張雨虹 王紅梅 趙妍
摘要:隨著互聯(lián)網(wǎng)的普及,信息傳播打破了時(shí)間和空間的限制,其中以互聯(lián)網(wǎng)為依托的在線學(xué)習(xí)發(fā)展迅猛。經(jīng)發(fā)現(xiàn)傳統(tǒng)線下教學(xué)模式在向混合式教學(xué)模式轉(zhuǎn)換過程中,學(xué)生在線學(xué)習(xí)的主動(dòng)性和積極性不高,有待進(jìn)一步激發(fā),所以滿足學(xué)生個(gè)性化、差異化的需求,提高學(xué)生在線學(xué)習(xí)的積極性和增強(qiáng)用戶黏性就顯得尤為重要。本文以學(xué)習(xí)通平臺(tái)為例,使用K-means算法對(duì)在線學(xué)習(xí)的學(xué)生產(chǎn)生的學(xué)習(xí)行為數(shù)據(jù)進(jìn)行聚類分析。實(shí)驗(yàn)結(jié)果表明,在線學(xué)習(xí)教育平臺(tái)可以面向不同類型學(xué)習(xí)者,提供科學(xué)、個(gè)性化、合理有效的教學(xué)方案。
關(guān)鍵詞:用戶行為;在線學(xué)習(xí);聚類分析
引言
在線學(xué)習(xí)平臺(tái)結(jié)合線下課堂教學(xué)已經(jīng)成為各大高校的一種新興教學(xué)模式,在線學(xué)習(xí)平臺(tái)可以記錄學(xué)生在學(xué)習(xí)過程中產(chǎn)生的學(xué)習(xí)行為數(shù)據(jù),全面記錄學(xué)習(xí)過程,形成比較集中的在線學(xué)習(xí)數(shù)據(jù),采用聚類方法對(duì)在線學(xué)習(xí)數(shù)據(jù)進(jìn)行分析,讓不同類型的學(xué)習(xí)者都能獲得有效的在線學(xué)習(xí)體驗(yàn)。
本文以學(xué)習(xí)通平臺(tái)上我校軟件工程專業(yè)的兩門專業(yè)課程為例,導(dǎo)出2021-3 -1到2021-6-30完整的后臺(tái)數(shù)據(jù),使用K-means算法對(duì)學(xué)習(xí)者在學(xué)習(xí)過程中的4項(xiàng)學(xué)習(xí)行為數(shù)據(jù)進(jìn)行聚類分析,這4項(xiàng)學(xué)習(xí)數(shù)據(jù)分別是任務(wù)點(diǎn)完成百分比、作業(yè)得分、章節(jié)學(xué)習(xí)次數(shù)、考試成績(jī),把參加在線學(xué)習(xí)的學(xué)生分為五種類型的學(xué)習(xí)者,這五種類型分別對(duì)應(yīng)著考核效果,主要是考察學(xué)生在線學(xué)習(xí)行為對(duì)混合教學(xué)模式的效果影響,可以為學(xué)生提供個(gè)性化指導(dǎo)以及教學(xué)干預(yù)。
1 線上學(xué)習(xí)平臺(tái)的應(yīng)用概況
1.1 線上學(xué)習(xí)發(fā)展及研究
在我國(guó),早在上世紀(jì)90年代互聯(lián)網(wǎng)剛興起的時(shí)候,在線教育就已經(jīng)開始發(fā)展了。它打破了線下傳統(tǒng)教育模式受時(shí)間和空間的限制,逐漸成為互聯(lián)網(wǎng)創(chuàng)業(yè)的熱門領(lǐng)域?,F(xiàn)如今,網(wǎng)絡(luò)教育平臺(tái)也成為各大高校學(xué)生課內(nèi)課外學(xué)習(xí)的方式,在線教育,顧名思義,就是利用信息技術(shù)進(jìn)行教與學(xué)的一項(xiàng)活動(dòng),互聯(lián)網(wǎng)的發(fā)展帶動(dòng)了在線教育的發(fā)展,計(jì)算機(jī)和互聯(lián)網(wǎng)發(fā)展的程度,決定了在線教育的成熟度。與傳統(tǒng)教育機(jī)構(gòu)的教育方式相比,在線教育具有效率高、方便、低門檻、教學(xué)資源豐富的特點(diǎn)。4G網(wǎng)絡(luò)的高速發(fā)展和智能手機(jī)的普及,使APP也成為了學(xué)習(xí)神器強(qiáng)力工具,更是成為各大在線教育公司的必爭(zhēng)之地?;谏鲜鎏攸c(diǎn),再加上互聯(lián)網(wǎng)的推動(dòng),在線教育平臺(tái)興起,規(guī)模逐漸擴(kuò)張,并獲得了資本市場(chǎng)的青睞。
