基于统计学习方法的学习者行为分析及学习风险预测

发布时间：2023-04-23 07:24

　　当今信息化时代,学习分析是教育技术领域的研究重点之一。教育信息化的实现必然需要技术的支持。学习分析可以连接技术与教育,是能够促进技术与教育进一步融合的有效方法。首先,确定研究目的和对象,收集学生学习数据;然后,选定数据分析方法和工具,对学生学习进行分析与建模;最后,将分析结果反馈给教学关益者,从而为学生学习提供指导。本文从目前学习分析在学习分析模型设计存在的问题出发,将统计学习方法应用于学习分析,进行了尝试性的研究。本文持续跟踪计算机科学与技术专业学生近两年内四门课程的学习过程,采用两种方式收集学生学习数据。第一种方式是从线上平台获取学生线上的学习行为数据,第二种方式是使用实名制调查问卷收集学生线下学习数据,对学习者学习行为进行综合分析。已完成的工作如下:1.学习者基本学情调查。使用实名制问卷对学生基本学习情况进行了统计分析,并将这些数据与学生学习成绩关联起来。通过综合分析发现对学生学习成绩关联性较强的因素主要有学生先修课程平均分,学习态度,学习动机等。2.基于Lasso-LARs的学习者学习行为分析。通过学习者行为分析确定影响学生学习成绩的各个因素的重要程度,研究发现学习动机、先修课...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
创新点摘要
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究现状综述
        1.2.1 学习分析概述
        1.2.2 学习行为分析研究现状
        1.2.3 学习风险预测研究现状
    1.3 研究思路、内容及方法
        1.3.1 研究思路
        1.3.2 研究内容
        1.3.3 研究方法
    1.4 论文组织结构
第二章 学习者基本学情调查
    2.1 调查目标和方法
        2.1.1 调查目标
        2.1.2 调查方法
    2.2 学习者基本学情调查
        2.2.1 学习者基本特征
        2.2.2 学习者学习行为
    2.3 本章小结
第三章 基于Lasso-LARs的学习者学习行为分析
    3.1 Lasso-LARs方法原理
        3.1.1 Lasso回归
        3.1.2 LARs算法
    3.2 学习行为特征选择及数据收集
        3.2.1 学习行为特征的选取
        3.2.2 数据收集及预处理
    3.3 学习行为分析案例
        3.3.1 《操作系统分析与实践》课程中学习行为分析
        3.3.2 《编译原理》课程中学习行为分析
    3.4 本章小结
第四章 基于SVM的学习者分类建模
    4.1 SVM基本原理
        4.1.1 SVM基本模型
        4.1.2 非线性支持向量与核函数
    4.2 基于SVM的学习者分类模型
    4.3 案例分析
        4.3.1 《操作系统分析与实践》课程中学习者分类模型
        4.3.2 学习行为与学习者分类的相关性分析
    4.4 本章小结
第五章 基于SVR的学习者学习风险预测及干预
    5.1 SVR基本原理
        5.1.1 SVR算法
        5.1.2 学习成绩预测模型的建立
    5.2 学习风险预测案例
        5.2.1 期中成绩预测模型
        5.2.2 期末成绩预测模型
    5.3 学习行为干预案例
        5.3.1 学习行为与学习成绩相关性分析
        5.3.2 学习行为干预测试
    5.4 本章小结
结论
参考文献
附录1
附录2
发表文章目录
致谢



本文编号：3799368