利用细粒度访问轨迹进行学习行为分析
人机交互
2018-12-17 v1 计算机与社会
机器学习
摘要
MOOC 中的学生学习活动可从多视角审视。我们提出了一种介于点击流细粒度与统计活动数、聚合学生或使用长时单元的粗粒度组织之间的 MOOC 学习者活动数据新组织方式。细粒度访问轨迹（DAT）由二值构成，为二维结构：一轴为时间序列（如天数），另一轴为按教学顺序 chronological 排列的 MOOC 组件类型实例（如视频）。多数流行 MOOC 平台生成的数据可组织为细粒度访问轨迹（DATs）。我们通过四项实证微型研究探索 DATs 的价值。我们的研究表明 DATs 包含关于学生学习行为的丰富信息，并便利 MOOC 学习分析。
引用
@article{arxiv.1812.05767,
title = {Using Detailed Access Trajectories for Learning Behavior Analysis},
author = {Yanbang Wang and Nancy Law and Erik Hemberg and Una-May O'Reilly},
journal= {arXiv preprint arXiv:1812.05767},
year = {2018}
}
备注
10 pages, accepted by 2019 International Conference on Learning Analytics and Knowledge