基于大數(shù)據(jù)的用戶學習行為模式的挖掘分析

阮王銳 付榮 李明東 姜飛 辛政華

摘 要：教育信息化邁入了新的時代，學習者在不同學習平臺中產(chǎn)生的海量學習行為數(shù)據(jù)，能夠被學習管理系統(tǒng)所存儲記錄，利用學習者產(chǎn)生的學習行為數(shù)據(jù)能夠及時有效地對學習者進行學情預(yù)警、學習路徑推薦、課程推薦等一系列應(yīng)用;并對每一類學習者的學習特點、行為特征做出較詳細的解釋，識別出學習者學習行為中對學習成績影響最大的因素。

關(guān)鍵詞：學習風格;特征識別;行為特征

一、網(wǎng)絡(luò)學習行為研究

主要渉及不同信息呈現(xiàn)方式、學習風格下的網(wǎng)絡(luò)學習行為和學習效果研究，需要考慮學習者如何學習及在網(wǎng)絡(luò)中如何進行多媒體學習，不同學習風格的學習者有什么差異等問題，因而受多媒體學習、網(wǎng)絡(luò)學習及課堂學習多種形式的相互作用。有關(guān)學習風格的定義，在國內(nèi)影響較大的是譚頂良的觀點"學習風格是學習者持續(xù)一貫的帶有個性特征的學習方式，是學習策略和學習傾向的總和。

學習者畫像體現(xiàn)了用戶畫像技術(shù)在教育學領(lǐng)域中的應(yīng)用。了解學習者概況有兩種基本方法：一種是尋找學習者的學習表現(xiàn)和學習活動之間的關(guān)系，另一種則是根據(jù)學習者不同的學習風格、學習類型等將學習者劃分為不同的群體。與商業(yè)領(lǐng)域類似，教育學領(lǐng)域中的學習者也會在學習管理系統(tǒng)中產(chǎn)生學習行為數(shù)據(jù)，如：在線教育平臺網(wǎng)站瀏覽痕跡、論壇發(fā)帖次數(shù)、課程交互次數(shù)、成績等數(shù)據(jù)，上述數(shù)據(jù)具有持續(xù)時間長，連續(xù)性強等特點。學習者畫像能夠描述學習者的學習特點，為后續(xù)的教育決策提供理論支撐。

二、學習行為設(shè)計模式

國內(nèi)研究者一般從教育學領(lǐng)域闡述在線學習行為的含義，國外研究者更注重利用觀察、測量、收集到的在線學習行為數(shù)據(jù)進行實證研究。本研究認為，在線學習行為是學習者以不同終端為媒介，利用豐富多樣的教學資源，為達成某種學習目的產(chǎn)生的網(wǎng)絡(luò)學習痕跡的總和。因此，在線學習行為分析的最終對象是一系列學習者的于在線教育平臺的操作。

（一）數(shù)據(jù)挖掘方法的使用

數(shù)據(jù)挖掘的一般定義為從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。數(shù)據(jù)挖掘、知識發(fā)現(xiàn)兩個術(shù)語常同時出現(xiàn)，并相互替換使用。數(shù)據(jù)挖掘與知識發(fā)現(xiàn)的關(guān)系是：知識發(fā)現(xiàn)是不向用戶透露數(shù)據(jù)細節(jié)，從原始數(shù)據(jù)中提取出有用知識的過程;

數(shù)據(jù)挖掘的一般流程為：數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘以及挖掘結(jié)果表達和解釋，流程圖如圖1所示。

（二）統(tǒng)計分析方法

統(tǒng)計方法中的回歸分析方法能夠通過求回歸方程描述一個變量的變化趨勢和別的變量值的關(guān)系，回歸方程如公式（1）所示。

? ? ? ? ? ? ? ? ?（1）

常見的分類算法主要可以分為單一的分類算法和集成分類算法兩種。單一的分類算法通常包括ANN分類、樸素貝葉斯分類、K近鄰分類、決策樹分類、支持向量機分類等;集成算法通常包括Bagging。

