课程级时间序列分析模型研究

教育时间序列能够展现学习过程随时间的变化与波动趋势,是近年来的研究热点。其中,课程级时间序列是个体级时间序列在课程层面的汇总,使用课程级时间序列可以获得比个体级时间序列更为丰富的信息。基于此,文章首先综述了教育时间序列的主流研究方法,对课程级时间序列的形成与有用性进行了分析,并提出了相应的数据分析模型。随后,文章以在线教育中的视频学习作为场景,将7341个学生所产生的个体级时间序列转换为课程级时间序列,通过实验分析了课程访问的“潮汐”现象、有潜力的辍学率预测、清晰的认知搜索意图、内容消耗的时间结构和课程聚类模式,验证了文章所提出模型的可用性。文章提出的课程级时间序列分析模型是数据驱动智慧课程建设的一项探索性试验,未来可应用于大规模在线学习中的课程搜索、分类和评价,以发现具有相似时间模式的候选课程集合。