1.2 高校應(yīng)用概況
自從去年疫情之時(shí),各高等院校積極響應(yīng)教育部“停課不停學(xué)”,利用各平臺(tái)積極開展線上教學(xué)[1]。在線教育平臺(tái)作為一種新興的教學(xué)模式,憑借其優(yōu)質(zhì)的課程資源、開放的教學(xué)方式、廣泛的課程受眾面和課程參與的高度自主性等特點(diǎn),自2011年誕生以來(lái)在全球范圍內(nèi)迅速發(fā)展,為各大高校教育提供支持,為現(xiàn)代教育提供了廣闊的發(fā)展前景[2]。
1.3 平臺(tái)介紹
學(xué)習(xí)通是基于移動(dòng)互聯(lián)網(wǎng)的新一代教學(xué)系統(tǒng)和知識(shí)傳播與管理分享的平臺(tái)。它利用超星20余年來(lái)積累的海量的圖書、期刊、報(bào)紙、視頻、原創(chuàng)等資源,集知識(shí)管理、課程學(xué)習(xí)、專題創(chuàng)作,辦公應(yīng)用為一體,為用戶提供一站式學(xué)習(xí)與工作環(huán)境,在各大高校群體中普遍使用。在名校名師方面,超星遙遙領(lǐng)先。在2008年,超星已經(jīng)拍攝近320位知名專家教授、學(xué)術(shù)權(quán)威,完成了4000集名校課程、講座。超星的視頻課程,學(xué)術(shù)性強(qiáng)、體系完整,基本能夠代表我國(guó)高校的課堂水平。
在線學(xué)習(xí)過程中會(huì)產(chǎn)生大量的學(xué)習(xí)行為數(shù)據(jù),比如觀看視頻時(shí)長(zhǎng)、任務(wù)點(diǎn)完成百分比、作業(yè)得分、章節(jié)學(xué)習(xí)次數(shù)等等。通過對(duì)這些學(xué)習(xí)行為數(shù)據(jù)的統(tǒng)計(jì)、分析,可以了解學(xué)生的學(xué)習(xí)特點(diǎn)、學(xué)習(xí)習(xí)慣等特性,跟蹤學(xué)習(xí)進(jìn)程、適時(shí)引導(dǎo)干預(yù),讓在線教育更加個(gè)性化、智能化、科學(xué)化。
2 K-means聚類算法介紹
K-Means算法的思想很簡(jiǎn)單,對(duì)于給定的樣本集,按照樣本之間的距離大小,將樣本集劃分為K個(gè)簇。讓簇內(nèi)的點(diǎn)盡量緊密的連在一起,而讓簇間的距離盡量的大,具有相似特征的樣本聚為一類[3]。
傳統(tǒng)K-Means算法流程:
step1:選定要聚類的類別數(shù)目k,選擇k個(gè)中心點(diǎn)。
step2:針對(duì)每個(gè)樣本點(diǎn),找到距離其最近的中心點(diǎn)(尋找組織),距離同一中心點(diǎn)最近的點(diǎn)為一個(gè)類,這樣完成了一次聚類。
step3:判斷聚類前后的樣本點(diǎn)的類別情況是否相同,如果相同,則算法終止,否則進(jìn)入step4。
step4:針對(duì)每個(gè)類別中的樣本點(diǎn),計(jì)算這些樣本點(diǎn)的中心點(diǎn),當(dāng)做該類的新的中心點(diǎn),繼續(xù)step2。
3 基于K-means聚類分析算法的學(xué)習(xí)行為數(shù)據(jù)聚類分析
