基于数据的在线学习全过程动态分析方法及系统技术方案

本发明专利技术公开了一种基于数据的在线学习全过程动态分析方法及系统，方法包括：S1、通过在线学习平台获取学习者的在线学习基础数据，从而得到5个在线学习相关参数；S2、对在线学习基础数据属性描述及分类并进行定义；S3、根据学习者的在线学习行为数据，自动计算5个维度的在线学习相关参数；S4、依据每项参数不同的情况采用相应的图形将其可视化呈现出来；S5、利用专家指标权重法，对五个维度的重要性进行打分，形成各维度权重系数，最终计算得出学习者在线学习行为综合参数P；S6、所有在线学习全过程数据自动上传，并存储在云端数据库中。通过本发明专利技术可以实时可视化每一位学习者的在线学习情况，让在线学习者了解自己的学习动态，自动化的调整学习进度，从而提高在线学习效果和质量。

Dynamic analysis method and system of the whole process of online learning based on data

【技术实现步骤摘要】
基于数据的在线学习全过程动态分析方法及系统
本专利技术教育技术学中在线学习数据分析
，具体涉及一种基于数据的在线学习全过程动态分析方法及系统。
技术介绍
不同于传统教育数据的单一化及抽样性，大数据背景下的在线学习平台记录了学习者从登录平台至离开的行为、经历和表现的全过程数据。除此之外，数据分析方法和技术的多样化为在线学习行为分析提供了重要支撑。由教学需求、数据收集到分析技术方法，在线学习行为和过程的分析方法越来越具体和深入。随着在线学习平台的广泛应用，学习管理系统、学习信息系统、网络课程平台、适应性智能教育系统等在线教育平台中己存储了大量学习者不同格式、不同粒度的数据。学习者的在线学据涵盖了学习者个人信息、学习情境、学习行为、学习时长、练习过程、学习结果等多方面数据，对这些数据进行分析可以为学习者、教育管理者和教师、技术开发人员等提供有价值的信息。对于学习者，可以清楚了解目前的学习进度，开展自我导向学习、提供学习危机预警和自我评估；对教育管理者和教师，可以获取学习者学习参与度、关注的学习内容、学业水平和学习资源利用情况等，从而挖掘本文档来自技高网...

【技术保护点】
1.一种基于数据的在线学习全过程动态分析方法，其特征在于，包括下述步骤：/nS1、通过在线学习平台获取学习者的在线学习基础数据，从而得到5个在线学习相关参数：在线学习内容契合度F

【技术特征摘要】
1.一种基于数据的在线学习全过程动态分析方法，其特征在于，包括下述步骤：
S1、通过在线学习平台获取学习者的在线学习基础数据，从而得到5个在线学习相关参数：在线学习内容契合度Fd、在线学习参与度Pd、在线学习活跃度Ad、在线学习投入度Id以及在线学习完成度Cd；
S2、对在线学习基础数据属性描述及分类并进行定义，形成在线学习内容契合度Fd、在线学习参与度Pd、在线学习活跃度Ad、在线学习投入度Id和在线学习完成度Cd下的各项指标参数，进行描述后的在线学习行为数据用于在线学习全过程动态分析；
S3、在获取基础行为数据和进行属性描述后，根据学习者的在线学习行为数据，自动计算在线学习内容契合度Fd、在线学习参与度Pd、在线学习活跃度Ad、在线学习投入度Id和在线学习完成度Cd下的各项指标参数；
所述在线学习内容契合度Fd为在线学习者实际选学的内容与在线平台依据前测结果给出的实际需要选学的课程的吻合程度；
所述在线学习参与度Pd为学习者在线学习过程中的参与情况；
所述在线学习活跃度Ad为学习者参与学习过程中发生交互行为的情况；
所述在线学习投入度Id为学习者在线学习过程中的投入程度；
所述在线学习完成度Cd为在线学习过程中观看视频资源、文本资源以及学习作业的完成情况；
S4、经过数据计算，依据每项参数不同的情况采用相应的图形将其可视化呈现出来，自动生成在线学习全过程动态分析报告，从五个维度综合判断学习者在线学习效果，完成对在线学习全过程的动态分析；
S5、利用专家指标权重法，对五个维度的重要性打分，形成五个维度的权重系数，最终计算得出学习者在线学习行为综合参数P，公式为：
P＝{αFd，βPd，χAd，δId，εCd}
S6、所有在线学习全过程数据自动上传，并存储在云端数据库中，通过PC端可获得个人数据及分析报告。


2.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤S1中，获取学习者的在线学习基础数据包括下述步骤：
采集Web服务器和客户端形成的学习行为数据、将获得的数据上传至数据库、数据清洗并进行分层处理；
在线学习者学习后，在线学习平台保留了在线学习行为痕迹，采集Web服务器和客户端形成的原始学习行为数据，并对原始学习行为数据进行去重、去噪、转换及缺失处理的数据预处理工作；
最后将处理后的数据上传至数据库。


3.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤S1中，所述在线学习基础数据包括：所选学知识模块数、实际学习知识模块数、登录次数、每次有效登录时长、参与研讨次数、观看课程视频次数、作业互评次数、浏览文本次数、上传资源次数、下载资源次数、记笔记次数、提问次数、回帖次数、删帖次数、收藏次数、点赞和踩的次数和观看视频时长。


4.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤S3中，所述在线学习内容契合度Fd的计算公式如下：



其中，NS为学习者应选学的知识模块数，Ni为学习者在学习过程中实际学习的知识模块数。


5.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤S3中，所述在线学习参与度Pd的计算公式如下：
Pd＝{αPts，βPfre}
其中Pts为在线学习总时长，Pfre为在线学习频率；
所述在线学习总时长Pts的计算公式如下：






其中，t(logs)表示有效在线学习时长；t′(logs)表示会话开始时间、t”(logs)表示会话结束时间，Ψ为时间阈值；
所述在线学习频率Pfre的计算公式如下：






其中，M表示学习天数，Ta为学习者平均每天的有效参与次数，t′(logs)表示会话开始时间、t”(logs)表示会话结束时间，Ψ为时间阈值。


6.根据权利要求1所述基于数据的在线学习全过程动态分析方法，其特征在于，步骤S3中，所述在线学习活跃度Ad包括基于研讨的活跃度Abbs和基于作业互评的活跃度Ahwk，即在线学习活跃度：Ad＝{χAbbs，δAhwk}；
设Si表示第i个学生，aij表示师生研讨互动矩阵中的第i行第j列数据频数，表示第i个学生评论其他学生观点的次数，表示第i个...

【专利技术属性】
技术研发人员：穆肃，王孝金，唐冬梅，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：广东;44