基于过程数据的学习预警模型设计与功能实现

分类：论文范文 发表时间：2021-09-10 10:29

　　摘要：随着教育大数据的兴起，学习预警技术为教育信息化提供了有力支撑。基于此，文章首先充分利用在线学习过程中产生的海量数据，设置了学习预警的相关指标，并给出了定义与算法，在此基础上将学习预警的维度确定为积极程度、作业成绩和作业质量。随后，文章通过模型权重调参，确定了各维度、指标的权重值，得到预警线阈值，并实证检验了其有效性。最后，文章设计了学习预警模型，搭建了一个基于过程数据的学习预警平台，其投入使用结果显示预警效果良好。基于过程数据的学习预警模型的提出与学习预警平台的应用，大大提升了教学质量，降低了学生的挂科风险，有效实现了预警功能。

　　关键词：过程数据；学习预警；学习分析；教学管理；数据可视化

　　随着“互联网+”理念的逐步发展，线上学习成为了一种主流的学习方式，各类线上学习平台在教育领域的应用愈加广泛[1]，同时也产生了大量的过程数据——过程数据是在教学过程中产生的具有代表性、能反映学生学习情况的数据。而如何充分地利用这些过程数据，对学习中有困难或有挂科风险的学生及时、准确地进行预警，是当前研究的一大热点[2]。考虑到学习预警是预测出有挂科风险学生群体的重要途径[3]，本研究针对学习过程中收集的相关数据，设计了一个基于过程数据的学习预警模型，并搭建了相应的网络平台，以实现预警功能。

　　一学习预警相关研究

　　梳理近年来国内外学习预警的相关研究成果，本研究认为学习预警研究聚焦于以下三方面：

　　①学习预警技术和方法。研究者大多会有效结合机器学习和数据挖掘技术进行学习预警，其中以决策树和多元线性回归等方法较为常用、分类和聚类技术最为典型[4]。例如，Xu等[5]采用比基准法性能更好的、基于过程聚类的潜在因子法预警；吴青等[6]根据学生在Moodle平台上的学习数据，采用决策树、贝叶斯网络、神经网络、支持向量机方法进行预警；胡建红等[7]基于K-Means聚类算法，获取“雨课堂”在线学习平台提供的数据进行预警。

　　②学习预警模型。很多学者从不同角度思考，设计了不同类型的学习预警模型。例如，肖君等[8]从目标（Object）、数据（Data）、分析（Analysis）、服务（Service）四个方面提出“ODAS”开放学习分析概念模型，并构建出学习者画像；武法提等[9]设计了包括学习内容分析、学习行为分析和学习预测分析三个模块的学习效果预测框架；而金义富等[10]设计了一种基于离群数据挖掘技术的课程、课堂、课外“三位一体”预警模型。

　　二学习预警模型指标与维度的设置

　　1指标的设置设置不同指标是为了从多方面反映学生的学习情况，使学习预警模型考虑的因素更全面，从而使学习预警更有效。学生每次在线上完成作业都会产生大量数据，本研究筛选出能反映学生学习成效并具有典型意义的数据，依此设置了学习预警的相关指标，给出了定义与算法。

　　（1）开始时间排名

　　（C1）①定义：C1表示学生开始在线做作业的时间先后排名。②计算方法：获取该学生登录平台开始在线做作业的时间，首次做题时间越早，C1越靠前。

　　（2）完成用时排名（C2）①定义：C2表示学生完成本次作业的用时长短排名。②计算方法：学生完成本次作业的用时长短计算如公式（1）所示，用时越短，C2越靠前。其中，C2(0)为该学生完成本次作业的用时在班级中的排名，C2’则为排名附加值。考虑到有学生未做完题目而只提交了部分作业的情况，本研究分情况设置C2’值：若该学生全部提交，则设C2’值为0；若该学生未做完所有题目，则获取未做题目的数量和总题目量，然后按公式（2）计算该学生本次作业的完成度——若完成度值处于[0.9,1)区间，则设C2’值为5；若完成度值处于[0.8,0.9)区间，则设C2’值为10……以此类推，若完成度值低于0.6，则设C2’值为25。

　　2维度的设置

　　现有的学习预警大都不具备多学科的知识结构和研究手段，且未有效借鉴教育学、心理学等领域的理论研究成果[16]。本研究运用文献分析法和案例选取法，查阅大量相关文献并结合实验数据来源，将学习预警的维度确定为：积极程度（含C1、C2两个指标）、作业成绩（含C3、C4两个指标）、作业质量（含C5、C6两个指标）。

　　三实验设计与结果分析

　　1数据来源

　　本研究以江西省N大学软件工程专业8个班的280名学生为研究对象，选取他们在程序设计类实验辅助教学平台上提交12次作业所产生的过程数据为数据源。作业题型有选择题、程序填空题、编程题等，每次作业满分为100分。选择题和程序填空题均由线上学习平台根据参考答案进行评分，编程题则由测试点（代码执行时需通过的测试用例）进行评分。