三、HTTPWatch網(wǎng)絡(luò)學習行為數(shù)據(jù)收集

利用HTTPWatch來收集學習者的行為，主要是從HTTPWatch中提取記錄用戶打開頁面的開始時間，用于獲取用戶打開某個網(wǎng)頁的名稱和網(wǎng)頁加載情況，URL用于記錄巧頁加載過程中的資源定位。當用戶點擊一個超鏈接，打開某個網(wǎng)頁時，網(wǎng)頁便開始加載整個網(wǎng)頁所需要的所有元素送些元素的加載類型通過Tpye類型字段判斷。

學習時長是指在正式學習前筆者提供四種不同內(nèi)容的程序性知識學習材料供學習者學習所花費的時長，本研究中的信息呈現(xiàn)方式主要是有數(shù)字文檔型、動畫+曰語、動畫+文本、PPT+語言四種類型，其中三種視頻的長度都是12分鐘，在實驗的假設(shè)中我們期待不同學習風格和不同的信息呈現(xiàn)方式下的被試在學習的時間上會有顯著差異。下面筆者學習資源類型和學習風格為自變量，學習時長為因變量，采用多因素方差分析驗證這一假設(shè)。表1反應(yīng)出不同學習風格的多因素分析結(jié)果。

（一）用戶學習模型分析

edX 數(shù)據(jù)集中將學習者分為 registered、viewed、explored、certified 四類，分別代表僅注冊型者、一般型學習者、積極探索型學習者、獲得證書型學習者。viewed 類學習者表示在 edX 平臺注冊了課程并至少訪問了一次課后學習資源的學習者;explored 類學習者表示在 edX 平臺注冊了課程并訪問了超過一半課后學習資源的學習者。在學習者特征分析中，在gender列中統(tǒng)計性別為男性（m）和女性（f）所占比率，Mit6.00課程和總課程女性學習者所占比率統(tǒng)計如表4.2所示。Mit6.00課程中女性學習者的占比僅為14.6%，遠低于總課程中25.8%女性學習者的占比，推測是Mit6.00課程屬于工科課程，專業(yè)性強。

四、總結(jié)

利用多元線性逐步回歸模型，將學習投入特征、教學交互特征、課程完成度特征三類學習行為特征，按其對學習成績的影響顯著程度大小由大到小地逐個引入回歸方程，準確地計量三種特征和學習成績之間的相關(guān)程度，識別出對學習成績影響最大的學習行為特征。通過構(gòu)建出的學習者畫像，針對學習積極性不高、輟學率高、學習成績不理想的體驗型和潛力型學習者進行課程定制，幫助于這兩類學習者合理規(guī)劃課程的知識領(lǐng)域和知識點，對學習者進行有效的督促和針對性的引導，提高用戶學習行為的質(zhì)量和有效性。

參考文獻：

[1] 王莎莎，王梅.學習分析技術(shù)研究現(xiàn)狀綜述[J].中國教育技術(shù)裝備，2019（08）：7-11.

[2] 艾興，張玉.從數(shù)字畫像到數(shù)字孿生體：數(shù)智融合驅(qū)動下數(shù)字孿生學習者構(gòu)建新探[J].遠程教育雜志，2021，39（01）：41-50.

[3] 張蕾.網(wǎng)絡(luò)學習環(huán)境下學生有效學習行為的影響因素研究[D].西北師范大學，2018.

基金項目：2020年宿州學院虛擬仿真實驗教學項目（編號：szxy2020xnfz02）;2021年國家級大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目（編號：202110379027）;2020年安徽省教育廳高等學校省級質(zhì)量工程項目（編號：2020szsfkc1004）;2020年宿州學院校級質(zhì)量工程項目（編號：szxy2020xxkc07）;2020年宿州學院專創(chuàng)融合重點課程項目（編號：szxy2020zckc22）。