遠(yuǎn)程教育中在線學(xué)習(xí)投入與學(xué)習(xí)績效關(guān)系的實(shí)證研究

【摘要】提出了在線學(xué)習(xí)投入評(píng)估模型以及評(píng)估模型的具體度量指標(biāo)，通過聚類K-means算法對(duì)國家開放大學(xué)樣本數(shù)據(jù)進(jìn)行聚類分析，結(jié)果表明在線學(xué)習(xí)投入與學(xué)習(xí)績效的關(guān)系可以分為四種類型。在線學(xué)習(xí)投入與績效關(guān)系的分類，有利于了解學(xué)習(xí)者學(xué)習(xí)投入特征，為開展個(gè)性化學(xué)習(xí)提供支持服務(wù)，為學(xué)習(xí)者提高學(xué)習(xí)質(zhì)量提供數(shù)據(jù)支持和參考依據(jù)。

【關(guān)鍵詞】在線學(xué)習(xí)投入；K-means算法；遠(yuǎn)程教育；學(xué)習(xí)績效

【中圖分類號(hào)】G434【文獻(xiàn)標(biāo)識(shí)碼】A【文章編號(hào)】1001-8794（2018）06-0024-05

【收稿日期】2017-10-31

【基金項(xiàng)目】全國教育科學(xué)“十三五”規(guī)劃2016年度教育部重點(diǎn)課題“基于大數(shù)據(jù)分析技術(shù)的開放大學(xué)教育決策支持系統(tǒng)研究與構(gòu)建”，課題批準(zhǔn)號(hào)為DCA160258

【作者簡介】龔藝（1979—），女，貴州織金人，碩士，工程師，研究方向?yàn)榇髷?shù)據(jù)分析。一、前言

遠(yuǎn)程教育是發(fā)展多樣化、終身化和開放式繼續(xù)教育的重要形式，為促進(jìn)教育公平發(fā)揮了重要的作用?，F(xiàn)代遠(yuǎn)程教育將信息技術(shù)與教育相結(jié)合，為學(xué)習(xí)者提供不受時(shí)間、空間限制的學(xué)習(xí)條件，在線學(xué)習(xí)成為了現(xiàn)代遠(yuǎn)程教育的重要手段。隨著在線學(xué)習(xí)的不斷發(fā)展，在線學(xué)習(xí)投入作為評(píng)估在線學(xué)習(xí)質(zhì)量的重要指標(biāo)之一，成為在線學(xué)習(xí)研究的熱點(diǎn)和趨勢。[1]

1930年，教育心理學(xué)家泰勒（Tyler）第一次使用“學(xué)生投入”概念，將其界定為“用于任務(wù)的時(shí)間”，描述學(xué)生花費(fèi)多少時(shí)間用于他們的學(xué)業(yè)，以及對(duì)學(xué)業(yè)產(chǎn)生的影響。[2]國內(nèi)外眾多研究表明，學(xué)生學(xué)習(xí)投入對(duì)學(xué)習(xí)績效產(chǎn)生正向影響。[3]在線學(xué)習(xí)中，學(xué)習(xí)者的學(xué)習(xí)投入對(duì)學(xué)習(xí)質(zhì)量具有顯著的影響。[4]在遠(yuǎn)程教育中，學(xué)習(xí)者在線投入與學(xué)習(xí)績效的關(guān)系是否是正向影響？遠(yuǎn)程教育中學(xué)習(xí)者在線學(xué)習(xí)投入是否存在不同的類型，是否存在在線學(xué)習(xí)投入與學(xué)習(xí)績效非正向的關(guān)系？是否存在評(píng)估學(xué)習(xí)者的學(xué)習(xí)投入特征，根據(jù)其特征及時(shí)給予個(gè)性化學(xué)習(xí)支持服務(wù)的可能？基于以上疑問，本文將重點(diǎn)探索遠(yuǎn)程教育中在線學(xué)習(xí)投入與學(xué)習(xí)績效的關(guān)系，并對(duì)在線學(xué)習(xí)投入與學(xué)習(xí)績效的關(guān)系類型進(jìn)行分類，為在線學(xué)習(xí)投入類型評(píng)估奠定基礎(chǔ)。

