張雨虹 王紅梅 趙妍

摘要：隨著互聯(lián)網(wǎng)的普及，信息傳播打破了時間和空間的限制，其中以互聯(lián)網(wǎng)為依托的在線學習發(fā)展迅猛。經(jīng)發(fā)現(xiàn)傳統(tǒng)線下教學模式在向混合式教學模式轉(zhuǎn)換過程中，學生在線學習的主動性和積極性不高，有待進一步激發(fā)，所以滿足學生個性化、差異化的需求，提高學生在線學習的積極性和增強用戶黏性就顯得尤為重要。本文以學習通平臺為例，使用K-means算法對在線學習的學生產(chǎn)生的學習行為數(shù)據(jù)進行聚類分析。實驗結(jié)果表明，在線學習教育平臺可以面向不同類型學習者，提供科學、個性化、合理有效的教學方案。

關鍵詞：用戶行為;在線學習;聚類分析

引言

在線學習平臺結(jié)合線下課堂教學已經(jīng)成為各大高校的一種新興教學模式，在線學習平臺可以記錄學生在學習過程中產(chǎn)生的學習行為數(shù)據(jù)，全面記錄學習過程，形成比較集中的在線學習數(shù)據(jù)，采用聚類方法對在線學習數(shù)據(jù)進行分析，讓不同類型的學習者都能獲得有效的在線學習體驗。

本文以學習通平臺上我校軟件工程專業(yè)的兩門專業(yè)課程為例，導出2021-3 -1到2021-6-30完整的后臺數(shù)據(jù)，使用K-means算法對學習者在學習過程中的4項學習行為數(shù)據(jù)進行聚類分析，這4項學習數(shù)據(jù)分別是任務點完成百分比、作業(yè)得分、章節(jié)學習次數(shù)、考試成績，把參加在線學習的學生分為五種類型的學習者，這五種類型分別對應著考核效果，主要是考察學生在線學習行為對混合教學模式的效果影響，可以為學生提供個性化指導以及教學干預。

1 線上學習平臺的應用概況

1.1 線上學習發(fā)展及研究

在我國，早在上世紀90年代互聯(lián)網(wǎng)剛興起的時候，在線教育就已經(jīng)開始發(fā)展了。它打破了線下傳統(tǒng)教育模式受時間和空間的限制，逐漸成為互聯(lián)網(wǎng)創(chuàng)業(yè)的熱門領域。現(xiàn)如今，網(wǎng)絡教育平臺也成為各大高校學生課內(nèi)課外學習的方式，在線教育，顧名思義，就是利用信息技術進行教與學的一項活動，互聯(lián)網(wǎng)的發(fā)展帶動了在線教育的發(fā)展，計算機和互聯(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、教學資源豐富的特點。4G網(wǎng)絡的高速發(fā)展和智能手機的普及，使APP也成為了學習神器強力工具，更是成為各大在線教育公司的必爭之地。基于上述特點，再加上互聯(lián)網(wǎng)的推動，在線教育平臺興起，規(guī)模逐漸擴張，并獲得了資本市場的青睞。

1.2 高校應用概況

自從去年疫情之時，各高等院校積極響應教育部“停課不停學”，利用各平臺積極開展線上教學[1]。在線教育平臺作為一種新興的教學模式，憑借其優(yōu)質(zhì)的課程資源、開放的教學方式、廣泛的課程受眾面和課程參與的高度自主性等特點，自2011年誕生以來在全球范圍內(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 平臺介紹

學習通是基于移動互聯(lián)網(wǎng)的新一代教學系統(tǒng)和知識傳播與管理分享的平臺。它利用超星20余年來積累的海量的圖書、期刊、報紙、視頻、原創(chuàng)等資源，集知識管理、課程學習、專題創(chuàng)作，辦公應用為一體，為用戶提供一站式學習與工作環(huán)境，在各大高校群體中普遍使用。在名校名師方面，超星遙遙領先。在2008年，超星已經(jīng)拍攝近320位知名專家教授、學術權威，完成了4000集名校課程、講座。超星的視頻課程，學術性強、體系完整，基本能夠代表我國高校的課堂水平。

在線學習過程中會產(chǎn)生大量的學習行為數(shù)據(jù)，比如觀看視頻時長、任務點完成百分比、作業(yè)得分、章節(jié)學習次數(shù)等等。通過對這些學習行為數(shù)據(jù)的統(tǒng)計、分析，可以了解學生的學習特點、學習習慣等特性，跟蹤學習進程、適時引導干預，讓在線教育更加個性化、智能化、科學化。