　　2模型权重调参

　　能选取最贴合学生真实挂科结果的参数，往往是决定预警效果的关键。学习预警模型各参数权重的确定采用枚举法：先将3个维度、6个指标的权重占比依次进行排列组合，再与上个年度多个班级期末考试的总评成绩进行对比计算，搜索最优参数配置。具体的调参步骤如下：①通过导入操作，将从实验辅助教学平台获得的过程数据上传至预警模型。②不断改变各权重占比，计算当前参数值下学习的总预警值与期末考试总评成绩的均方误差（MSE），如公式（8）所示。其中，yt为期末考试总评成绩，yp为总预警值。实验数据按照训练集与验证集7:3划分，本研究选取5个班级共171名学生的过程数据作为训练集，计算MSE值并排序。③根据排序结果，选出MSE值较小的一组数据。

　　四学习预警模型与学习预警平台

　　1学习预警模型的设计

　　根据各项指标与维度的设定，以及本实验得出的预警线阈值，本研究设计了学习预警模型，如图3所示。学习预警模型包含四个主要模块：①数据收集模块。从在线学习平台上采用数据采集技术（如爬虫）获得学生产生的大量学习过程数据，然后进行数据清洗，解析出有用的数据进行存储。②参数调优模块。根据实验结果确定各维度、指标的权重，并选取合适的预警线阈值。③学习预警模块。根据本研究提出的各指标和各维度算法计算出预警值，据此判断该学生是否存在学习危机——若存在危机，就采取人工介入、发送电子邮件等方式进行预警干预。④可视化模块。对学生的线上学习情况进行多方位展示，使用大量图表将在线学习平台上的学习过程数据予以可视化，以直观地呈现学生的学习状态与学习效果。

　　2学习预警平台的功能设计及其实现

　　依托学习预警模型，本研究搭建了一个基于过程数据的学习预警平台，现已在江西省N大学投入使用，学习预警效果良好。学习预警平台的主要功能如下：

　　①学生个人预警。考虑到教师和学生本人需掌握个人近期的学习情况，故学习预警平台围绕学生个人预警功能进行了设计。学生个人预警功能包括查看近期学习预警值、情绪分析报告、学习风险报告、作业平均分、各次作业得分变化与班级平均分的对比、各类题型的正答率、编程函数题得分情况、每题代码平均提交次数等，所用图表多采用雷达图、折线图、仪表盘展示。

　　②班级学情分析。教师应了解各班级情况及其差异，以便及时调整教学。班级学情分析功能包括查看班级预警情况、班级每次作业的平均分、得分中位数、高位/低位平均成绩、不同分数段的人数及其占比、每次作业超过/低于平均分的人数、每次作业对该班学生而言的难易度与区分度等，所用图表多采用箱型图、饼图、柱状图展示。

　　结语

　　本研究参考学生积极程度、作业成绩和作业质量方面的数据进行建模，设计了学习预警模型，并搭建了一个基于过程数据的学习预警平台。学习预警模型是一个通用型模型，其权重参数可以根据不同范围的预警需要进行调整。同时，学习预警模型可与其它线上教学系统进行融合，以发掘出更多的预警维度指标，如从整合型教育数据系统中获取数据，增加学生的社会与人口统计学特征、学生个人特征、学生投入度、学生近期作业是否进步、是否存在代码抄袭现象等维度，结合实验课上机表现，真实反映学生的线上学习情况并及时预警，以有效提高教学质量、降低学生的挂科风险。而学习预警平台将学生在平台上的过程数据做可视化处理，通过清晰、明了的图表，来多角度、直观地反映学生的学习状态，其投入使用结果显示预警效果良好。需要指出的是，现阶段的实验数据量不够大，会在一定程度上影响学习预警模型结果的准确性。基于此，后续研究将考虑引入机器学习算法，获取更多的数据投入训练集，以进一步完善学习预警模型，实现基于多模态、全过程学习数据的学习预警。

　　参考文献

　　[1]HuYH,LoCL,ShihSP.Developingearlywarningsystemstopredictstudents’onlinelearningperformance[J].ComputersinHumanBehavior,2014,(36):469-478.

　　[2]蒋卓轩,张岩,李晓明.基于MOOC数据的学习行为分析与预测[J].计算机研究与发展,2015,(3):614-628.

　　[3]王林丽,叶洋,杨现民.基于大数据的在线学习预警模型设计——“教育大数据研究与实践专栏”之学习预警篇[J].现代教育技术,2016,(7):5-11.

　　[4][16]朱郑州,李政辉,刘煜,等.学习预警研究综述[J].现代教育技术,2020,(6):39-46.

　　杨丰玉陈雨安[通讯作者]聂伟郑巍樊鑫

上一篇：基于模块化教学的商务英语教学探索 下一篇：生态农业中植物保护新技术的应用研究