在线课程学习行为确定方法及装置制造方法及图纸

本发明专利技术提供了一种在线课程学习行为确定方法及装置，其中方法包括：获取与目标在线课程相关的历史数据；根据历史数据在学习目标在线课程的学生中，确定对目标在线课程的学习行为可被参考的目标学生；确定任意两个目标学生学习目标在线课程时的相对距离；根据任意两个目标学生学习目标在线课程时的相对距离，对学习目标在线课程的学习行为进行聚类，得到学习目标在线课程所对应多个种类的学习行为；根据得到的多个种类的学习行为，确定适合目标在线课程的学习行为。本方案，能够针对每一个目标在线课程均能够确定出适合的学习行为，进而能够利用确定出的学习行为给学习对应目标在线课程的学生进行提示，以对学生学习起到辅助学习的作用。习的作用。习的作用。

【技术实现步骤摘要】
在线课程学习行为确定方法及装置


[0001]本专利技术实施例涉及数据处理
，特别涉及一种在线课程学习行为确定方法及装置。

技术介绍

[0002]随着信息技术的创新，大规模在线开放课程(Massive Open Online Courses，MOOC)平台逐渐成为了流行的教学模式。其优势在于在线教育资源相对于传统的实体教育而言有着更加自由，更加容易获取的特点。越来越多的人开始使用MOOC平台来进行教学与学习。不容忽视的是，MOOC既是在线教育发展的产物，更是大数据时代的产物。MOOC的实现依赖于网络平台，也正是这个特点，使得其拥有采集数据容易的特点，相对于传统教育而言，其数据的丰富度和数据量都有着明显的优势。随着数据技术与MOOC平台的发展与深度融合，数据管理与分析技术应用到了MOOC平台的各个部分中，包括课程内容，课后作业，课后的讨论以及答疑交流等多方面的内容，蕴含了海量的教师与学生群体的行为数据。
[0003]目前，大部分研究主要集中在利用这些数据对行学生期末成绩的预测，尚未有对课程学习行为的分析，本专利技术提供一种在线课程学习行为的确定方法。

