基于在线行为数据对学习者学业拖延的研究

摘要

cqvip:拖延行为可以反映学生的自我管理情况。研究基于"365大学"平台的课程数据,定义并分析了在线学习者在学业拖延方面的行为表现,并结合K-means聚类算法和社会网络分析方法对学习者学业行为类型和学习行为变化进行分析。研究结果显示,在课程中存在七种不同类型的学习行为,其中有一种为恶性拖延行为。同时,学习行为之间的转化可以划分为三个子群,分别为尝试性行为集中子群、连续性行为集中子群和优秀成绩行为子群,这三个子群分别显示出不同的行为变化规律。研究对该在线课程提出了课程内容和平台设计两方面的建议,以改进平台的学习支持服务,提高课程质量。