慕课平台下学生学习行为分析研究
发布时间：2022-04-16 08:42
随着“互联网+教育”的发展深化,基于慕课的线上线下课堂相结合的混合式教学模式广泛应用于高校教学中。慕课这种大规模开放式的在线课程平台不仅打破了学习时间、地点的束缚,更为学习者提供了丰富多样的学习资源。学生在学习慕课课程中产生了大量的学习行为数据,通过分析这些学习行为数据,可以探索出蕴含在数据背后的学习规律,教师可以根据这些规律改进教学方案,为不同学习情况的学生提供个性化的管理与教学。这无论对教师的教学还是学生的学习来说都具有重大的意义。本文主要工作如下:第一,基于学习行为数据为学生建立学情画像,记录其学习轨迹过程,有助于教师全面客观评价学生学习,为学生提供个性化教学,同时为学业预警提供依据。接着详细叙述了学情画像的构建流程,通过基础学情数据统计、学情数据聚类分析、学情数据舆情分析三个方面来建立。第二,对慕课课程访问次数、访问时间段的统计分析以及课程视频观看时长的箱式图分析,探索了学生学习规律、学习偏好时间以及课程学习难点,为教师提供教学难点,缩短青年教师的成长周期。第三,以学生学习行为数据、学习效果作为聚类变量,利用k-means聚类算法划分学习风格,将风格相似的学生组合到一起,分析各...
【文章页数】：54 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 引言
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 慕课研究现状
1.2.2 学习行为研究现状
1.3 研究内容与创新点
1.4 论文框架
1.5 本章小结
第二章 相关概念与数据采集
2.1 相关概念介绍
2.1.1 学生学情画像
2.1.2 聚类分析
2.1.3 学习舆情
2.2 慕课数据采集
2.3 Python
2.4 SPSS
2.5 本章小结
第三章 基础学情数据统计分析
3.1 课程访问情况统计
3.2 课程视频观看数据分析
3.2.1 数据预处理
3.2.2 视频箱式图处理
3.3 本章小结
第四章 学情数据聚类分析
4.1 k-means算法
4.2 学生聚类分析
4.2.1 数据预处理
4.2.2 聚类结果分析
4.2.3 由聚类结果改进教学方案
4.3 学生学习风格与成绩的关系
4.4 卷面成绩聚类分析
4.5 本章小结
第五章 学情数据舆情分析
5.1 词云图
5.2 讨论文本收集
5.3 舆情词云图制作
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间科研工作情况
致谢
【参考文献】：
期刊论文
[1]词云生成系统的构建[J]. 冯与诘. 通讯世界. 2019(03)
[2]大数据时代MOOC教学模式构建研究[J]. 张凯. 信息记录材料. 2019(02)
[3]基于用户行为数据挖掘的数字图书馆电子资源推荐服务研究[J]. 江波. 河南图书馆学刊. 2018(12)
[4]基于演化聚类的社交媒体舆情分析方法综述[J]. 黄晓辉,王成,何雄,曾辉. 科学技术与工程. 2018(29)
[5]新媒体环境下基于用户画像的智慧图书馆建设[J]. 常盛. 科技与创新. 2018(18)
[6]基于VSM的移动图书馆用户画像及场景推荐[J]. 毕达天,王福,许鹏程. 数据分析与知识发现. 2018(09)
[7]基于校园一卡通数据的人群画像分析[J]. 黄刚,刘蓉,刘合富,谈利芳. 计算机与数字工程. 2018(09)
[8]基于学生消费行为与成绩的分析研究[J]. 常思远. 许昌学院学报. 2018(08)
[9]智慧校园学生画像方法研究[J]. 李光耀,宋文广,谢艳晴. 现代电子技术. 2018(12)
[10]习近平新时代青少年工作的重点——基于《习近平关于青少年和共青团工作论述摘编》的关键词词云分析[J]. 晏祥辉,姜金栋,罗莹. 青年发展论坛. 2018(02)
硕士论文
[1]基于python的Web数据挖掘技术研究与实现[D]. 刘熠.长江大学 2018
[2]基于Weka平台的网络教学数据分析研究与实践[D]. 殷鹏.山东师范大学 2017
