检索结果-南通市图书馆

检索条件"主题词=学习行为数据分析"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于学习行为数据分析优化中职《C语言程序设计》课程教学的实践研究

基于学习行为数据分析优化中职《C语言程序设计》课程教学的实践...

引用

作者：彭浩玮山东师范大学

学位级别：硕士

2021年,教育部等部门联合印发《关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》,指出要以信息化为主导,聚焦数字资源、信息网络等方面推动教育新基建。在当前信息技术环境下,结合大数据、机器学习等新一代信息技术对... 详细信息

2021年,教育部等部门联合印发《关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》,指出要以信息化为主导,聚焦数字资源、信息网络等方面推动教育新基建。在当前信息技术环境下,结合大数据、机器学习等新一代信息技术对职业教育大数据进行采集和分析是职业教育发展的必然趋势,以数字技术赋能教育转型升级,推动职业教育高质量发展。近年来,学习分析技术在教育领域得到了广泛关注,使用机器学习方法对学生学习数据进行分析,有助于教师更好地了解学生、制定适合学生学习特点的教学方案。然而,当前针对中职学生学习行为数据分析的相关研究不足。鉴于中职学生学习习惯和学习行为与其他教育阶段学生存在差异,不能直接将现有学习行为研究结论应用于中职教学过程的现状,针对当前中职《C语言程序设计》课程教学中存在的理论与实践脱节、学生实践不足等问题,急需基于中职学生学习行为特点并借鉴中职学生学习行为研究相关成果提出解决方案。针对当前中职教育中存在的问题,对中职学生学习行为数据进行分析,进而基于分析结果指导学生学习过程,帮助教师进行教学方法的优化有着重要意义。为了实现上述目标,本文主要研究内容和创新点包括了以下三个工作:1.使用机器学习模型分析中职学生数据,探究学生成绩的影响因素。通过对比五种模型的性能,得出随机森林模型在分类预测问题中性能最佳,进一步使用随机森林模型分析中职学生学习行为数据。实验得出对中职学生学习成绩影响较大的因素有学生对于课堂的参与度、能否完成任务、是否明确教学目标等,为下一步进行教学设计和教学实践提供研究基础。2.基于数据分析结果设计基于任务驱动教学法的教学过程,并应用于中职教学实践。基于中职学生学习行为数据分析结论,结合当前《C语言程序设计》课程教学现状、学生特点以及课程特点,详细设计了基于任务驱动教学法的课程教学流程、教学活动、教学评价,将系统完整的教学设计应用于中职《C语言程序设计》课程教学实践中,收集同一时期内两个班级的教学数据,为评估任务驱动教学法的实践效果提供数据支撑。3.综合学生成绩、调查问卷、学生访谈,多维度评价教学效果。本研究在教学实践后,通过比较所收集的测验成绩数据、任务完成率数据、实验班学生的调查问卷数据以及访谈记录,对比分析两个班级的教学效果,多维度评价任务驱动教学法的有效性。最后,反思实践过程中的问题、总结研究中存在的不足,为将来深入研究指出改进和优化的方向。

关键词：学习行为数据分析机器学习教学设计中职教学

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

混合式教学下学生学业水平预测模型的研究

混合式教学下学生学业水平预测模型的研究

引用

作者：梅鹏江南京信息工程大学

学位级别：硕士

混合式教学结合在线教学和线下教学的优势,在一定程度上打破时空的限制,体现了“以学生为中心”教学范式的转变。伴随着混合式教学规模的扩大,如何通过学习者学习行为数据来分析和挖掘出有用的信息,帮助学习者提高学习效率,改善教师教... 详细信息

混合式教学结合在线教学和线下教学的优势,在一定程度上打破时空的限制,体现了“以学生为中心”教学范式的转变。伴随着混合式教学规模的扩大,如何通过学习者学习行为数据来分析和挖掘出有用的信息,帮助学习者提高学习效率,改善教师教学水平和质量,成为迫切需要解决的问题。针对上述问题,本文对学生在混合式教学过程中产生的学习行为数据进行分析和挖掘,构建了学习行为数据分析-特征选择-Stacking融合的学业预测模型分析。主要工作如下:首先,在混合式教学的研究中,学者大多都致力于课程的设计和改进,忽略了对学生行为数据的统计、分析及学业成绩的预测。故本文对学生在混合式教学过程中产生的学习行为数据,包括课堂、课后行为等数据进行了统计和分析,讨论了学习行为数据所反映的学生学习习惯,最后通过特征相关性分析和特征重要性排序找出了对学生学业水平影响较大的特征,从而最大程度地保留有效特征,避免数据损失。其次,本文创新性地提出将Stacking融合模型应用于混合式教学中学生学业水平的预测。在构建Stacking融合模型过程中,为摆脱基模型准确率对融合模型产生的影响,利用决策树、随机森林、极限梯度提升作为模型,用三种算法分别建立学生学业水平预测模型,通过混淆矩阵对模型评估,选出适合融合的两个基模型进行融合;经实验分析,直接使用数据得到的预测准确率相对较低,故以两个模型中表现较好的模型对数据进行特征重要性排名,结合特征相关性进行特征选择,过滤冗余特征;特征选择后依次在随机森林、极限梯度提升和Stacking融合模型上进行实验,并对模型参数调优。实验表明通过特征选择与Stacking融合模型的结合,经交叉验证后模型准确率相较于特征选择前的随机森林模型提高了3.6%,极限梯度提升模型提高了2%,Stacking模型也提高了0.8%。可见选择表现较好的特征和基模型进行行为分析和选择,可以保证算法的准确性和优越性。最后,构建学生个人画像。以学生各类行为数据和基本信息建立标签集合,对学生各类数据进行分析,检测学生学业异常并及时预警,为师生提供个性化的服务。

关键词：学习行为数据分析特征选择学业水平预测学生画像

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：