基于K-means聚类算法的校园在线学习行为分析_徐丽丽(1).pdfVIP

创新应用Application

基于K-means聚类算法的校园在线学习

行为分析

徐丽丽，刘海峰，杨璐

（晋中信息学院，山西030800）

摘要：阐述学生在线学习行为的问题分析，引入K-means聚类算法，为学生在线学习行为研究提供更加

准确高效的选择。分析表明，统计数据可以帮助教师掌握学生的在线学习状况，发现在线学习中存在的问

题，从而实施针对性的干预和指导。

关键词：K-means聚类算法，在线学习行为，统计数据分析。

中图分类号：TM311.13，TP183

文章编号：1000-0755(2023)07-0364-02

文献引用格式：徐丽丽，刘海峰，杨璐.基于K-means聚类算法的校园在线学习行为分析[J].电子技术,

2023,52(07):364-365.

AnalysisofCampusOnlineLearningBehaviorBased

onK-meansClusteringAlgorithm

XULili,LIUHaifeng,YANGLu

(JinzhongInformationCollege,Shanxi030800,China.)

Abstract—Thispaperexpoundstheproblemanalysisofstudentsonlinelearningbehavior,

introducesK-meansclusteringalgorithm,andprovidesmoreaccurateandefficientchoicesforstudents

onlinelearningbehaviorresearch.Analysisshowsthatstatisticaldatacanhelpteachersgraspstudents

onlinelearningstatus,identifyproblemsinonlinelearning,andimplementtargetedinterventionsand

guidance.

IndexTerms—K-meansclusteringalgorithm,onlinelearningbehavior,statisticaldataanalysis.

0引言以有效监测学生网上学习行为，为学生的“学”

越来越多的高等教育教学活动选择在线上开和教师的“教”进行画像，促进网上学习行为有

展。这一情况下，在线学习模式得到日渐广泛的应效发生。K-means聚类分析算法，又称群分析，

用。目前，在高等教育的开展过程中，多种教育教它是研究（样品或指标）分类问题的一种多元统

学活动的开展会采用线上方式。这一背景下，在高计方法，所谓类就是指相似元素的集合[2]。聚类

校学生的日常学习过程中，在线学习行为分析日渐（Clustering）与分类表面上很像，但底层逻辑

重要。又截然不同。表面上，聚类也是将若干事物分为多

1研究背景个部分；但不同的是，聚类并不依据任何明确的特

高校学生在线学习与K-means聚类算法。学生征，而是根据差异性。基于K-means分类算法，采

通过在线学习，可以通过灵活多样的方式开展学习集学生在线学习行为数据并设定具体对应的指标

活动，并获得十分丰富的学习资料。同时，师生之后，可以对学生的在线学习行为进行客观的评，并

间也可以通过在线方式进行交流[1]。因此，在线学直接呈现学生在线学习结果。

习也成为传统线下教学模式的有益补充，极大程度2基于K-means聚类算法的在线学习行为分析

丰富并优化了以往的高等教育教学模式。在线学习首先，结合高校学生在线学习相关情况，制

过程中，学生们的学习行为也发生了巨大的变化，