技术实现思路

[0004]本专利技术实施例提供了一种在线课程学习行为确定方法及装置，能够针对每一个在线课程确定合适的学习行为，对学生学习起到辅助学习的作用。
[0005]第一方面，本专利技术实施例提供了一种在线课程学习行为确定方法，包括：
[0006]获取与目标在线课程相关的历史数据；所述历史数据至少包含学习所述目标在线课程的学生信息和学生学习所述目标在线课程相关过程的行为信息；
[0007]根据所述历史数据在学习所述目标在线课程的学生中，确定对所述目标在线课程的学习行为可被参考的目标学生；
[0008]根据每一个所述目标学生学习所述目标在线课程相关过程的行为信息，确定任意两个所述目标学生学习所述目标在线课程时的相对距离；
[0009]根据任意两个所述目标学生学习所述目标在线课程时的相对距离，对学习所述目标在线课程的学习行为进行聚类，得到学习所述目标在线课程所对应多个种类的学习行为；
[0010]根据得到的多个种类的学习行为，确定适合所述目标在线课程的学习行为。
[0011]优选地，所述确定对所述目标在线课程的学习行为可被参考的目标学生，包括：
[0012]若确定学生对所述目标在线课程的考试成绩满足预设级别，和/或，确定学生对所述目标在线课程的学习活跃度满足预设活跃度，则将该学生确定为所述目标学生。
[0013]优选地，所述确定任意两个所述目标学生学习所述目标在线课程时的相对距离，包括：
[0014]确定所述目标在线课程包含的各个章节视频；
[0015]将每一个所述目标学生学习每一个章节视频的行为信息抽象为离散的散点，并根据抽象得到的散点生成对应的时间序列；
[0016]根据每一个所述目标学生学习每一个章节视频时对应的时间序列，利用动态时间规整算法将任意两个所述目标学生学习相同章节视频时分别对应的时间序列进行对齐处理，得到任意两个所述目标学生学习相同章节视频时对齐后的目标散点；
[0017]根据任意两个所述目标学生学习相同章节视频时对齐后的目标散点，计算得到任意两个所述目标学生学习所述目标在线课程时的相对距离。
[0018]优选地，所述将每一个所述目标学生学习每一个章节视频的行为信息抽象为离散的散点，并根据抽象得到的散点生成对应的时间序列，包括：
[0019]根据每一个所述目标学生分别对该章节视频的行为信息，确定每一个所述目标学生分别对该章节视频在每一个观看时间点对应的观看次数；所述观看时间点为不小于0，且不大于该章节视频的最大播放时间点；
[0020]将观看时间点和对应的观看次数抽象为一个散点，则针对每一个所述目标学生，得到学习该章节视频时的时间序列。
[0021]优选地，所述利用动态时间规整算法将任意两个所述目标学生学习相同章节视频时分别对应的时间序列进行对齐处理，得到任意两个所述目标学生学习相同章节视频时对齐后的目标散点，包括：
[0022]针对任意两个所述目标学生学习相同章节视频时分别对应的时间序列构建n
×
m的矩阵网格；其中，n和m为该两个所述目标学生学习该相同章节视频时分别对应的时间序列包含散点的数量；所述矩阵网格中的第(i，j)个矩阵元素为其中一个所述目标学生对应时间序列中第i个散点与另一个所述目标学生对应时间序列中第j个散点的距离；
[0023]针对所述矩阵网格，确定从第(1，1)个矩阵元素至第(n，m)个矩阵元素所通过矩阵元素的最短路径；
[0024]将所述最短路径上包含的每一个矩阵元素所对应两个学习序列的散点，确定为对齐后的目标散点。
[0025]优选地，所述计算得到任意两个所述目标学生学习所述目标在线课程时的相对距离，包括：
[0026]利用如下公式计算任意两个所述目标学生学习所述目标在线课程时的相对距离：
[0027][0028]其中，D(A，B)为目标学生A与目标学生B学习所述目标在线课程时的相对距离，取函数F[
·
]中的最小值；P为所述目标在线课程包含章节视频的数量；w(p)为目标学生A和目标学生B学习第p个章节视频时对齐后的目标散点；a(p)、b(p)分别为目标学生A、目标学生B学习第p个章节视频的观看时长；d(a(p)，b(p))为目标学生A、目标学生B学习第p个章节视频时观看时长的差距。
[0029]优选地，所述根据任意两个所述目标学生学习所述目标在线课程时的相对距离，对学习所述目标在线课程的学习行为进行聚类，得到学习所述目标在线课程所对应多个种类的学习行为，包括：
[0030]确定自适应的K值；
[0031]以每一个目标学生分别为中心，将其他目标学生与该中心的目标学生之间的相对距离按照大小进行排序，选择前K个最小相对距离所对应的其他目标学生与该中心的目标学生确定为一个种类；
[0032]根据出现次数最多的种类，确定对所有目标学生进行分类的结果，得到每一个种类下所包含目标学生分别学习所述目标在线课程的学习行为；
[0033]和/或，
[0034]所述根据得到的多个种类的学习行为，确定适合所述目标在线课程的学习行为，包括：
[0035]根据每一个种类的学习行为，确定所述目标在线课程对应每一个观看时间点对应的观看次数，将所述目标在线课程对应每一个观看时间点对应的观看次数确定为适合所述目标在线课程的学习行为；
[0036]和/或，
[0037]在所述确定适合所述目标在线课程的学习行为之后，还包括：根据适合所述目标在线课程的学习行为提示给学习所述目标在线课程的学生。
[0038]第二方面，本专利技术实施例还提供了一种在线课程学习行为确定装置，包括：
[0039]历史数据获取单元，用于获取与目标在线课程相关的历史数据；所述历史数据至少包含学习所述目标在线课程的学生信息和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在线课程学习行为确定方法，其特征在于，包括：获取与目标在线课程相关的历史数据；所述历史数据至少包含学习所述目标在线课程的学生信息和学生学习所述目标在线课程相关过程的行为信息；根据所述历史数据在学习所述目标在线课程的学生中，确定对所述目标在线课程的学习行为可被参考的目标学生；根据每一个所述目标学生学习所述目标在线课程相关过程的行为信息，确定任意两个所述目标学生学习所述目标在线课程时的相对距离；根据任意两个所述目标学生学习所述目标在线课程时的相对距离，对学习所述目标在线课程的学习行为进行聚类，得到学习所述目标在线课程所对应多个种类的学习行为；根据得到的多个种类的学习行为，确定适合所述目标在线课程的学习行为。2.根据权利要求1所述的方法，其特征在于，所述确定对所述目标在线课程的学习行为可被参考的目标学生，包括：若确定学生对所述目标在线课程的考试成绩满足预设级别，和/或，确定学生对所述目标在线课程的学习活跃度满足预设活跃度，则将该学生确定为所述目标学生。3.根据权利要求1所述的方法，其特征在于，所述确定任意两个所述目标学生学习所述目标在线课程时的相对距离，包括：确定所述目标在线课程包含的各个章节视频；将每一个所述目标学生学习每一个章节视频的行为信息抽象为离散的散点，并根据抽象得到的散点生成对应的时间序列；根据每一个所述目标学生学习每一个章节视频时对应的时间序列，利用动态时间规整算法将任意两个所述目标学生学习相同章节视频时分别对应的时间序列进行对齐处理，得到任意两个所述目标学生学习相同章节视频时对齐后的目标散点；根据任意两个所述目标学生学习相同章节视频时对齐后的目标散点，计算得到任意两个所述目标学生学习所述目标在线课程时的相对距离。4.根据权利要求3所述的方法，其特征在于，所述将每一个所述目标学生学习每一个章节视频的行为信息抽象为离散的散点，并根据抽象得到的散点生成对应的时间序列，包括：根据每一个所述目标学生分别对该章节视频的行为信息，确定每一个所述目标学生分别对该章节视频在每一个观看时间点对应的观看次数；所述观看时间点为不小于0，且不大于该章节视频的最大播放时间点；将观看时间点和对应的观看次数抽象为一个散点，则针对每一个所述目标学生，得到学习该章节视频时的时间序列。5.根据权利要求3所述的方法，其特征在于，所述利用动态时间规整算法将任意两个所述目标学生学习相同章节视频时分别对应的时间序列进行对齐处理，得到任意两个所述目标学生学习相同章节视频时对齐后的目标散点，包括：针对任意两个所述目标学生学习相同章节视频时分别对应的时间序列构建n
×
m的矩阵网格；其中，n和m为该两个所述目标学生学习该相同章节视频时分别对应的时间序列包含散点的数量；所述矩阵网格中的第(i,j)个矩阵元素为其中一个所述目标学生对应时间序列中第i个散点与另一个所述目标学生对应时间序列中第j个散点的距离；针对所述矩阵网格，确定从第(1,1)个矩阵元素至第(n,m)个矩阵元素所通过矩阵元素
的最短路径；将所述最短路径上包含的每一个矩阵元素所对应两个学习序列的散点，确定为...

【专利技术属性】
技术研发人员：韩佳航，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：