学习分析视角下的个性化预测研究_1.docxVIP

? ? 学习分析视角下的个性化预测研究 ? ? 摘要：以学习分析为核心的“数据驱动教学”已成为智能教育时代的重要教学范式。在学习结果预测方面，大多数研究将学习者视为整体进行评估，缺少个性化的分类形式与预测模型，也鲜有较为全面的数据挖掘算法的比较研究。本研究基于中学“互联网+”混合学习场景，基于“大五人格”分类，分析学习行为指标与不同人格特质群体学习结果之间的相关性，利用多元线性回归构建相应的预测模型。通过对28类回归算法与24类分类算法的结果比较，判别具有最佳精度和鲁棒性的预测算法。研究发现，不同人格特质群体的预测变量存在差异，课后测验平均分数出现在所有群体的预测方程中并占有最高的权重；过程性评估成绩、在线学习时长是较为稳健的预测因子；无论在数值预测还是分类预警中，RandomForest算法都具有最佳效能。 关键词：学习分析，学习预测，数据挖掘，人格特质，个性化建模，智能学习系统，预测效能，数据驱动教学 基金项目：教育部人文社会科学青年基金“全息数据支持的学习投入建模与干预研究”（18YJC880126）。 一、引言 教育智能时代，教学范式的变化正顺应个性化教育的需求，以学习者为中心教学模式的深度应用驱动新技术的普及与常态化。技术在学习场景中的无缝切换，对学习时空的全方位覆盖，对学习方式的个性化支持，无不突显出技术以常态化形式“无缝内嵌”学习过程之核心特征。以学习分析为核