在線學(xué)習(xí)行為分析在混合式教學(xué)模式中的應(yīng)用

張雨虹 王紅梅 趙妍

摘要：隨著互聯(lián)網(wǎng)的普及，信息傳播打破了時間和空間的限制，其中以互聯(lián)網(wǎng)為依托的在線學(xué)習(xí)發(fā)展迅猛。經(jīng)發(fā)現(xiàn)傳統(tǒng)線下教學(xué)模式在向混合式教學(xué)模式轉(zhuǎn)換過程中，學(xué)生在線學(xué)習(xí)的主動性和積極性不高，有待進(jìn)一步激發(fā)，所以滿足學(xué)生個性化、差異化的需求，提高學(xué)生在線學(xué)習(xí)的積極性和增強用戶黏性就顯得尤為重要。本文以學(xué)習(xí)通平臺為例，使用K-means算法對在線學(xué)習(xí)的學(xué)生產(chǎn)生的學(xué)習(xí)行為數(shù)據(jù)進(jìn)行聚類分析。實驗結(jié)果表明，在線學(xué)習(xí)教育平臺可以面向不同類型學(xué)習(xí)者，提供科學(xué)、個性化、合理有效的教學(xué)方案。

關(guān)鍵詞：用戶行為;在線學(xué)習(xí);聚類分析

引言

在線學(xué)習(xí)平臺結(jié)合線下課堂教學(xué)已經(jīng)成為各大高校的一種新興教學(xué)模式，在線學(xué)習(xí)平臺可以記錄學(xué)生在學(xué)習(xí)過程中產(chǎn)生的學(xué)習(xí)行為數(shù)據(jù)，全面記錄學(xué)習(xí)過程，形成比較集中的在線學(xué)習(xí)數(shù)據(jù)，采用聚類方法對在線學(xué)習(xí)數(shù)據(jù)進(jìn)行分析，讓不同類型的學(xué)習(xí)者都能獲得有效的在線學(xué)習(xí)體驗。

本文以學(xué)習(xí)通平臺上我校軟件工程專業(yè)的兩門專業(yè)課程為例，導(dǎo)出2021-3 -1到2021-6-30完整的后臺數(shù)據(jù)，使用K-means算法對學(xué)習(xí)者在學(xué)習(xí)過程中的4項學(xué)習(xí)行為數(shù)據(jù)進(jìn)行聚類分析，這4項學(xué)習(xí)數(shù)據(jù)分別是任務(wù)點完成百分比、作業(yè)得分、章節(jié)學(xué)習(xí)次數(shù)、考試成績，把參加在線學(xué)習(xí)的學(xué)生分為五種類型的學(xué)習(xí)者，這五種類型分別對應(yīng)著考核效果，主要是考察學(xué)生在線學(xué)習(xí)行為對混合教學(xué)模式的效果影響，可以為學(xué)生提供個性化指導(dǎo)以及教學(xué)干預(yù)。

1 線上學(xué)習(xí)平臺的應(yīng)用概況

1.1 線上學(xué)習(xí)發(fā)展及研究

在我國，早在上世紀(jì)90年代互聯(lián)網(wǎng)剛興起的時候，在線教育就已經(jīng)開始發(fā)展了。它打破了線下傳統(tǒng)教育模式受時間和空間的限制，逐漸成為互聯(lián)網(wǎng)創(chuàng)業(yè)的熱門領(lǐng)域?，F(xiàn)如今，網(wǎng)絡(luò)教育平臺也成為各大高校學(xué)生課內(nèi)課外學(xué)習(xí)的方式，在線教育，顧名思義，就是利用信息技術(shù)進(jìn)行教與學(xué)的一項活動，互聯(lián)網(wǎng)的發(fā)展帶動了在線教育的發(fā)展，計算機和互聯(lián)網(wǎng)發(fā)展的程度，決定了在線教育的成熟度。與傳統(tǒng)教育機構(gòu)的教育方式相比，在線教育具有效率高、方便、低門檻、教學(xué)資源豐富的特點。4G網(wǎng)絡(luò)的高速發(fā)展和智能手機的普及，使APP也成為了學(xué)習(xí)神器強力工具，更是成為各大在線教育公司的必爭之地?；谏鲜鎏攸c，再加上互聯(lián)網(wǎng)的推動，在線教育平臺興起，規(guī)模逐漸擴張，并獲得了資本市場的青睞。

1.2 高校應(yīng)用概況

自從去年疫情之時，各高等院校積極響應(yīng)教育部“停課不停學(xué)”，利用各平臺積極開展線上教學(xué)[1]。在線教育平臺作為一種新興的教學(xué)模式，憑借其優(yōu)質(zhì)的課程資源、開放的教學(xué)方式、廣泛的課程受眾面和課程參與的高度自主性等特點，自2011年誕生以來在全球范圍內(nèi)迅速發(fā)展，為各大高校教育提供支持，為現(xiàn)代教育提供了廣闊的發(fā)展前景[2]。

