在线教育系统中学生行为模式的追踪
计算机与社会
2019-08-26 v1 机器学习
机器学习
摘要
分析在线教育系统生成的日志数据，是改进教育系统并增进对学生学习方式理解的一项基本任务。本研究考察了来自 Clio Online（丹麦最大的小学数字学习内容提供商）此前未公开的数据。我们考虑 2015–2017 年间 14,810 名学生、共 300 万次会话的数据。我们以一周为周期分析学生活动。通过使用非负矩阵分解技术，我们得到软聚类结果，揭示了时段、学科、活动类型、活动复杂度（以布鲁姆分类法衡量）与表现之间的依赖关系。此外，我们的方法可追踪个体学生随时间的行为变化，以及教育系统中的总体行为变化。基于结果，我们给出行为改变的建议，以优化学习体验并提升表现。
引用
@article{arxiv.1908.08937,
title = {Tracking Behavioral Patterns among Students in an Online Educational System},
author = {Stephan Lorenzen and Niklas Hjuler and Stephen Alstrup},
journal= {arXiv preprint arXiv:1908.08937},
year = {2019}
}