基于SPOC平台在线学习行为的关联分析.docxVIP

基于SPOC平台在线学习行为的关联分析 　　摘要随着spoc课程类型的在线学习形式的快速发展，在线平台记录了大量的学生学习行为数据，对在线行为数据的研究成为热门的研究课题。本文通过湖南工程学院网络教学平台中的“c语言程序设计”课程学生学习在线行为数据，与学生课程期末考试成绩进行统计与关联分析，挖掘记录数据后面有价值的知识和规律，并从教师、学生和系统平台的角度分析存在的问题，可推进spoc教学模式的发展，促进高校教学质量的提高。 　　关键词spoc平台在线学习行为关联分析 　　中图分类号：g642文献标识码：a 　　随着移动互联网技术、云计算、大数据、物联网技术等的普及和深入，教育信息化得到进一步发展，在线学习得到快速发展。2013年，美国哈佛大学等全球名校跨越mooc（massiveopenonlinecourse大规模在线课程），使用spoc（smallprivateonlinecourse小规模限制性在线课程）课程类型。spoc平台中记录了大量的实时、在线数据，而如何利用这些大数据进行挖掘和分析学生的学习行为，为教师教学决策、网络课程评估和构建学生学习自适应和个性化学习系统等方面有重要的研究价值。 　　本文所研究的基于spoc平台的在线学习行为关联数据分析，数据源是湖南工程学院网络教学平台和计算机程序大赛（acm）的onliejudge系统中的《c语言程序设计》课程各个学习环节的真实在线学习行为数据。包括学生登录的次数、登录的时间段、学习各种资源的时间长度、作业的分数和章节测试成绩。对真实数据作关联分析，可以使教师更好的了解学生的学习行为特征，对学生在线学习和spoc平台的网络课程全面进行评估，开发学生自适应和个性化相结合的网络课程，推进信息化教学的发展，提高高校教学质量。 　　1在线学习行为分析 　　在线学习行为分析主要基于spoc平台对师生学习过程的记录数据，针对行为主体（教师、学生）的行为方式（登录、浏览资源、观看视频、发帖、做练习、测试）、行为客体（各类资源、网络课程模块）的被使用情况以及行为发生时间进行统计、可视化和各类挖掘，并结合师生的人口特征数据对影响在线学习行为的因素进行挖掘。 　　从已有的研究来看，不少研究者利用各种数据挖掘技术对在线学习行为领域作了各种深入的研究。孙笑微利用利用统计分析方法对在线行为特点及其影响因素作了分析。郭欣悦构建mooc多元化学习行为框架，对学习行为进行了分析。陈晋音等用数据挖掘方法对在线学习行为进行了分析，并按行为特征进行了个性化推荐。蒋卓轩等对mooc记录数据作了分析并对学习者成绩进行了预测。 　　2在线学习行为数据关联分析 　　本文选取湖南工程学院计算机与通信学院的专业必修课“c语言程序设计”作为研究对象。“c语言程序设计”是湖南工程学院计算机与通信学院各专业本科生大一分两学期开设的一门专业必修课程。该课程是学校网络课程建设之一，专门开发课程配套相关文档教材和微课视频等，并且搭建了acm的oj平台辅助学习练习和提升程序设计能力。以2018至2019秋季为例，开课时间为学校第6周到第19周（含考试周），实际94天。选取学院软件工程专业18级71名学生（男生56人，女生15人）為研究样本，通过收集湖南工程学院网络教学平台记录的这些学生行为记录和基本信息来开展在线学习行为的关联分析研究。 　　通过收集网络课程平台记录的后台日志数据和oj平台记录的4次学院统一章节测试数据，可得到学生登录的基本信息，如表1所示。 　　下面以平台记录的学生登录时长、学生登录次数、学生作业成绩和学生章节测试成绩与学生本学期期末考试成绩作关联分析。 　　2.1学生登录时长与期末考试关联分析 　　以学生登录平台的时长（主要是观看微视频时间）和学生期末考试成绩作数据关联分析，得到表2所示的结果。 　　从表2可以看出，网络课程中微视频是任务点，计入学生平时成绩，总时长为419.2分钟。研究样本学生平均观看时长为197.7分钟，平均完成47.2%;最长为600.6分钟，最短时长为8分钟，有些学生多次观看视频，有些学生没有看视频;男生平均时长为186.1分钟，男生平均完成44.4%，女生平均时长为241.1分钟，女生平均完成57.5%;研究样本中，登录时长与期末考试成绩相关系数为0.124，男生登录时长与期末考试成绩相关系数为0.12，女生登录时长与期末考试成绩相关系数为0.272。 　　从统计与关联分析数据来看，网络教学平台中微视频对辅助教学有一定的作用，女生通过网络课程平台能更多的自主学习。但数据显示关联系数较小，需开发更高质量满足学生自主学习和个性化的网络课程资源;学生在课前预习和课后