二、在線學(xué)習(xí)投入評(píng)估的關(guān)鍵因素

學(xué)習(xí)投入是學(xué)習(xí)者在學(xué)習(xí)中表現(xiàn)出的對(duì)學(xué)習(xí)的一種持續(xù)的、充滿積極情感的狀態(tài)，它以活力、奉獻(xiàn)和專注力為主要特征。[5]如何科學(xué)全面地評(píng)估學(xué)習(xí)投入，特別是遠(yuǎn)程教育在線學(xué)習(xí)投入，目前國內(nèi)外有一些相對(duì)較為成熟的學(xué)習(xí)投入評(píng)價(jià)方法，如美國印第安納大學(xué)在科茨（Coates）學(xué)習(xí)投入五維框架的理論基礎(chǔ)上，提出了全國大學(xué)生學(xué)習(xí)投入調(diào)查（the National Survey of Student Engagement，簡稱NSSE），該調(diào)查問卷主要以學(xué)術(shù)型挑戰(zhàn)、主動(dòng)合作學(xué)習(xí)、師生互動(dòng)、豐富教育經(jīng)驗(yàn)以及校園環(huán)境支持五個(gè)維度共42個(gè)基準(zhǔn)問題為依據(jù)編制項(xiàng)目，[6]NSSE成為北美及許多國家高校學(xué)生學(xué)習(xí)投入調(diào)查問卷的主要參考。弗雷德里克斯（Fredricks）提出了學(xué)習(xí)投入是行為、情感和認(rèn)知三個(gè)維度的有意義結(jié)合，孫和盧埃達(dá)（Sun & Rueda）在Fredricks投入量表的基礎(chǔ)上，根據(jù)遠(yuǎn)程學(xué)習(xí)的特征編制了“遠(yuǎn)程學(xué)習(xí)投入量表”（Stuedent Engagement in Distance Education，簡稱SEDE），其中包括行為投入、認(rèn)知投入和情感投入三個(gè)部分共15道題。迪克森（Dixson）編制了在線投入量表（Online Student Engagement Survey，簡稱OSES），其量表包括技能、情感、參與和績效四個(gè)維度。李爽等對(duì)學(xué)習(xí)行為投入進(jìn)行了大量研究，并將其歸為參與、堅(jiān)持、專注、交互、學(xué)術(shù)挑戰(zhàn)、自我監(jiān)控六類。[7]

大量學(xué)習(xí)投入量表的研究為本文提供了重要的參考，然而大部分的學(xué)習(xí)投入評(píng)測量表中主要針對(duì)非遠(yuǎn)程教育學(xué)校學(xué)生，測量指標(biāo)多來自問卷調(diào)查、教師反饋等方面。在遠(yuǎn)程教育實(shí)踐中發(fā)現(xiàn)，問卷調(diào)查獲得遠(yuǎn)程學(xué)習(xí)者支持度不高，獲取學(xué)生的在線學(xué)習(xí)行為數(shù)據(jù)則更為實(shí)際有效，因此，本文擬通過收集在線學(xué)習(xí)的學(xué)習(xí)行為數(shù)據(jù)，并通過對(duì)學(xué)習(xí)行為數(shù)據(jù)的分析，從參與、專注、交互三個(gè)維度制定遠(yuǎn)程教育在線學(xué)習(xí)投入量表，構(gòu)建遠(yuǎn)程教育在線學(xué)習(xí)投入模型如表1所示。

