【技术实现步骤摘要】
一种数据驱动的大学生个性化学习行为预测与干预方法
本专利技术属于教育技术学与计算机科学、地理信息科学的交叉
，具体涉及一种数据驱动的大学生个性化学习行为预测与干预方法。
技术介绍
自古以来，不论是国内还是国外，教育家们对于习惯的重要性有着统一的认识，习惯对人极为重要，心理学家威廉·詹姆斯提出过关于行为习惯的可塑性理论，即学习习惯是一个可以慢慢形成的过程，并且最终会形成一个平衡稳定的状态。养成与干预是在心理学和教育学有关理论指导下，对个体或群体的问题行为施加策略性影响，使之发生指向预期目标的变化。因而，对良好习惯的养成，实质是一个行为的变化过程。教育信息化基础设施建设的不断完善，为采集大学生校园生活的大数据奠定了基础，进而为全面认识大学生行为习惯特点、全面发挥习惯作用提供了可能性。现有对大学生行为习惯干预的研究多采用针对习惯行为的分类干预，通过特定的模型来设置干预的内容与实施策略，但现有干预方法缺少一种对行为量化表达及其干预后，习惯变化的回归与分析过程，进而无法实现对大学生行为习惯的持续干预，难以有效改变大学生的...
【技术保护点】
1.一种数据驱动的大学生个性化学习行为预测与干预方法，其特征在于，包括如下步骤：/n采集大学生的各种校园活动数据并进行预处理，进而形成标准数据集，应用时空图神经网络模型对所述标准数据集进行处理，生成日常学习行为习惯；/n根据所述日常学习行为习惯，构建习惯模型，并建立习惯与学习行为活动的参数关系；/n开展持续性的日常学习行为变化监测并对大学生日常学习行为进行习惯模型预测，根据监测结果及预测结果，构建多元回归分析模型，对所述习惯模型进行优化；/n基于所述多元回归分析模型，设置习惯关联行为强度阈值，构建三级行为干预模式，进行整体到局部的分层干预，通过所述多元回归模型对干预后的学习...
【技术特征摘要】
1.一种数据驱动的大学生个性化学习行为预测与干预方法，其特征在于，包括如下步骤：
采集大学生的各种校园活动数据并进行预处理，进而形成标准数据集，应用时空图神经网络模型对所述标准数据集进行处理，生成日常学习行为习惯；
根据所述日常学习行为习惯，构建习惯模型，并建立习惯与学习行为活动的参数关系；
开展持续性的日常学习行为变化监测并对大学生日常学习行为进行习惯模型预测，根据监测结果及预测结果，构建多元回归分析模型，对所述习惯模型进行优化；
基于所述多元回归分析模型，设置习惯关联行为强度阈值，构建三级行为干预模式，进行整体到局部的分层干预，通过所述多元回归模型对干预后的学习行为的实测数据进行回归分析，形成数据驱动的持续性回归干预机制。
2.根据权利要求1所述的数据驱动的大学生个性化学习行为预测与干预方法，其特征在于，所述标准数据集的获取方法为，通过对不同来源数据进行不同的预处理，得到大学生外显行为活动参数数据，将处理后的数据存储于非关系型数据库中，进而形成标准数据集。
3.根据权利要求1所述的数据驱动的大学生个性化学习行为预测与干预方法，其特征在于，所述时空图神经网络模型选取校园活动的行为活动要素为输入数据，将每一时刻或每一周期所采集的数据构建一个层次的图网络模型，对校园活动数据进行自动分类，再对分类得到的学习行为构建序列，生成学习行为习惯。
4.根据权利要求1所述的数据驱动的大学生个性化学习行为预测与干预方法，其特征在于，所述习惯模型以所述学习行为习惯为因变量，以所述校园活动的行为活动要素为自变量，模型表达如下：
y＝a1x1+a2x2+a3x3+…+anxn
其中：a1,…,an是待估计的参数；y表达为某一个学习行为习惯；xi表达为与习惯关联的要素，共有n个要素。
5.根据权利要求1所述的数据驱动的大学生个性化学习行为预测与干预方法，其特征在于，在所述习惯模型的基础上，通过构建校园行为活动要素对学习行为习惯变化相关性方向分析建立习惯与学习行为活动的参数关系，所述相关性方向分析公式为：
其中：为与习惯的关联要素均...
【专利技术属性】
技术研发人员：周东波，余雅滢，喻宏伟，涂悦，王小梅，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。