基于多种统计方法的慕课学习行为分析——以云南大学《雷达气象学》线上课程为例.pdfVIP

AdvancesinEducation教育进展,2025,15(9),979-986

PublishedOnlineSeptember2025inHans./journal/ae

/10.12677/ae.2025.1591765

基于多种统计方法的慕课学习行为分析

——以云南大学《雷达气象学》线上课程为例

夏兰，张嘉仪，曲正灏，曹晓颖

云南大学地球科学学院，云南昆明

收稿日期：2025年8月10日；录用日期：2025年9月9日；发布日期：2025年9月17日

摘要

随着教育信息化的快速发展，线上教育已成为高等教育中不可或缺的组成部分，慕课(MOOC)累积了海量

学生学习数据，涵盖了线上学习过程的不同学习模块和各个环节。本文通过分析校内慕课平台学生的学

习数据，利用相关分析挖掘了学生出勤率、成绩与线上学习行为之间的关系，通过K-means聚类方法和

随机森林模型对学生不同线上学习模块的学习拖延行为进行了聚类分析，分析了学生对不同线上学习模

块的偏好和学习习惯，对不同类型的学习者提出了有针对性的教学建议，同时可根据学生的学习行为偏

好和倾向优化线上学习模块的教学设计，从而提升学生的学习效果和成绩。

关键词

慕课，学习行为分析，聚类分析，学习偏好，教学策略

AnalyzingMOOCLearningBehaviorsUsing

MultipleStatisticalMethods

—ACaseStudyoftheOnlineCourse“RadarMeteorology”atYunnan

University

LanXia,JiayiZhang,ZhenghaoQu,XiaoyingCao

SchoolofEarthSciences,YunnanUniversity,KunmingYunnan

th,2025;accepted:Sep.9th,2025;published:Sep.17th,2025

Received:Aug.10

Abstract

Withtherapiddevelopmentofeducationalinformatization,onlineeducationhasbecomeanindis-

pensablecomponentofhighereducation.MassiveOpenOnlineCourses(MOOCs)haveaccumulated

文章引用:夏兰,张嘉仪,曲正灏,曹晓颖.基于多种统计方法的慕课学习行为分析[J].教育进展,2025,15(9):979-

986.DOI:10.12677/ae.2025.1591765

夏兰等

vastamountsofstudentlearningdata,encompassingvariouslearningmodulesandstageswithin

theonlinelearningprocess.ByanalyzingstudentlearningdatafromaninstitutionalMOOCplat-

form,thisstudyemployedcorrelationanalysistouncoverrelationshipsbetweenstudentattend-

ancerates,academicperformance,andonlinelearningbehaviors.UtilizingK-meansclusteringand

arandomforestmodel,weconductedaclusteranalysisoflearningprocrastinationbehaviorsacross

differentonlinelearningmodules.Theanalysisrevealedstudentpreferencesandle