模型中的“參與”指學(xué)習(xí)者投入在線學(xué)習(xí)的時(shí)間和精力，訪問在線學(xué)習(xí)平臺(tái)中的視頻、文本等的數(shù)量，等等?！皩Ｗⅰ笔侵笇W(xué)習(xí)者在學(xué)習(xí)過程中投入的深度，主要包括每次學(xué)習(xí)的保持時(shí)間、錯(cuò)題的重復(fù)學(xué)習(xí)次數(shù)、作業(yè)的完成次數(shù)、完成質(zhì)量等。“交互”則是學(xué)習(xí)者在線學(xué)習(xí)過程中與教師及其他學(xué)習(xí)者交流的情況，從交流互動(dòng)的頻率、質(zhì)量可以判斷學(xué)習(xí)者的學(xué)習(xí)熱情，反應(yīng)學(xué)習(xí)者在線學(xué)習(xí)的投入情況。

在實(shí)際的數(shù)據(jù)采集中，需要選取真實(shí)體現(xiàn)上述三個(gè)維度的學(xué)習(xí)投入度量指標(biāo)值，本文采用了出勤周數(shù)、出勤天數(shù)以及資源瀏覽行為次數(shù)作為學(xué)習(xí)者“參與”情況的度量值，出勤周數(shù)的選擇比出勤天數(shù)更準(zhǔn)確地描述了學(xué)習(xí)者的學(xué)習(xí)時(shí)間跨度范圍，因此出勤周數(shù)和出勤天數(shù)的結(jié)合可以更加完整地體現(xiàn)學(xué)習(xí)者的時(shí)間投入程度?！皩Ｗⅰ钡亩攘恐羞x擇作業(yè)完成個(gè)數(shù)體現(xiàn)學(xué)習(xí)者對(duì)學(xué)習(xí)的深入程度，作業(yè)模塊的使用頻次一定程度上表明了學(xué)習(xí)者完成作業(yè)的堅(jiān)持度和專注度?！敖换ァ痹谶h(yuǎn)程教育的學(xué)習(xí)中主要體現(xiàn)了學(xué)習(xí)者與教師在論壇中的交互過程，因此，選擇了學(xué)習(xí)者發(fā)帖的數(shù)量，發(fā)主帖的數(shù)量，體現(xiàn)了學(xué)習(xí)者通過論壇與教師及其他學(xué)習(xí)者發(fā)生互動(dòng)交流的情況。

三、研究設(shè)計(jì)與分析

（一）樣本數(shù)據(jù)

本文實(shí)踐案例選取國家開放大學(xué)在線學(xué)習(xí)平臺(tái)作為研究對(duì)象，國家開放大學(xué)是以現(xiàn)代信息技術(shù)為支撐實(shí)施遠(yuǎn)程開放教育的高等學(xué)校。本文選取的研究數(shù)據(jù)來源于國家開放大學(xué)2017年春8 822名學(xué)員在線學(xué)習(xí)課程的學(xué)習(xí)行為數(shù)據(jù)。

（二）研究思路與方法

根據(jù)上述對(duì)在線學(xué)習(xí)投入評(píng)估的研究，以本文中定義的在線學(xué)習(xí)投入模型度量為標(biāo)準(zhǔn)進(jìn)行數(shù)據(jù)采集，以作為衡量在線學(xué)習(xí)投入的數(shù)據(jù)基礎(chǔ)。學(xué)習(xí)績效是學(xué)習(xí)者運(yùn)用新獲得的知識(shí)與技能的能力，它不僅僅指基本知識(shí)與基本技能的習(xí)得，而且還包括靈活運(yùn)用它們的能力。[8]學(xué)習(xí)績效是衡量學(xué)習(xí)者學(xué)習(xí)成果的指標(biāo)，也是教學(xué)質(zhì)量評(píng)估最主要的項(xiàng)目之一。[9]雖然學(xué)習(xí)成績不是學(xué)習(xí)績效的全部內(nèi)涵，但是學(xué)習(xí)成績作為學(xué)生學(xué)習(xí)過程的他評(píng)部分，一種量化結(jié)果，具有客觀性、綜合性的特點(diǎn)。[10]本文采用學(xué)習(xí)者的終結(jié)性考試成績作為學(xué)習(xí)績效的度量數(shù)據(jù)。

