大学生在线学习行为投入评测的研究

由于在线教学中师生时空分离,教师很难实时掌握学生的学习状态。为了帮助教师了解学生的学习情况并对学习状态差的学生进行预警,构建了大学生在线学习投入评测模型,并以信息与网络安全技术课程为例,测试其评测效果。首先利用网络爬虫软件抓取了中国大学MOOC和华为应用商城的实时数据,其次利用数据建表,最后利用Python编程对数据进行分类、统计和聚类分析,并将分析结果进行可视化展示,帮助学生了解自身的学习投入状况,同时也为教师和教学管理者提供个性化的干预与支持服务。

一种基于机器学习的在线学习行为投入评测模型

疫情期间在线学习平台迅速爆增,学习者也越来越多,但是在线学习的监督性、学习者的投入度、学习的评估等因素,从而影响了学习者的学习效果。随着学习分析技术和教育数据挖掘的融合应用,文章通过分析学习者的在线学习行为投入数据,采用在线学习平台下对学习者行为投入及时评估的方法,构建一种基于机器学习的在线学习行为投入评测模型。该模型以在线学习者的投入度为评估目的,通过机器学习算法对学习者的投入度进行分析,帮助学习者及时自我调整,也帮助施教者更好地开展教学。