学习分析中用于情境化数据挖掘的多源关系
数据库
2019-07-11 v1
摘要
学习分析（LA）的目标是多方面的，其中帮助学生理解其学业进展并改善其学习过程是我们工作的核心。为实现这一目标，LA 依赖于教育数据：学生在虚拟学习环境（VLE）上的活动轨迹，或学业、社会人口统计信息，关于教师、教学资源、课程大纲等的信息。包含此类信息的数据源是多重且多样的。数据挖掘，特别是模式挖掘，旨在从大型数据集中提取有价值且可理解的信息。在我们的工作中，我们假设多个教育数据源构成一个丰富的数据集，能够产生有价值的模式。因此，挖掘此类数据是达成帮助学生这一目标的一种有前景的途径。然而，数据内部的异构性与相互依赖性导致了较高的计算复杂度。我们因而旨在设计低复杂度的模式挖掘算法来挖掘多源数据，同时考虑源之间的依赖性与异构性。所形成的模式是有意义且可解释的，因此可直接用于学生。
引用
@article{arxiv.1907.04643,
title = {Multi-source Relations for Contextual Data Mining in Learning Analytics},
author = {Julie Bu Daher and Armelle Brun and Anne Boyer},
journal= {arXiv preprint arXiv:1907.04643},
year = {2019}
}
备注
Learning and Student Analytics Conference 2018