1.3 平臺介紹

學(xué)習(xí)通是基于移動互聯(lián)網(wǎng)的新一代教學(xué)系統(tǒng)和知識傳播與管理分享的平臺。它利用超星20余年來積累的海量的圖書、期刊、報紙、視頻、原創(chuàng)等資源，集知識管理、課程學(xué)習(xí)、專題創(chuàng)作，辦公應(yīng)用為一體，為用戶提供一站式學(xué)習(xí)與工作環(huán)境，在各大高校群體中普遍使用。在名校名師方面，超星遙遙領(lǐng)先。在2008年，超星已經(jīng)拍攝近320位知名專家教授、學(xué)術(shù)權(quán)威，完成了4000集名校課程、講座。超星的視頻課程，學(xué)術(shù)性強、體系完整，基本能夠代表我國高校的課堂水平。

在線學(xué)習(xí)過程中會產(chǎn)生大量的學(xué)習(xí)行為數(shù)據(jù)，比如觀看視頻時長、任務(wù)點完成百分比、作業(yè)得分、章節(jié)學(xué)習(xí)次數(shù)等等。通過對這些學(xué)習(xí)行為數(shù)據(jù)的統(tǒng)計、分析，可以了解學(xué)生的學(xué)習(xí)特點、學(xué)習(xí)習(xí)慣等特性，跟蹤學(xué)習(xí)進(jìn)程、適時引導(dǎo)干預(yù)，讓在線教育更加個性化、智能化、科學(xué)化。

2 K-means聚類算法介紹

K-Means算法的思想很簡單，對于給定的樣本集，按照樣本之間的距離大小，將樣本集劃分為K個簇。讓簇內(nèi)的點盡量緊密的連在一起，而讓簇間的距離盡量的大，具有相似特征的樣本聚為一類[3]。

傳統(tǒng)K-Means算法流程：

step1：選定要聚類的類別數(shù)目k，選擇k個中心點。

step2：針對每個樣本點，找到距離其最近的中心點（尋找組織），距離同一中心點最近的點為一個類，這樣完成了一次聚類。

step3：判斷聚類前后的樣本點的類別情況是否相同，如果相同，則算法終止，否則進(jìn)入step4。

step4：針對每個類別中的樣本點，計算這些樣本點的中心點，當(dāng)做該類的新的中心點，繼續(xù)step2。

3 基于K-means聚類分析算法的學(xué)習(xí)行為數(shù)據(jù)聚類分析

3.1 數(shù)據(jù)選擇

數(shù)據(jù)來自超星網(wǎng)絡(luò)教學(xué)平臺。由系統(tǒng)導(dǎo)出任務(wù)點完成百分比、作業(yè)得分、章節(jié)學(xué)習(xí)次數(shù)、考試成績這些數(shù)據(jù)表。在導(dǎo)出學(xué)習(xí)行為數(shù)據(jù)過程中，除了保留了4項學(xué)習(xí)行為數(shù)據(jù)，還保留了學(xué)生的學(xué)號和姓名數(shù)據(jù)，便于后期對學(xué)生進(jìn)行分類后了解學(xué)生信息。

我們選取兩門課程，《操作系統(tǒng)原理》是一門專業(yè)基礎(chǔ)課程，另一門《軟件體系結(jié)構(gòu)與設(shè)計》是一門專業(yè)必修課。課程教學(xué)采用線上線下混合式教學(xué)，按照過程性教學(xué)考核，記錄教學(xué)過程中每個環(huán)節(jié)學(xué)生學(xué)習(xí)狀態(tài)數(shù)據(jù)。

通過對數(shù)據(jù)進(jìn)行整理，我們篩選出254條記錄，每條記錄包括課程ID、課程名稱、學(xué)生學(xué)號、學(xué)生姓名、專業(yè)、班級6項基本信息，同時包括4項學(xué)習(xí)行為數(shù)據(jù)。

3.2 數(shù)據(jù)分析

針對本文選取的數(shù)據(jù)集，對本科生學(xué)習(xí)行為信息進(jìn)行了一系列的指標(biāo)統(tǒng)計分析，研究該群體的學(xué)習(xí)習(xí)慣、興趣點和學(xué)習(xí)者類型的分布情況，分析學(xué)習(xí)者學(xué)習(xí)信息和學(xué)習(xí)效果的相關(guān)性，從多個層面和角度展示基于學(xué)習(xí)通平臺的線上線下混合式教學(xué)模式下學(xué)習(xí)者的學(xué)習(xí)狀況。