基于上述在線學(xué)習(xí)投入度量數(shù)據(jù)和學(xué)習(xí)績效度量數(shù)據(jù)，利用數(shù)據(jù)挖掘的方法，對(duì)數(shù)據(jù)進(jìn)行分析，探索在線學(xué)習(xí)投入與學(xué)習(xí)績效之間的關(guān)系，嘗試?yán)砬鍖W(xué)習(xí)者在線學(xué)習(xí)投入類型。

數(shù)據(jù)挖掘是通過仔細(xì)分析大量數(shù)據(jù)來揭示有意義的新的關(guān)系、趨勢和模式的過程。[11]常見的數(shù)據(jù)挖掘數(shù)據(jù)分析方法主要有分類、回歸分析、聚類、關(guān)聯(lián)規(guī)則、偏差分析等。其中聚類分析的目的是把大量數(shù)據(jù)點(diǎn)的集合分成若干類，使得每個(gè)類的數(shù)據(jù)之間最大程度地相似，不同類中的數(shù)據(jù)最大程度地不同。[12]聚類分析處理的數(shù)據(jù)對(duì)象的類是未知的。[13]本文的目的是探索在線學(xué)習(xí)投入與學(xué)習(xí)績效是否呈正向影響的關(guān)系，通過對(duì)數(shù)據(jù)挖掘并以各類方法研究、實(shí)踐和比較，認(rèn)為聚類分析的算法特點(diǎn)適用于本文研究，最終選擇聚類分析方法探索在線學(xué)習(xí)投入與學(xué)習(xí)績效之間關(guān)系，并選擇了K-means算法作為主要聚類算法。

本文采用的實(shí)驗(yàn)工具為R語言，R語言是一種基于統(tǒng)計(jì)、運(yùn)算和繪圖的數(shù)據(jù)處理方式，能夠較為理想地進(jìn)行大數(shù)據(jù)處理工作。[14]R語言通過加載fpc包實(shí)現(xiàn)K-means算法等聚類分析功能。

（三）數(shù)據(jù)分析過程與結(jié)果分析

運(yùn)用K-means聚類算法對(duì)在線學(xué)習(xí)投入與學(xué)習(xí)績效數(shù)據(jù)進(jìn)行聚類分析，并對(duì)聚類的結(jié)果數(shù)據(jù)進(jìn)行相關(guān)性分析。具體過程和結(jié)果分析描述如下：

1數(shù)據(jù)轉(zhuǎn)換

根據(jù)本文中選擇的在線學(xué)習(xí)投入模型，采集的數(shù)據(jù)主要包括出勤周數(shù)、出勤天數(shù)、資源瀏覽行為總次數(shù)、作業(yè)模塊使用頻次、作業(yè)完成個(gè)數(shù)、論壇發(fā)帖總數(shù)、論壇發(fā)主帖數(shù)以及學(xué)習(xí)者終結(jié)性考試成績。

其中，n表示樣本總數(shù)，假設(shè)樣本i被聚到c類，nc表示c類中的樣本數(shù)，Cc表示c類樣本集合，p表示非c類的各個(gè)類，np表示非c類的各個(gè)類的樣本數(shù)，Cp表示非c類的各個(gè)類的樣本集合，公式（4）中j表示同屬于c類的其他樣本，公式（5）中j表示樣本中非c類的其他樣本，d（i，j）表示樣本i與j之間的距離。a（i）表示樣本i和同屬于c類的其他所有樣本之間的平均距離，用于量化類內(nèi)部的凝聚度，b（i）表示樣本i和非c類的各個(gè)類中所有樣本的平均距離的最小值，用于量化類之間分離度。si表示樣本i的個(gè)體輪廓系數(shù)，S表示輪廓系數(shù)計(jì)算樣本中所有點(diǎn)個(gè)體輪廓系數(shù)的平均值。[16]

