基于数据挖掘的网络教育学习成绩细分预测的研究与实现--以本科成人学位英语考试为例.pdfVIP

中国远程教育 DISTANCEEDUCATIONINCHINA 基于数据挖掘的网络教育学习成绩 细分预测的研究与实现* ——以本科成人学位英语考试为例 □ 孙力 张凯 丁波 【摘 要】 当前，各类网络教育管理和学习系统日渐完善，网络学习形成性评价系统正在促使网上学习行为 的真实发生。学生通过网上学习，在各类管理和学习系统中产生了许多有用的信息和数据。以SPSS的 Clementine 12.0为实验环境，通过对网络学历教育本科学生英语相关课程成绩及学习信息的分析，实 现了对成人学位英语考试成绩的细分预测。首先，运用数据聚类的K-means算法，对已有学生学位英 语考试的成绩确定了较为具体的分数分布区间；然后，采用数据分类中的C5.0算法，以该分数区间为 预测目标，构建了成绩的细分预测规则；最后，实现了成人学位英语考试的成绩细分预测系统。对成 绩预测相关变量的重要性进行了分析，提出了提高网络教育本科学生英语学习水平和成人学位英语考 试成绩的相应策略。 【关键词】网络教育；数据挖掘；成人学位英语；细分预测规则；细分预测系统 【中图分类号】G420 【文献标识码】A 【文章编号】1009—458 ｘ（2016 ）12—0022—08 随着大数据时代的到来，数据挖掘技术越来越多 学习规律做进一步研究并加以运用。如能运用教育领 地被运用到各行各业中，以实现对行业未来的各类预 域的数据分析方法，即教育数据挖掘技术，通过对已 测，并作为实现行业优化决策的依据。教育大数据和 参加某门课程学习并已有考核结果的学生个人基本信 教育数据挖掘在互联网、教育云计算、移动设备、人 息、网络学习行为信息、相关前置课程成绩等进行分 工智能等技术的高速发展下，迅速成为教育领域的热 析，建立与课程最终考核结果的关联模型，实现对未 门话题。我国从1999年开展现代远程教育试点工作 参加该课程考核学生的成绩预测，将会给运用个性化 以来，经过16 年的发展，各类网络教育学习和管理 的学习支持服务技术支持学生提高学习效果和课程考 系统日渐完善。尤其是近几年，随着各试点高校形成 核成绩提供有力的决策依据等（祝智庭，等， 性评价措施的推行，在网络教育的各类学习和管理系 2013 ；Har kumar, 2014）。 统中产生和保存了大量学生在线学习的过程性数据， 实现学位英语考试成绩预测，我们将其定义为学 包括学生的基础信息、各门课程的平时在线学习情 习成绩的细分预测，即依据学生相关的学习数据，预 况、过程性评价成绩和最终考试成绩。学生平时在线 测学位英语考试成绩具体的分数范围。本文先通过数 学习情况包括在线学习的次数和每次学习的时间长 据挖掘技术中的聚类方法，对已有的学生学位英语考 度、学习内容、参与在线互动交流的记录等；过程性 试成绩分布进行归类，找出其符合聚类条件且同时也 评价成绩包括在线作业、即时测验的得分、互动讨论 符合实际预测目标要求的分数范围。然后，将其作为 中教师和同学的评价等。目前，这些数据仅是作为学 分类目标，通过数据挖掘技术中的分类方法，构建学 生的电子学习档案存在于各数据库中，并未通过合适 生参加学位英语考试的成绩细分预测规则。最后，实 的数据分析技术对各类数据之间的内在联系和隐含的 现了成人学位英语考试的预测系统。 * 本文系中央高校基本科研业务费专项资金资助项目“信息技术与教学融合创新多维研究”（项目编号： 2015JDZD08 ）的研究成果。 22 中国远程教育 2016年第12期