基于在线学习行为数据的人格特质识别研究

摘要

获取学习者个性特征是实现以学生为中心的精准化、个性化教学的重要前提,而学习行为是分析学习者个性特征的重要依据.本研究以参加奥鹏公共研修平台在线学习者为研究对象,基于人格特质生成学习行为偏好假设,探索利用机器学习分类算法实现在线学习行为的人格特质识别;同时基于文献构建人格特质类型与在线学习行为之间的映射关系,采用Rapid Miner数据挖掘工具探索决策树、朴素贝叶斯和支持向量机三种算法对五种人格特质的识别效果.结果 发现:决策树算法对人格特质类型的识别准确率高于其他两种算法,对大五人格特质的综合识别效果最好;不同人格特质识别灵敏度不同,尽责性人格特质类型的识别灵敏度最高,神经质人格特质最低.