基于游戏化用户类型与学习风格的学生聚类
机器学习
2023-10-24 v1
摘要
本研究旨在依据学生的游戏化用户类型与学习风格对其进行聚类，以便在数据包含多个量表而无法手动分组时，为教师提供一种新的学生分组视角。所用数据来自 251 名就读于土耳其一所国立大学的学生。分组时采用 K-means 算法作为聚类算法。至于确定学生的游戏化用户类型与学习风格，分别使用了游戏化用户类型 Hexad 量表与 Grasha-Riechmann 学生学习风格量表。采用轮廓系数作为聚类质量度量。在以多种方式拟合算法后，获得的最高轮廓系数为 0.12，意味着结果中性但不令人满意。所有统计操作与数据可视化均使用 Python 编程语言完成。
引用
@article{arxiv.2310.14430,
title = {Clustering Students Based on Gamification User Types and Learning Styles},
author = {Emre Arslan and Atilla Özkaymak and Nesrin Özdener Dönmez},
journal= {arXiv preprint arXiv:2310.14430},
year = {2023}
}
备注
9 pages, 3 figures