[3]基于社交网络的舆情关键技术研究[D]. 柳淑婷.吉林大学 2017
[4]面向社交网络的文本可视化技术研究与实现[D]. 陈馨菂.西南交通大学 2017
[5]基于Python开发预警机系统检测设计与研究[D]. 孔德民.哈尔滨理工大学 2017
[6]大数据可视化对某高校学生行为分析的呈现[D]. 王国琼.山东大学 2016
[7]SPSS软件在管理决策方面的应用扩展[D]. 张海瑜.北京化工大学 2011
本文编号：3645955
【文章页数】：54 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 引言
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 慕课研究现状
1.2.2 学习行为研究现状
1.3 研究内容与创新点
1.4 论文框架
1.5 本章小结
第二章 相关概念与数据采集
2.1 相关概念介绍
2.1.1 学生学情画像
2.1.2 聚类分析
2.1.3 学习舆情
2.2 慕课数据采集
2.3 Python
2.4 SPSS
2.5 本章小结
第三章 基础学情数据统计分析
3.1 课程访问情况统计
3.2 课程视频观看数据分析
3.2.1 数据预处理
3.2.2 视频箱式图处理
3.3 本章小结
第四章 学情数据聚类分析
4.1 k-means算法
4.2 学生聚类分析
4.2.1 数据预处理
4.2.2 聚类结果分析
4.2.3 由聚类结果改进教学方案
4.3 学生学习风格与成绩的关系
4.4 卷面成绩聚类分析
4.5 本章小结
第五章 学情数据舆情分析
5.1 词云图
5.2 讨论文本收集
5.3 舆情词云图制作
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间科研工作情况
致谢
【参考文献】：
期刊论文
[1]词云生成系统的构建[J]. 冯与诘. 通讯世界. 2019(03)
[2]大数据时代MOOC教学模式构建研究[J]. 张凯. 信息记录材料. 2019(02)
[3]基于用户行为数据挖掘的数字图书馆电子资源推荐服务研究[J]. 江波. 河南图书馆学刊. 2018(12)
[4]基于演化聚类的社交媒体舆情分析方法综述[J]. 黄晓辉,王成,何雄,曾辉. 科学技术与工程. 2018(29)
[5]新媒体环境下基于用户画像的智慧图书馆建设[J]. 常盛. 科技与创新. 2018(18)
[6]基于VSM的移动图书馆用户画像及场景推荐[J]. 毕达天,王福,许鹏程. 数据分析与知识发现. 2018(09)
[7]基于校园一卡通数据的人群画像分析[J]. 黄刚,刘蓉,刘合富,谈利芳. 计算机与数字工程. 2018(09)
[8]基于学生消费行为与成绩的分析研究[J]. 常思远. 许昌学院学报. 2018(08)
[9]智慧校园学生画像方法研究[J]. 李光耀,宋文广,谢艳晴. 现代电子技术. 2018(12)
[10]习近平新时代青少年工作的重点——基于《习近平关于青少年和共青团工作论述摘编》的关键词词云分析[J]. 晏祥辉,姜金栋,罗莹. 青年发展论坛. 2018(02)
硕士论文
[1]基于python的Web数据挖掘技术研究与实现[D]. 刘熠.长江大学 2018
[2]基于Weka平台的网络教学数据分析研究与实践[D]. 殷鹏.山东师范大学 2017
[3]基于社交网络的舆情关键技术研究[D]. 柳淑婷.吉林大学 2017
[4]面向社交网络的文本可视化技术研究与实现[D]. 陈馨菂.西南交通大学 2017
[5]基于Python开发预警机系统检测设计与研究[D]. 孔德民.哈尔滨理工大学 2017
[6]大数据可视化对某高校学生行为分析的呈现[D]. 王国琼.山东大学 2016
[7]SPSS软件在管理决策方面的应用扩展[D]. 张海瑜.北京化工大学 2011
本文编号：3645955
本文链接：https://www.wllwen.com/jiaoyulunwen/ktjx/3645955.html