基于行为演化的学习模式识别及效果预测方法

作     者：黄春利 刘桂梅 姜文君 李肯立 张吉 任德盛 HUANG Chunli;LIU Guimei;JIANG Wenjun;LI Kenli;ZHANG Ji;TAK-SHING Peter Yum

作者机构：湖南大学信息科学与工程学院长沙410082 南昆士兰大学昆士兰澳大利亚4350 香港中文大学信息工程学系中国香港999077 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第10期

页      面：67-78页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62172149) 

主　　题：在线学习 行为演化 学习模式识别 学习动机预测 学习效果预测 

摘      要：在线学习为众多学习者提供了开放灵活的学习机会,却存在着学习者学习积极性不高、学习成绩不理想的问题。已有的在线学习效果预测工作着重从静态角度探究学习行为对成绩的影响,忽略了学习行为随时间的演化规律,缺少对行为背后学习模式和学习动机的深入探讨,而这两者正是影响学习效果的重要因素。为此,提出一种基于学习行为演化的学习模式识别及效果预测方法来建模学习行为与动机对学习效果的影响。首先,依据学习者的付出-收获量化学习效率,按时间构建学习效率动态演化序列;然后,使用高斯混合模型聚类真实学习数据并结合实际学习场景,识别4种典型学习模式;在此基础上,设计学习模式及动机预测模型,结合双向长短期记忆网络,构建学习效果预测模型。利用8门真实课程学习的公开数据,对每一种学习模式学习者的付出、收获演变规律进行细致分析。大量对比实验结果表明所提方法在多个性能指标上提升了6.9%~29.2%。本研究有助于在线学习者、教学者和平台准确理解学习者的学习状态,从而提升在线学习效果。