基于SPOC视频学习数据的学习行为特征分析方法.docxVIP

基于SPOC视频学习数据的学习行为特征分析方法 　　摘要：在基于小规模限制性在线课程（smallprivateonlinecourse，spoc）平台的学习过程中，教育数据为学习分析提供了依据。为了帮助教师改进教学策略，帮助学生改进学习效果，本文提出了一种综合考虑学生分类和视频学习时间的学习行为分析方法，旨在发现学生潜在的学习现象，并根据该现象对不同类型学生的学习行为之间的相似性和差异性进行分析和总结，发现不同类型学生的学习习惯以及影响学生学习效果的时间因素。通过案例分析表明，该方法可以为教师教学和学生学习提供反馈，辅助学生的自我调节学习和教师的个性化教学。 　　关键词：spoc;学生分类;个性化;学习时间;学习行为特征分析 　　中图分类号：g434文献标识码：adoi：10.3969/j.issn.1003-6970.2020.02.018 　　【abstract】：inthelearningprocessbasedonsmallprivateonlinecourse（spoc）platform，educationdataprovidesabasisforlearninganalysis.inordertohelpteachersimproveteachingstrategiesandhelpstudentsimprovetheirlearningeffects，weproposealearningbehavioranalysismethod，whichcomprehensivelyconsidersstudentclassificationandvideolearningtime.themethodaimstodiscoverstudentspotentiallearningphenomena，analyzeandsummarizethesimilaritiesanddifferencesbetweenlearningbehaviorsofdifferenttypesofstudentsaccordingtothisphenomenon.thus，themethodcanhelpteachersfindoutlearninghabitsofdifferenttypesofstudentsandthetimefactorsthataffectstudentslearningeffect.thecaseanalysisshowsthattheproposedmethodcanprovidefeedbackforteachersteachingandstudentslearning，anditcanassiststudentsself-regulatedlearningandteacherspersonalizedteaching. 　　【keywords】：spoc;studentclassification;personalization;learningtime;learningbehaviorcharacteristicsanalysis 　　0引言 　　隨着计算机技术和互联网技术的发展，在线学习平台应运而生，在线学习也变得普及。小规模限制性在线课程（smallprivateonlinecourse，spoc）和翻转课堂[1-3]相结合的教学模式带动了个性化教育的发展。spoc学习平台中记录了大量的学生视 　　频学习数据，为进行学习分析提供了依据。 　　目前有很多研究对学生的视频学习数据进行分析，发现影响学生学习的因素，预测学习结果，并提供反馈和干预。然而，现有研究所分析的影响学习的因素不够细化，集中在“登录时间”、“在线时长”、“观看次数”等粒度较粗的因素，没有从细粒度的因素去分析视频学习行为。同时，多数研究都将所有学生作为一个共同群体来研究，没有对不同类型的学生进行分类研究。本文提出了基于学生分类和学习时间组合的学习行为分析方法。首先，为了对学生学习行为进行个性化分析，发现不同类型学生在学习行为上的相似性与差异性，基于学习成绩对学生进行分类。然后，为了发现潜在的学生学习行为影响因素，本文提出了学习时间组合，对多个学习时间因素进行组合，并基于学习时间组合，对不同类型学生的视频学习数据进行分类统计。最后，分析不同类型学生在不同学习时间组合因素下的视频学习数据，发现学生学习规律，以及影响学生学习的因素，并对教师和学生进行反馈，从而辅助教师改进教学策略，为学生的自我调节学习提供帮助，从而实现教师的个性化教学和学生的个性化学习。 　　1研究现状 　　当前基于真实学习数据对学生学习行为分析的工作主要有如下2类工作。 　　第一类工作基于