大学计算机基础教学活动数据分析及应用研究.docxVIP

大学计算机基础教学活动数据分析及应用研究 　　摘要：针对大学计算机基础课程选课学生多、专业多样、教学班容量大、采用mooc教学等特点，分析课程在mooc和雨课堂平台教学活动中过程性评价数据及其关联特征，提出智能导学、个性服务的教学思路。 　　关键词：人工智能技术;mooc;雨课堂;过程性评价;个性化教学 　　doi：10.11907/rjdk.191978开放科学（资源服务）标识码（osid）： 　　中圖分类号：g434文献标识码：a文章编号：1672-7800（2020）002-0202-04 　　英标：researchonteachingactivitiesdataanalysisandapplicationoffundamentalsofcomputer 　　英作：lijia-chun1，xiongdong-qing2，xuhong-yun1 　　英单：（1.schoolofcomputerscienceengineering，southchinauniversityoftechnology，guangzhou510006，china;2.guangdongmechanicalelectronicalcollegeoftechnology，guangzhou510515，china） 　　abstract：therearemanycharacteristicsinourfundamentalsofcomputercourse，largenumbersofstudentssuchaswithdiversifiedmajors，largevolumeclass，andtheapplicationofmoocteaching，soteachingactivitiesandprocessevaluationdatainmoocandrain-classroomplatformareanalyzedandcorrelated，theteachingmethodsofintelligentguidancelearningandpersonalizedteachingareexploredinthepaper. 　　keywords：artificialintelligencetechnology;mooc;rainclassroom;processevaluation;personalizedteaching 　　0引言 　　随着智慧教育[1-2]（教育+互联网或互联网+教育）时代来临，mooc平台[3-4]和智慧教学工具如雨课堂[5]等逐渐得到关注和大力推广。mooc课程受众面广，选课学生多，在线教学过程中产生大量的评价数据。为了较精准地评价课程教学质量，为选课学生提供个性化指导，国内外学者对教育大数据[6]进行了挖掘、分析。 　　加州大学洛杉矶分校ucla的yannickmeier等[7]开发一个分数预测算法，根据学生的课后作业、测验和期中考试等评价数据，及时预测学生的期末成绩;麻省理工学院mit的una-mayoreilly博士等[8]认为mooc出现使大数据成为关注焦点，提出将大数据开发技术应用于慕课平台，对数据进行有效分析和预测，以揭示学生学习行为;普渡大学的kimberly等[9]开发出coursesignal系统，对学习数据进行全面分析和预测，并将结果以红、黄、绿3组颜色形式反馈给学生。 　　西安交通大学郑庆华教授[10-11]提出教学质量监控大数据平台框架;北京大学王卓、张铭教授等[12]将贝叶斯知识跟踪模型应用到coursera慕课数据，将学生所需学习的知识体系划分为若干知识点，研究如何更准确地预测学生是否掌握各知识点;文献[13-14]研究了慕课学生的学习行为，设计一个选读学生流失预测系统，以提供个性化指导，帮忙学生找到兴趣点、推荐学生材料等;浙江工业大学陈晋音等[15]分析在线学习行为特征，挖掘学习者性格特征与学习效率的关系，实现个性化学习方法推荐;清华大学唐杰等[16]利用学堂在线慕课数据，研究并提出基于用户兴趣、人口统计特征和课程前导和后续关系的课程推荐算法。 　　上述研究重点都是单一的慕课平台以及相应的慕课课程数据分析，对基于多平台（慕课平台+雨课堂平台）的课程线上线下数据分析关注不多。 　　笔者学校大学计算机基础课程采用多平台教学，包括基于清华大学的mooc平台“学堂在线”[17-18]，以及基于雨课堂的翻转课堂教学，每学年选课学生达5000多人。将人工智能技术[19-20]处理这些教学活动数据，分析学生学习行为并预测学习效果，从而及时调整教学进度，实施个性化教学。 　　1大学