對兩門課程進(jìn)行章節(jié)學(xué)習(xí)次數(shù)的統(tǒng)計和比較，如圖1、圖2所示。圖1是《操作系統(tǒng)原理》課程在5月份學(xué)習(xí)次數(shù)統(tǒng)計，圖2是《軟件體系結(jié)構(gòu)與設(shè)計》課程在5月份的學(xué)習(xí)次數(shù)統(tǒng)計。從兩張圖可以看出學(xué)生學(xué)習(xí)時間一般是在上課前后，假期進(jìn)行學(xué)習(xí)的人數(shù)較少，而且學(xué)生習(xí)慣于集中安排學(xué)習(xí)。圖3、圖4顯示的是兩門課程在同一天中學(xué)生學(xué)習(xí)的時間段，其中《操作系統(tǒng)課程》主要集中于上午時間，《軟件體系結(jié)構(gòu)與設(shè)計》課程主要集中于下午時間，這是由于課程安排的原因。從四張圖可以分析出，線上課程進(jìn)度與線下課程一般相一致，學(xué)生會在線下課程開設(shè)的同時進(jìn)行線上課程的同步學(xué)習(xí)。

3.3 K-Means聚類分析

對學(xué)生的學(xué)習(xí)時間進(jìn)行分析可以發(fā)現(xiàn)線上教學(xué)對線下教學(xué)的補充和完善，同時提高學(xué)生學(xué)習(xí)自主性。使用聚類算法對學(xué)生學(xué)習(xí)行為特征進(jìn)行分析，可以更好的根據(jù)不同學(xué)生群體特點推薦個性化教學(xué)方案，這也是近年來混合教學(xué)模式一直關(guān)注的熱點問題。本文選擇了學(xué)生的任務(wù)點完成百分比、作業(yè)得分、章節(jié)學(xué)習(xí)次數(shù)、考試成績這四項數(shù)據(jù)，針對操作系統(tǒng)原理和軟件體系結(jié)構(gòu)與設(shè)計兩門課程的選課學(xué)生的學(xué)習(xí)行為分別進(jìn)行了K-Means聚類分析。對于K值的選取根據(jù)學(xué)生學(xué)習(xí)效果評價的五個等級，把K取值為5。兩門課程聚類結(jié)果有所不同，如表1所示。

4 結(jié)論

本文聚焦于我校軟件工程專業(yè)學(xué)習(xí)通平臺學(xué)習(xí)者群體的用戶特征及學(xué)習(xí)行為，通過聚類分析，展現(xiàn)該群體學(xué)生的在線學(xué)習(xí)狀況，從而向?qū)W習(xí)者提供適合個人的個性化學(xué)習(xí)方案，提高在線學(xué)習(xí)效率。表1顯示了學(xué)生學(xué)習(xí)效果的聚類，通過對數(shù)據(jù)的分析，線上線下混合式教學(xué)更適合過程性考核，專業(yè)課程過程性考核對有助于學(xué)生學(xué)習(xí)效果的評價。線上教學(xué)是對線下教學(xué)更全面的補充，學(xué)生考核成績與線上學(xué)習(xí)緊密不可分，對任務(wù)點、作業(yè)等模塊完成較好的同學(xué)考試成績相對好一些。當(dāng)然也有個別學(xué)生線上學(xué)習(xí)完成較少，但是考試成績處于良好層次，主要原因是在于這些學(xué)生的學(xué)習(xí)態(tài)度和學(xué)習(xí)習(xí)慣屬于被動型。這部分學(xué)生如果遇到不很擅長的知識內(nèi)容學(xué)習(xí)起來會比較吃力，所以需要增加平時的督促。

參考文獻(xiàn)

[1]王文晶，閆俊伢.基于大數(shù)據(jù)的在線學(xué)習(xí)行為分析與干預(yù)研究[J].陜西電子技術(shù)，2020，（6）：69-71.

[2]孫琳，張巧榮，鄭婭峰.基于edX開放數(shù)據(jù)的學(xué)習(xí)者在線學(xué)習(xí)行為分析[J].軟件導(dǎo)刊，2020，19（12）：190-194.

[3]周樹功.基于K-means聚類分析算法的大學(xué)生在線學(xué)習(xí)行為分析[J].信息與電腦（理論版），2020，32（16）：220-222.

[4]謝維奇，何健.網(wǎng)絡(luò)教學(xué)平臺學(xué)習(xí)行為分析及應(yīng)用[J].福建電腦，2021.4，37（4）：33-37

課題編號：2020年河南省高等學(xué)校重點科研項目計劃“非線性優(yōu)化的用戶行為建模在大數(shù)據(jù)科學(xué)中的應(yīng)用研究”（20B520038）鄭州航空工業(yè)管理學(xué)院;2021河南省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目“基于知識圖譜的慢性病患者病情管理系統(tǒng)的應(yīng)用研究”（S202110485048）鄭州航空工業(yè)管理學(xué)院;

通訊作者：趙妍（1979.02-），女，漢族，遼寧鞍山人，碩士，副教授，研究方向：數(shù)據(jù)挖掘、大數(shù)據(jù)分析。