一种基于过程行为数据的学习预测方法技术

本发明专利技术公开了一种基于过程行为数据的学习预测方法。本发明专利技术方法首先对在线学习平台获取的原始在线学习行为数据进行数据清洗和转换，获取标准化的在线学习行为数据，标准在线学习行为数据进行特征选择，获取核心学习行为数据；将核心学习行为集合中的元素进行分类，根据过程行为模型构造行为类别集合，对同类核心学习行为进行特征融合，得到每类在线学习行为的类别特征值，构建在线学习行为聚类特征值集合；将在线学习行为聚类特征值集合作为特征数据，训练构建的在线学习表现预测器，选择预测效果最好的在线学习表现预测器对在线学习者的学习表现进行预测。本发明专利技术方法降低了模型运算成本，有效提高了学习表现预测器的预测准确度,可解释性更强。确度,可解释性更强。

【技术实现步骤摘要】
一种基于过程行为数据的学习预测方法


[0001]本专利技术属于数据科学
，涉及一种基于过程行为数据的学习预测方法

技术介绍

[0002]在线学习已成为教育的“常态”形式之一，是互联网+教育发展的重要组成。在线学习因具有时空灵活性高、知识获取门槛低、学习资源丰富等诸多优点，在世界范围内被广泛应用。但在这种模式下教师无法轻易感知学习者的学习状况，人们对其学习质量的质疑也随之而来。学习表现预测研究通过预测学生在未来考试中的成绩情况，为教师针对性调整可能存在问题的学生提供依据，降低学生无法通过课程的风险，从而保障在线学习质量。通过大量探究在线学习行为与学习绩效关系的实证研究，发现学习者的在线学习行为对学习绩效有着重要影响。
[0003]因此，近年来基于学习过程数据的学习表现预测被广泛关注，通过测量、收集与分析学习过程数据实现学习表现预测，不仅可以帮助教师及时修正教学策略，还能在学生学习过程中起到监督和预警作用。
[0004]研究指出，在线学习行为数据是最重要的在线学习过程数据之一，在线学习行为数据是指学习者在在线学习平台或线上教学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于过程行为数据的学习预测方法，其特征在于，包括：步骤(1)数据预处理；对在线学习平台获取的原始在线学习行为数据，进行数据清洗和转换，获取标准化的在线学习行为数据；步骤(2)特征选择；对经过预处理的标准在线学习行为数据进行特征选择，获取核心学习行为数据；步骤(3)特征融合；将核心学习行为集合中的元素进行分类，根据过程行为模型构造行为类别集合，再对同类的核心学习行为进行特征融合，得到每类在线学习行为的类别特征值，构建在线学习行为聚类特征值集合；过程行为模型是指对在线学习行为数据进行归类的规则，将学习行为划分为学习准备行为类别、知识获取行为类别、互动学习行为类别、学习巩固行为类别；步骤(4)模型训练；将在线学习行为聚类特征值集合作为特征数据，训练构建的在线学习表现预测器，达到迭代次数后，选择预测效果最好的在线学习表现预测器对在线学习者的学习表现进行预测。2.如权利要求1所述的一种基于过程行为数据的学习预测方法，其特征在于，步骤(1)具体是：对原始在线学习行为进行数据完整性检查，删除不完整的数据条，获得原始在线学习行为集合B{b1,b2,
…
,b
N
}，根据B{b1,b2,
…
,b
N
}对应设定标准在线学习行为集合B
′
{b
′1,b
′2,
…
,b
′
N
}；其中b
n
表示在线学习平台记录的第n种原始在线学习行为数据，b
′
n
表示标准化后的第n种在线学习行为数据，n＝1,2,
…
,N，N为在线学习行为数量；b
′
n
的第m条标准学习行为数据d
n,m
表示第n种原始在线学习行为的第m条原始学习行为数据，m＝1,2,
…
,M，M为第n种在线学习行为的数据数量，μb
n
表示第n种原始在线学习行为数据平均值，σb
n
表示第n种原始在线学习行为数据方差。3.如权利要求2所述的一种基于过程行为数据的学习预测方法，其特征在于，步骤(2)具体是：...

【专利技术属性】
技术研发人员：章国道，刘儒瑜，盛馨，叶铭滔，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：