典型文献
基于数据挖掘的开放教育在线学习者学业行为分析与成绩预测
文献摘要：
基于国开学习网平台的课程数据,运用教育数据挖掘的研究方法,采用Pear-son、Spearman和Kendall等统计算法分析了在线学习者学业行为与成绩的相关性特点,相比浏览资源数、浏览其他信息数两个在线学习行为,浏览活动数、行为动作数与学业成绩存在更为显著的相关关系;借助神经网络、决策树、K最近邻、朴素贝叶斯、支持向量机等监督分类算法进行了学业成绩的分类预测,并对各分类算法模型进行了评估,确定了 K最近邻预测模型在学业成绩的分类预测上性能最优;根据研究结果给出了在线学习过程中进行及时教学干预的建议,以期为教师了解在线学习者学习情况、学习者提高在线学习效果、管理者优化教育决策提供有益的参考.
文献关键词：
开放教育;教育数据挖掘;在线学习者;学业行为分析;学业成绩预测
中图分类号：
作者姓名：
王娟;赵东伟;刘法伦;张祥龙;熊炜
作者机构：
山东开放大学;国家开放大学 北京 100010;滨州广播电视大学 山东滨州 256600;山东开放大学 山东济南 250014
文献出处：
引用格式：
[1]王娟;赵东伟;刘法伦;张祥龙;熊炜-.基于数据挖掘的开放教育在线学习者学业行为分析与成绩预测)[J].中国成人教育,2022(13):29-33
A类：
学业行为分析
B类：
开放教育,在线学习者,开学,学习网,教育数据挖掘,Pear,son,Kendall,统计算法,算法分析,浏览,在线学习行为,作数,决策树,最近邻,朴素贝叶斯,监督分类,分类算法,分类预测,算法模型,学习过程,教学干预,学习情况,在线学习效果,教育决策,学业成绩预测
AB值：
0.307407
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
