E-Learning学习过程中的数据挖掘.ppt

3.2 对“学什么、怎么学”有了更准确认识 3.2.4 师生交互程度低，交互论坛主要是答疑功能；教师在交互中扮演着“领导者”和“中介者”的角色，学生的主体作用未能充分发挥。 3.3 对“学习的结果如何”有了更深入认识 2.3.1 远程开放教育学生总体毕业时间集中在第5、6、7、8等学期，毕业时间跨度平均为12.35学期。 3.3 对“学习的结果如何”有了更深入认识 3.3.2 在远程开放教育学生中 人文与社会科学类专业学生毕业率略高于非人文与社会科学类专业。 20岁~29岁和30岁~39岁两个年龄段学生毕业率高于其他年龄段学生。 女性学生毕业率高于男性学生。 3.3 对“学习的结果如何”有了更深入认识 3.3.3 远程开放教育中具有不同特征的学生，其毕业时间存在明显差异，婚姻状况、籍贯、文化程度、年龄等变量是毕业时间的主要影响因素。 以中央电大开放教育专科学生为例，在毕业时间差异方面， 女性学生毕业时间显著少于男性学生。 已婚学生毕业时间要显著少于未婚学生。 本地学生的毕业时间要少于非本地学生。 中职学历学生毕业时间要少于普通高中学历学生，普通高中学历学生毕业时间要少于专科学历学生。 3.3 对“学习的结果如何”有了更深入认识 3.3.4 发现了预测远程开放教育学生毕业时间的若干规则。 以中央电大开放教育专科学生为例，采用Microsoft决策树算法构建了以5项个人特征（婚姻状况、年龄、籍贯、文化程度、性别）作为输入值，以毕业时间为预测值的毕业时间决策树模型。 毕业时间早于第6学期的学生预测规则 序号 规则（决策树路径） 支持事例 毕业时间6的学生概率 1 婚姻状况=已婚,籍贯=本地学生,文化程度=中专，年龄=41 2236 33.59% 2 婚姻状况=已婚,籍贯=本地学生,文化程度=中专，年龄41 25845 25.66% 3 婚姻状况=已婚,籍贯=本地学生,文化程度中专，年龄=23 8791 21.49% 4 婚姻状况=未婚,年龄=29 and 年龄34，文化程度=普通高中 983 18.62% 5 婚姻状况=未婚,年龄=34 and 年龄41，文化程度=普通高中 481 17.26% 毕业时间不早于第8学期的学生预测规则 序号 规则（决策树路径） 支持事例 =8概率 1 婚姻状况=未婚, 年龄=23 and 年龄29,性别=男，籍贯=非本地 341 27.58% 2 婚姻状况=未婚,年龄23,性别=男 6829 25.94% 3 婚姻状况=未婚,年龄23,性别=女 12003 20.31% 4 婚姻状况=已婚,籍贯=本地，文化程度中专，年龄23 356 20.08% 5 婚姻状况=未婚,年龄=41 982 19.27% 其他发现 在文献研究和政策研究中应用文本挖掘方法，可以大大提高研究人员把握问题、分析问题的效率和效果 其他发现 利用专业检索可提高文献的查全率和查准率，编写得到的检索语句可使其他研究者重复这一检索过程。 以CNKI中国期刊数据库为例，编写如下检索语句来搜集“协作学习”研究相关的文献。 (关键词=CSCL OR 关键词=合作学习 OR 关键词=协作学习 OR 关键词=协同学习) AND (摘要=协作学习 OR 摘要=CSCL OR 摘要=合作学习 OR 摘要=协同学习) AND (中文刊名=中国电化教育 OR 中文刊名=现代教育技术 OR 中文刊名=中国远程教育 OR 中文刊名=开放教育研究 OR 中文刊名=现代远距离教育 OR 中文刊名=电化教育研究) 其他发现 利用信息抽取技术可将所获取的各类文献信息或政策文本批量转换为数据库，研究者可在研究过程中快速提取相关信息，并可与其他研究者共享。 利用术语提取、中文分词、社会网络分析、信息查询等技术，研究人员可快速把握研究重点，了解研究机构和研究人员，并描绘成（可表征相关研究领域成熟度的)知识网络图。 其他发现 反映某一研究主题成熟程度的知识网络图 利用UCINET软件绘制的“终身教育与远程教育”知识网络图 其他发现 采用社会网络分析方法中的凝聚子群分析来表征科研团队及其成员关系情况 其他发现 利用中文分词技术、术语提取技术、元搜索技术和社会网络分析方法可重构政策文本内容分析流程，提高政策研究的效益和效率。 四、结论和启示 三、主要发现 二、挖掘方法 一、问题的提出 4 结论和启示 1. 现有的数据挖掘工具在E-Learning学习过程分析中需要整合，针对典型任务情境构建数据挖掘工具集成应用方案便捷可行 2. 数据挖掘方法在E-Learning学习过程分析中是有效的，可较好地拓展对E-Learning关键要素认识的完整性 3. 在文献研究和政策研究中应用文本挖掘方法，可大大提高研究人员把握问题、分析问题的效率和效果 主要结论 4 结论和启