3.1 數(shù)據(jù)選擇
數(shù)據(jù)來(lái)自超星網(wǎng)絡(luò)教學(xué)平臺(tái)。由系統(tǒng)導(dǎo)出任務(wù)點(diǎn)完成百分比、作業(yè)得分、章節(jié)學(xué)習(xí)次數(shù)、考試成績(jī)這些數(shù)據(jù)表。在導(dǎo)出學(xué)習(xí)行為數(shù)據(jù)過程中,除了保留了4項(xiàng)學(xué)習(xí)行為數(shù)據(jù),還保留了學(xué)生的學(xué)號(hào)和姓名數(shù)據(jù),便于后期對(duì)學(xué)生進(jìn)行分類后了解學(xué)生信息。
我們選取兩門課程,《操作系統(tǒng)原理》是一門專業(yè)基礎(chǔ)課程,另一門《軟件體系結(jié)構(gòu)與設(shè)計(jì)》是一門專業(yè)必修課。課程教學(xué)采用線上線下混合式教學(xué),按照過程性教學(xué)考核,記錄教學(xué)過程中每個(gè)環(huán)節(jié)學(xué)生學(xué)習(xí)狀態(tài)數(shù)據(jù)。
通過對(duì)數(shù)據(jù)進(jìn)行整理,我們篩選出254條記錄,每條記錄包括課程ID、課程名稱、學(xué)生學(xué)號(hào)、學(xué)生姓名、專業(yè)、班級(jí)6項(xiàng)基本信息,同時(shí)包括4項(xiàng)學(xué)習(xí)行為數(shù)據(jù)。
3.2 數(shù)據(jù)分析
針對(duì)本文選取的數(shù)據(jù)集,對(duì)本科生學(xué)習(xí)行為信息進(jìn)行了一系列的指標(biāo)統(tǒng)計(jì)分析,研究該群體的學(xué)習(xí)習(xí)慣、興趣點(diǎn)和學(xué)習(xí)者類型的分布情況,分析學(xué)習(xí)者學(xué)習(xí)信息和學(xué)習(xí)效果的相關(guān)性,從多個(gè)層面和角度展示基于學(xué)習(xí)通平臺(tái)的線上線下混合式教學(xué)模式下學(xué)習(xí)者的學(xué)習(xí)狀況。
對(duì)兩門課程進(jìn)行章節(jié)學(xué)習(xí)次數(shù)的統(tǒng)計(jì)和比較,如圖1、圖2所示。圖1是《操作系統(tǒng)原理》課程在5月份學(xué)習(xí)次數(shù)統(tǒng)計(jì),圖2是《軟件體系結(jié)構(gòu)與設(shè)計(jì)》課程在5月份的學(xué)習(xí)次數(shù)統(tǒng)計(jì)。從兩張圖可以看出學(xué)生學(xué)習(xí)時(shí)間一般是在上課前后,假期進(jìn)行學(xué)習(xí)的人數(shù)較少,而且學(xué)生習(xí)慣于集中安排學(xué)習(xí)。圖3、圖4顯示的是兩門課程在同一天中學(xué)生學(xué)習(xí)的時(shí)間段,其中《操作系統(tǒng)課程》主要集中于上午時(shí)間,《軟件體系結(jié)構(gòu)與設(shè)計(jì)》課程主要集中于下午時(shí)間,這是由于課程安排的原因。從四張圖可以分析出,線上課程進(jìn)度與線下課程一般相一致,學(xué)生會(huì)在線下課程開設(shè)的同時(shí)進(jìn)行線上課程的同步學(xué)習(xí)。
3.3 K-Means聚類分析
