基于在线教育数据挖掘的个性化学习策略研究.docx

?

?

基于在线教育数据挖掘的个性化学习策略研究

?

?

李艳红樊同科

摘要：

近年来，随着移动互联网的快速发展，各种新型的在线学习平台开始涌现，越来越多的人参与其中。在线平台中课程丰富，种类繁多，如何选择课程进行高效学习学习仍然是开放性的问题。通过对在线教育数据进行分析挖掘，构建用户个性化学习策略的模型。首先通过情感分析模型对课程评分进行打分，形成用户的喜好矩阵，然后利用推荐算法，给新用户推荐个性化的课程。实践结果表明，该方法能在某种程度上帮助用户进行个性化高效学习。

关键词：

在线教育;情感分析;个性化推荐;数据挖掘

：G643

文献标志码：A

ResearchonPersonalizedLearningStrategiesBasedon

OnlineEducationDataMining

LIYanhong，FANTongke

（InstituteofTechnology，XianInternationalUniversity，Xian，Shanxi710077，China）

Abstract：

WiththerapiddevelopmentofmobileInternet，variousnewonlinelearningplatformshaveemerged，andmoreandmorepeopleareparticipating.Thereareawidevarietyofcoursesontheonlineplatform，buthowtochoosecoursesforefficientlearningisstillanopenquestion.Thispaperbuildsamodelofuserpersonalizedlearningstrategiesbyanalyzingandminingonlineeducationdata.First，thecoursescoresarescoredthroughthesentimentanalysismodeltoformtheuserspreferencematrix，andthentherecommendationalgorithmisusedtorecommendpersonalizedcoursestonewusers.Thepracticalresultsshowthatthismethodcanhelpuserstolearnpersonalizedandefficienttosomeextent.

Keywords：

onlineeducation;sentimentanalysis;personalizedrecommendation;datamining

0引言

随着移动互联网的快速发展，涌现了多种多样的在线学习平台，类似网易公开课、Coursera等平台，为人们提供了丰富的教学资源，也吸引了更多了用户。但由于在线教学平台丰富多样，课程资源呈井喷式涌现，这就使人们面临有效选择课程资源的问题。同时，由于网络的开放性和包容性，课程教学质量参差不齐，充斥着各种低质量，内容完全相同的教学资源[1]。并且，人们都有自己的学习进度，如何在已有的学习进度基础上，有效的“因材施教”式推荐学习资源，从而可以帮助用户更加高效的学习。基于此，本文通过对在线教育数据进行分析挖掘，构建用户个性化学习策略的模型。首先通过情感分析模型对课程评分进行打分，形成用户的喜好矩阵，然后利用推荐算法，给新用户推荐个性化的课程。研究结果表明，该方法能一定程度上帮助用户进行个性化高效学习。

在线教育数据挖掘研究，属于交叉学科研究，内容研究相对开放，国内外很多学者进行了探索。但是较少有将用户行为数据、课程质量数据和个性化学习策略等信息联合建模。基于此，本文通过对在线教育数据进行分析挖掘，构建用户个性化学习策略的模型。首先通过情感分析模型对课程评分进行打分，形成用户的喜好矩阵，然后利用推薦算法，给新用户推荐个性化的课程。研究结果表明，该方法能一定程度上帮助用户进行个性化高效学习。

1数据挖掘和在线教育

数据挖掘经常被人们称作数据信息勘探、采矿等，主要以数据信息为对象，将现代信息技术手段、模式识别技术、在线统计分析技术、处理技术和和机器学习技术等相互融合实现数据信息更深层次的开发、探究、整合、分析以及处理的过程[2]。在线教育数据挖掘就是数据挖掘在教育领域的应用，指从人们教育及学习过程所产生的数据中自