2 K-means聚類算法介紹

K-Means算法的思想很簡單，對于給定的樣本集，按照樣本之間的距離大小，將樣本集劃分為K個簇。讓簇內(nèi)的點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個中心點。

step2：針對每個樣本點，找到距離其最近的中心點（尋找組織），距離同一中心點最近的點為一個類，這樣完成了一次聚類。

step3：判斷聚類前后的樣本點的類別情況是否相同，如果相同，則算法終止，否則進入step4。

step4：針對每個類別中的樣本點，計算這些樣本點的中心點，當做該類的新的中心點，繼續(xù)step2。

3 基于K-means聚類分析算法的學習行為數(shù)據(jù)聚類分析

3.1 數(shù)據(jù)選擇

數(shù)據(jù)來自超星網(wǎng)絡教學平臺。由系統(tǒng)導出任務點完成百分比、作業(yè)得分、章節(jié)學習次數(shù)、考試成績這些數(shù)據(jù)表。在導出學習行為數(shù)據(jù)過程中，除了保留了4項學習行為數(shù)據(jù)，還保留了學生的學號和姓名數(shù)據(jù)，便于后期對學生進行分類后了解學生信息。

我們選取兩門課程，《操作系統(tǒng)原理》是一門專業(yè)基礎課程，另一門《軟件體系結(jié)構(gòu)與設計》是一門專業(yè)必修課。課程教學采用線上線下混合式教學，按照過程性教學考核，記錄教學過程中每個環(huán)節(jié)學生學習狀態(tài)數(shù)據(jù)。

通過對數(shù)據(jù)進行整理，我們篩選出254條記錄，每條記錄包括課程ID、課程名稱、學生學號、學生姓名、專業(yè)、班級6項基本信息，同時包括4項學習行為數(shù)據(jù)。

3.2 數(shù)據(jù)分析

針對本文選取的數(shù)據(jù)集，對本科生學習行為信息進行了一系列的指標統(tǒng)計分析，研究該群體的學習習慣、興趣點和學習者類型的分布情況，分析學習者學習信息和學習效果的相關性，從多個層面和角度展示基于學習通平臺的線上線下混合式教學模式下學習者的學習狀況。

對兩門課程進行章節(jié)學習次數(shù)的統(tǒng)計和比較，如圖1、圖2所示。圖1是《操作系統(tǒng)原理》課程在5月份學習次數(shù)統(tǒng)計，圖2是《軟件體系結(jié)構(gòu)與設計》課程在5月份的學習次數(shù)統(tǒng)計。從兩張圖可以看出學生學習時間一般是在上課前后，假期進行學習的人數(shù)較少，而且學生習慣于集中安排學習。圖3、圖4顯示的是兩門課程在同一天中學生學習的時間段，其中《操作系統(tǒng)課程》主要集中于上午時間，《軟件體系結(jié)構(gòu)與設計》課程主要集中于下午時間，這是由于課程安排的原因。從四張圖可以分析出，線上課程進度與線下課程一般相一致，學生會在線下課程開設的同時進行線上課程的同步學習。

3.3 K-Means聚類分析

對學生的學習時間進行分析可以發(fā)現(xiàn)線上教學對線下教學的補充和完善，同時提高學生學習自主性。使用聚類算法對學生學習行為特征進行分析，可以更好的根據(jù)不同學生群體特點推薦個性化教學方案，這也是近年來混合教學模式一直關注的熱點問題。本文選擇了學生的任務點完成百分比、作業(yè)得分、章節(jié)學習次數(shù)、考試成績這四項數(shù)據(jù)，針對操作系統(tǒng)原理和軟件體系結(jié)構(gòu)與設計兩門課程的選課學生的學習行為分別進行了K-Means聚類分析。對于K值的選取根據(jù)學生學習效果評價的五個等級，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)學習通平臺學習者群體的用戶特征及學習行為，通過聚類分析，展現(xiàn)該群體學生的在線學習狀況，從而向?qū)W習者提供適合個人的個性化學習方案，提高在線學習效率。表1顯示了學生學習效果的聚類，通過對數(shù)據(jù)的分析，線上線下混合式教學更適合過程性考核，專業(yè)課程過程性考核對有助于學生學習效果的評價。線上教學是對線下教學更全面的補充，學生考核成績與線上學習緊密不可分，對任務點、作業(yè)等模塊完成較好的同學考試成績相對好一些。當然也有個別學生線上學習完成較少，但是考試成績處于良好層次，主要原因是在于這些學生的學習態(tài)度和學習習慣屬于被動型。這部分學生如果遇到不很擅長的知識內(nèi)容學習起來會比較吃力，所以需要增加平時的督促。

參考文獻

[1]王文晶，閆俊伢.基于大數(shù)據(jù)的在線學習行為分析與干預研究[J].陜西電子技術，2020，（6）：69-71.

[2]孫琳，張巧榮，鄭婭峰.基于edX開放數(shù)據(jù)的學習者在線學習行為分析[J].軟件導刊，2020，19（12）：190-194.

[3]周樹功.基于K-means聚類分析算法的大學生在線學習行為分析[J].信息與電腦（理論版），2020，32（16）：220-222.

[4]謝維奇，何健.網(wǎng)絡教學平臺學習行為分析及應用[J].福建電腦，2021.4，37（4）：33-37

課題編號：2020年河南省高等學校重點科研項目計劃“非線性優(yōu)化的用戶行為建模在大數(shù)據(jù)科學中的應用研究”（20B520038）鄭州航空工業(yè)管理學院;2021河南省大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目“基于知識圖譜的慢性病患者病情管理系統(tǒng)的應用研究”（S202110485048）鄭州航空工業(yè)管理學院;

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。