【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...
【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...
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。