教育数据挖掘和学习分析研究进展

来源:期刊VIP网所属分类:教育技术发布时间:2020-08-08浏览:

  摘 要:综述教育数据挖掘和学习分析在高等教育中的应用,探讨计算机支持的学习分析、计算机支持的预测分析、计算机支持的行为分析、计算机支持的可视化分析的各种学习问题以及所使用的数据挖掘技术,提出应用教育数据挖掘和学习分析帮助高等院校做出更好决策的方案.

  关键词:教育数据挖掘;机器学习;高等教育;学习分析

教育论文发表

  教育数据挖掘(Educational data mining,EDM)和学习分析(learning analytics,LA)可以连续收集、处理、报告和处理数字数据,改善教育过程,重塑现有的教学模式,为教师和学生的交互提供新的解决方案和更多个性化、适应性和互动性的教育环境,提高学习成果,优化机构管理水平,对教师和学生做综合评价.教育数据挖掘主要解决两个问题:人们如何使用EDM和LA解决教育方面的实际挑战,哪种数据挖掘技术最适合这些问题.本文从技术角度阐述EDM和LA在高等教育中的最新进展,目的是为机器学习领域从事基于数据挖掘的同行提供参考.

  1 教育数据挖掘分类

  EDM和LA分为四个方面:计算机支持的学习分析(computer-supported learning analytics,CSLA)、计算机支持的预测分析(computer-supported predictive analytics,CSPA)、计算机支持的行为分析(computer-supported behavioral analytics,CSBA)和计算机支持的可视化分析(computer-supported visualization analytics,CSVA).CSLA的研究主要集中在使用数据统计分析的方法,在课程环境中分析学生的信息搜索和协作学习行为.CSPA的研究集中在使用预测函数或连续变量改善学生的学习和表现以及评估学习材料的适当性.CSBA的研究主要关注发现学生行为和知识模型.CSVA的研究集中在可视化探索数据(使用交互式图表)方法上,从而突出显示有用的信息并产生准确的数据决策.

  协同学习 EDM和LA通常用于处理与教学策略有关的问题,这些策略可以支持和增强合作学生之间协作过程,是衡量协作有效性的主要指标,其中学习平台中用户活动日志被用作推断学习者活动的主要工具,以适应特定人群行为和偏好.[1]C.VieiraP[2]研究了EDM对计算机支持协作学习在会议期间学生参与的影响,对学生参与元素做了可视化,并帮助他们在CSCL中更好地进行协作.Cerezo[3]使用慕课数据研究学生与LMS互动模式,以帮助教师更好地了解学生的各种学习特征,从而帮助他们识别有学习困难的学生.

  社会网络分析 使用EDM和LA可以根据个人的学习活动以及他们在文化和社交环境中共同建立的關系进行社交网络分析,包括发现学术合作、评估社交关系、推荐学习课程等.Duval[4]通过收集用户行为的数据提供有关学习资源和活动的建议.

  自学行为 EDM和LA通过调查学生对学习资源和自我评估练习的使用情况及其对他们的表现影响,为在线自我学习环境提供了一个有效解决方案.[5]R.L.Rodrigues[6]根据学生解决问题的进度来检查学习系统中的自我调节学习行为.A.Littlejohn[7]运用EDM来预测学习者如何根据目标设定和监控活动的证据将其智力能力转化为学术技能.

  1.1 计算机支持的预测分析(CSPA)

  数据挖掘通过评估学习材料、学生之间参与的相互作用来增强当前的教学经验,降低学生的辍学率和留级率.[8]S. RizviB[9]认为,在学习环境中使用数据挖掘技术可以发现大量数据中隐藏的知识和模式,并预测结果或行为.A.A.Saa[10]认为,可以使用EDM和LA发现知识,帮助教师识别早期辍学的学生,并确定需要特别关注的人.

  学习资料评估 数据挖掘为分析和研究学习管理系统数据提供了足够的方式,以提高高等教育的质量.T.Devasia[11]认为,数据挖掘可用于研究影响学生表现的主要属性,给学习者不同的教学支持.支持性反馈可以帮助教师了解学生对授课的反应,从而评估课程的有效性,帮助课程设计者、教师和机构进行决策.

  评估和监督学生的学习 学生的学习评估和监控实践是高等教育的重要方面.学习效率考核包括评估和评估过程,这些过程可以帮助学生、教师、管理人员和高等教育机构的决策者做出决策.当代教育可以使用各种数据挖掘技术监测学生的表现,提供各种调查分析方法,发现教育系统中隐藏的信息,以便生成评分.W.Yaacob[12-13]认为,数据挖掘可用于识别学生行为和他们学习的方式,发现不良行为并进行学业分析,预测学生的成绩.S.Bharara[14]使用EDM和LA分析学生的学习行为,并警告处于危险状态的学生以免他们中断学业.Salas[15]通过分析学生的行为创建聚类,支持科学技能的学习,以增强学生的科学能力,并利用从学生互动中收集的信息为学生提供必要的帮助,以提高他们的元认知能力.

  推荐阅读:可以发表学前教育论文的省级期刊

期刊VIP网,您身边的高端学术顾问

文章名称: 教育数据挖掘和学习分析研究进展

文章地址: http://www.qikanvip.com/jiaoyujishu/52740.html