进行了统计分析并讨论了其不足与发展趋势。展开更多
文摘教育数据挖掘(Educational Data Mining,EDM)是一门涉及计算机科学、教育学、统计学的交叉学科。它致力于探索来自教育环境的独特数据,其目的是更好地了解学生及其学习环境,从而提高教育成效。为了深入分析EDM的研究进展,从Web of Science库相关文献、国内外研究现状对EDM进行了系统性梳理,介绍了EDM的工作流程,把数据挖掘技术在教育领域的应用归纳为4类,对处于快速发展阶段的一些EDM典型案例进行了统计分析并讨论了其不足与发展趋势。