對(duì)學(xué)生的學(xué)習(xí)時(shí)間進(jìn)行分析可以發(fā)現(xiàn)線上教學(xué)對(duì)線下教學(xué)的補(bǔ)充和完善,同時(shí)提高學(xué)生學(xué)習(xí)自主性。使用聚類算法對(duì)學(xué)生學(xué)習(xí)行為特征進(jìn)行分析,可以更好的根據(jù)不同學(xué)生群體特點(diǎn)推薦個(gè)性化教學(xué)方案,這也是近年來(lái)混合教學(xué)模式一直關(guān)注的熱點(diǎn)問題。本文選擇了學(xué)生的任務(wù)點(diǎn)完成百分比、作業(yè)得分、章節(jié)學(xué)習(xí)次數(shù)、考試成績(jī)這四項(xiàng)數(shù)據(jù),針對(duì)操作系統(tǒng)原理和軟件體系結(jié)構(gòu)與設(shè)計(jì)兩門課程的選課學(xué)生的學(xué)習(xí)行為分別進(jìn)行了K-Means聚類分析。對(duì)于K值的選取根據(jù)學(xué)生學(xué)習(xí)效果評(píng)價(jià)的五個(gè)等級(jí),把K取值為5。兩門課程聚類結(jié)果有所不同,如表1所示。
4 結(jié)論
本文聚焦于我校軟件工程專業(yè)學(xué)習(xí)通平臺(tái)學(xué)習(xí)者群體的用戶特征及學(xué)習(xí)行為,通過聚類分析,展現(xiàn)該群體學(xué)生的在線學(xué)習(xí)狀況,從而向?qū)W習(xí)者提供適合個(gè)人的個(gè)性化學(xué)習(xí)方案,提高在線學(xué)習(xí)效率。表1顯示了學(xué)生學(xué)習(xí)效果的聚類,通過對(duì)數(shù)據(jù)的分析,線上線下混合式教學(xué)更適合過程性考核,專業(yè)課程過程性考核對(duì)有助于學(xué)生學(xué)習(xí)效果的評(píng)價(jià)。線上教學(xué)是對(duì)線下教學(xué)更全面的補(bǔ)充,學(xué)生考核成績(jī)與線上學(xué)習(xí)緊密不可分,對(duì)任務(wù)點(diǎn)、作業(yè)等模塊完成較好的同學(xué)考試成績(jī)相對(duì)好一些。當(dāng)然也有個(gè)別學(xué)生線上學(xué)習(xí)完成較少,但是考試成績(jī)處于良好層次,主要原因是在于這些學(xué)生的學(xué)習(xí)態(tài)度和學(xué)習(xí)習(xí)慣屬于被動(dòng)型。這部分學(xué)生如果遇到不很擅長(zhǎng)的知識(shí)內(nèi)容學(xué)習(xí)起來(lái)會(huì)比較吃力,所以需要增加平時(shí)的督促。
參考文獻(xiàn)
[1]王文晶,閆俊伢.基于大數(shù)據(jù)的在線學(xué)習(xí)行為分析與干預(yù)研究[J].陜西電子技術(shù),2020,(6):69-71.
[2]孫琳,張巧榮,鄭婭峰.基于edX開放數(shù)據(jù)的學(xué)習(xí)者在線學(xué)習(xí)行為分析[J].軟件導(dǎo)刊,2020,19(12):190-194.
[3]周樹功.基于K-means聚類分析算法的大學(xué)生在線學(xué)習(xí)行為分析[J].信息與電腦(理論版),2020,32(16):220-222.
[4]謝維奇,何健.網(wǎng)絡(luò)教學(xué)平臺(tái)學(xué)習(xí)行為分析及應(yīng)用[J].福建電腦,2021.4,37(4):33-37
課題編號(hào):2020年河南省高等學(xué)校重點(diǎn)科研項(xiàng)目計(jì)劃“非線性優(yōu)化的用戶行為建模在大數(shù)據(jù)科學(xué)中的應(yīng)用研究”(20B520038)鄭州航空工業(yè)管理學(xué)院;2021河南省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目“基于知識(shí)圖譜的慢性病患者病情管理系統(tǒng)的應(yīng)用研究”(S202110485048)鄭州航空工業(yè)管理學(xué)院;
通訊作者:趙妍(1979.02-),女,漢族,遼寧鞍山人,碩士,副教授,研究方向:數(shù)據(jù)挖掘、大數(shù)據(jù)分析。