本文中將K值設(shè)置為2到8，測試K值為多少時(shí)取得最高的輪廓系數(shù)。由于K-means算法有一定隨機(jī)性，因此每個(gè)K值重復(fù)30次，取30次平均輪廓系數(shù)作為評(píng)價(jià)標(biāo)準(zhǔn)，得到如下圖所示輪廓系數(shù)與K值的關(guān)系圖：

如圖1，當(dāng)K取4時(shí)， 取得最大的輪廓系數(shù)， 因此在本樣本數(shù)據(jù)的聚類分析中，將聚類的簇個(gè)數(shù)指定為4。

3聚類結(jié)果

通過輪廓系數(shù)的分析，采用K-means聚類算法，聚類值選擇4，經(jīng)過多次反復(fù)測試，取誤差平方和SSE值局部最小，聚類實(shí)驗(yàn)結(jié)果如圖2所示。具體的分類數(shù)據(jù)情況如表2。

4聚類結(jié)果相關(guān)性分析

通過對(duì)1—4類數(shù)據(jù)進(jìn)行相關(guān)性分析，分析結(jié)果如表3所示，各聚類中學(xué)習(xí)成績和學(xué)習(xí)投入各因素?cái)?shù)據(jù)轉(zhuǎn)換值總和的相關(guān)性顯著水平在0.02以內(nèi)，其中1類和3類，相關(guān)系數(shù)為正值，學(xué)習(xí)成績與學(xué)習(xí)投入呈正相關(guān)關(guān)系，2類和4類中，相關(guān)系數(shù)為負(fù)值，學(xué)習(xí)成績與學(xué)習(xí)投入成負(fù)相關(guān)關(guān)系。

實(shí)驗(yàn)將學(xué)習(xí)者在線學(xué)習(xí)行為數(shù)據(jù)與學(xué)習(xí)者終結(jié)性考試成績相結(jié)合，利用K-means算法進(jìn)行聚類分析，根據(jù)上述聚類結(jié)果，學(xué)習(xí)者的在線學(xué)習(xí)投入與學(xué)習(xí)績效之間并非完全成正向關(guān)系，通過對(duì)每類中學(xué)習(xí)者出勤時(shí)間、資源瀏覽數(shù)量、作業(yè)完成量、論壇活躍程度等結(jié)合其終結(jié)性考試成績分析，將1至4類分別描述為低投入低績效者、低投入高績效者、高投入高績效者、高投入低績效者，其數(shù)量占比如圖3所示。

在線學(xué)習(xí)投入與學(xué)習(xí)績效成正向關(guān)系的類型為低投入低績效型和高投入高績效型，占總量的60.7%，在線投入與學(xué)習(xí)績效不構(gòu)成正向關(guān)系的類型為低投入高績效型和高投入低績效型，占總量的39.3%。

四、討論與建議

本文對(duì)遠(yuǎn)程教育學(xué)習(xí)者在線學(xué)習(xí)投入與學(xué)習(xí)績效的聚類分析中，發(fā)現(xiàn)只有大約60%的學(xué)習(xí)者在線學(xué)習(xí)投入與學(xué)習(xí)績效成正向關(guān)系。有約40%的學(xué)習(xí)者在線投入并未與學(xué)習(xí)績效成正向影響。

