学生点击流数据的跨课程过程挖掘——聚合与群组比较
计算机与社会
2025-02-27 v1 人机交互
摘要
本文介绍了从 Moodle 等课程管理系统中提取学生交互数据以进行过程挖掘（例如创建显示流程的图表）的新颖准备与分析方法。由于 Moodle 课程可能包含数百种不同的活动，此类图表可能会变得非常复杂，这使得比较不同学生群体的路径变得困难。此外，现有研究通常将焦点局限于单门课程，忽略了可能跨越课程边界的潜在模式。我们的研究通过实现一个自动数据流来解决这些挑战，该数据流通过 SQL 直接从 Moodle 数据库查询数据，并在需要时提供了针对单门课程进行过滤的灵活性。除了分析单个 Moodle 活动外，我们还在聚合的课程部分层面探索模式。此外，我们提出了一种跨课程标准化部分标签的方法，促进了跨课程分析以揭示更广泛的使用模式。我们的发现揭示了，除其他见解外，表现较好的学生表现出更频繁地参与可用活动的倾向，并在对象之间展现出更动态的移动。虽然这些模式在分析单个课程活动事件时可以辨认，但当它们被聚合到部分层面并跨多门课程进行分析时会变得更加显著。
引用
@article{arxiv.2409.14244,
title = {Cross-course Process Mining of Student Clickstream Data -- Aggregation and Group Comparison},
author = {Tobias Hildebrandt and Lars Mehnen},
journal= {arXiv preprint arXiv:2409.14244},
year = {2025}
}