基于数据挖掘的网络自主学习行为模式与预测研究

摘要

为更好地理解网络自主学习行为模式,提高学习绩效和优化教学设计。本文基于Moodle平台开展的网络自主学习《计算机网络》一课,采用聚类分析、关联规则挖掘、相关分析和回归分析等方法,对2017年和2018年秋季75名学习者共25887条学习行为记录进行挖掘分析。发现网络自主学习中存在积极主动型、积极被动型、消极被动型三类学习者,积极主动型学习者在深层次学习中具有较高的投入,而积极被动型学习者在浅层次活动中较为活跃,消极被动型学习者在各项学习活动中的投入度都较低。回归分析表明,三个月的学习行为数据对学习成绩已具有较好的预测效果。最后,文章讨论了研究结果为个性化教学和学习预警带来的启示。