對(duì)于低投入高績效型而言，學(xué)習(xí)者在線投入較低而終結(jié)性考試成績卻較高，其原因可能有兩種：第一種情況是學(xué)習(xí)者可能并不習(xí)慣于在線學(xué)習(xí)的方式，學(xué)習(xí)途徑主要采取紙質(zhì)書籍、面授課堂、線下與教師溝通等非在線學(xué)習(xí)的方式，學(xué)習(xí)者的學(xué)習(xí)投入并不完全體現(xiàn)在本文所采集的在線學(xué)習(xí)行為數(shù)據(jù)中；第二種情況可能是由于學(xué)習(xí)者只重視終結(jié)性考試成績，平時(shí)并未認(rèn)真投入到在線學(xué)習(xí)中。對(duì)于高投入低績效型，學(xué)習(xí)者在線投入較高而終結(jié)性考試成績卻很低，其原因可能是由于學(xué)習(xí)者對(duì)于在線投入的學(xué)習(xí)只是為了完成遠(yuǎn)程學(xué)院要求的在線學(xué)習(xí)點(diǎn)擊量，然而并未真實(shí)投入時(shí)間學(xué)習(xí)，也有可能是學(xué)習(xí)者學(xué)習(xí)基礎(chǔ)差，學(xué)習(xí)方法不當(dāng)?shù)仍颍瑢W(xué)習(xí)投入較多也未能實(shí)現(xiàn)較高的學(xué)習(xí)績效。對(duì)于這兩類在線投入與學(xué)習(xí)績效非正向關(guān)系的類型，應(yīng)及時(shí)獲取這兩類學(xué)習(xí)者相關(guān)信息，采取面談、問卷調(diào)查等方式更深入地了解學(xué)習(xí)者的具體情況，采取有針對(duì)性的個(gè)性化學(xué)習(xí)支持服務(wù)。對(duì)于低投入低績效型，學(xué)習(xí)者可能對(duì)學(xué)習(xí)缺乏激情和動(dòng)力，學(xué)校應(yīng)采取相應(yīng)的措施提升學(xué)習(xí)者的參與度和熱情。對(duì)于高投入高績效型，學(xué)習(xí)者的學(xué)習(xí)狀態(tài)良好，學(xué)校應(yīng)該給予獎(jiǎng)勵(lì)和支持。

對(duì)遠(yuǎn)程教育中在線學(xué)習(xí)投入與學(xué)習(xí)績效類型的分類，分辨出在線學(xué)習(xí)者的學(xué)習(xí)投入不同類型，深入了解出學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，為個(gè)性化學(xué)習(xí)支持服務(wù)的開展提供數(shù)據(jù)支持和參考依據(jù)，為管理者和教師提供學(xué)習(xí)者學(xué)習(xí)狀態(tài)概貌，為學(xué)習(xí)者在學(xué)習(xí)過程中提供量身定做的學(xué)習(xí)支持服務(wù)奠定基礎(chǔ)。

本文仍然存在許多局限，主要包括本文學(xué)習(xí)績效的評(píng)價(jià)數(shù)據(jù)僅來源于終結(jié)性考試成績，對(duì)于全面體現(xiàn)學(xué)習(xí)者的學(xué)習(xí)績效尚不完善。學(xué)習(xí)者在線學(xué)習(xí)投入評(píng)估數(shù)據(jù)采集尚不全面，例如學(xué)習(xí)者每次登錄持續(xù)時(shí)長、瀏覽課程資源的完整度、論壇發(fā)帖內(nèi)容與課程關(guān)聯(lián)性、作業(yè)錯(cuò)題嘗試次數(shù)等等，由于與在線學(xué)習(xí)平臺(tái)軟件開發(fā)密切相關(guān)，作者權(quán)限和能力有限尚無法采集。應(yīng)把更多的數(shù)據(jù)挖掘分析技術(shù)應(yīng)用到研究中來。在今后的研究中，將進(jìn)一步擴(kuò)展學(xué)習(xí)績效數(shù)據(jù)和在線學(xué)習(xí)投入數(shù)據(jù)的采集，更深地挖掘分析遠(yuǎn)程教育中學(xué)習(xí)者在線學(xué)習(xí)投入類型，為實(shí)時(shí)了解學(xué)習(xí)者狀態(tài)，及時(shí)采取有效措施進(jìn)行干預(yù)和幫助，開展個(gè)性化學(xué)習(xí)支持服務(wù)提供數(shù)據(jù)依據(jù)。

【參考文獻(xiàn)】

[1]尹睿，徐歡云.在線學(xué)習(xí)投入結(jié)構(gòu)模型構(gòu)建：基于結(jié)構(gòu)方程模型的實(shí)證分析[J].開放教育研究，2017（4）：101—111.

