十三，在線學(xué)習(xí)行為與學(xué)習(xí)效果

十三，在線學(xué)習(xí)行為與學(xué)習(xí)效果

• 論文名稱：（基于學(xué)習(xí)分析的實(shí)證研究）李佳，關(guān)蓉.

• 研究對(duì)象
  分析學(xué)習(xí)者行為數(shù)據(jù)，探究學(xué)習(xí)行為與學(xué)習(xí)效果之間的關(guān)系。

• 研究動(dòng)機(jī)
  

  • 對(duì)重點(diǎn)學(xué)習(xí)行為進(jìn)行更精確的分析，利用機(jī)器學(xué)習(xí)算法進(jìn)行成績預(yù)警分析，促進(jìn)學(xué)生學(xué)習(xí)效果。

• 文獻(xiàn)綜述
  

  • 收集學(xué)生的行為數(shù)據(jù)，活動(dòng)的起止時(shí)間，學(xué)生的鼠標(biāo)按鍵點(diǎn)擊次數(shù)，鼠標(biāo)移動(dòng)距離，鍵盤敲擊次數(shù)等，并對(duì)行為變量名稱及含義進(jìn)行詳細(xì)描述。
  • 預(yù)警分析，預(yù)警最佳時(shí)間節(jié)點(diǎn)進(jìn)行闡述。
  • 實(shí)證分析，得出結(jié)論。

• 研究方案設(shè)計(jì)
  

  • 利用Logistic回歸，分類樹模型對(duì)成績是否合格進(jìn)行預(yù)測，通過AUC值及混淆矩陣選出較優(yōu)模型。
  • 在K折交叉驗(yàn)證理論基礎(chǔ)上進(jìn)行創(chuàng)新，對(duì)不同課時(shí)節(jié)點(diǎn)下學(xué)生學(xué)習(xí)情況擬合分類樹和回歸樹模型。

• 使用數(shù)據(jù)集
  意大利熱那亞大學(xué)計(jì)算機(jī)工程專業(yè)“數(shù)字電路”學(xué)習(xí)活動(dòng)數(shù)據(jù)集。

• 研究結(jié)論
  
  分類樹相比于Logistic回歸模型具有更高的精確度，更低的錯(cuò)判率，宜用來進(jìn)行不及格預(yù)警分析。

• 學(xué)習(xí)心得
  結(jié)合此前閱讀文獻(xiàn)，思考其他數(shù)據(jù)挖掘方法，構(gòu)建行為分析模型，對(duì)此數(shù)據(jù)集進(jìn)一步探索。算法測試問題還有好多，后續(xù)完善編輯。