[2]楊院.以學(xué)習(xí)投入為中介：學(xué)生學(xué)習(xí)信念影響學(xué)習(xí)收獲的機(jī)制探究：以“985高?！北究粕鸀槔姆治鯷J].高教探索，2016（3）：75—78.

[3]Ernest T.Pascarella， Tricia A.Seifert， Charles Blaich. How Effective Are the NSSE Benchmarks in Predicting Important Educational Outcomes？[J].Change the Magazine of Higher Learning， 2010，42（1）：16—22.

[4]張思等.網(wǎng)絡(luò)學(xué)習(xí)空間中學(xué)習(xí)者學(xué)習(xí)投入的研究：網(wǎng)絡(luò)學(xué)習(xí)行為大數(shù)據(jù)分析[J].中國電化教育，2017（4）：24—30.

[5]高潔，李明軍，等.主動(dòng)性人格與網(wǎng)絡(luò)學(xué)習(xí)投入的關(guān)系：自我決定動(dòng)機(jī)理論的視角[J].電化教育研究，2015（8）：18—22.

[6]李爽，等.遠(yuǎn)程學(xué)生學(xué)習(xí)投入評(píng)價(jià)量表編制與應(yīng)用[J].開放教育研究，2015，21（6）：62—70.

[7]李爽，王增賢，等.在線學(xué)習(xí)行為投入分析框架與測量指標(biāo)研究[J].開放教育研究，2017，22（2）：80—88.

[8]衷克定，梁玉娟.網(wǎng)絡(luò)學(xué)習(xí)社區(qū)結(jié)構(gòu)特征及其學(xué)習(xí)績效關(guān)系研究[J].開放教育研究，2006，12（6）：69—73.

[9]鄭勤華，曹莉，等.遠(yuǎn)程學(xué)習(xí)者學(xué)習(xí)績效影響因素研究[J].開放教育研究，2013（6）：88—94.

[10]王季，余心根，等.遠(yuǎn)程教育學(xué)生學(xué)校歸屬感對(duì)學(xué)習(xí)績效的影響實(shí)證研究[J].現(xiàn)代教育技術(shù)，2013，23（3）：81—86.

[11]王光宏，蔣平.數(shù)據(jù)挖掘綜述[J].同濟(jì)大學(xué)學(xué)報(bào)，2004，32（2）：246—252.

[12]賀玲，吳玲達(dá)，等.數(shù)據(jù)挖掘中的聚類算法綜述[J].計(jì)算機(jī)應(yīng)用研究，2007（1）：10—12.

[13]鄒志文，朱金偉.數(shù)據(jù)挖掘算法研究與綜述[J].計(jì)算機(jī)工程與設(shè)計(jì)，2005，26（9）：2304—2307.

[14]宋均，等.基于云計(jì)算的海量數(shù)據(jù)處理平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[J].電訊技術(shù)，2012，52（4）：566—570.

[15][16]張靖，段富.優(yōu)化初始聚類中心的改進(jìn)K-means算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2013，34（5）：1691—1699.

【Abstract】This paper puts forward an online learning engagement evaluation model and specific metrics of the evaluation model. From the cluster analysis of sample data of National Open University by clustering K-means algorithm， the results show that the relationship of online learning engagement and academic performance could be divided into four types. The classification of the relationship between online learning engagement and academic performance is helpful to underst and the learners online learning engagement characteristics. It provides support services for developing personalized learning and data support reference to improve learners learning quality.

【Key words】online learning engagement； K-means algorithm； distance education； academic performance

（編輯/樊霄鵬）