ed平台教育大数据的学习行为分析与预测

edX平台教育大数据的学习行为分析与预测三、典型学习行为选取除了受学习者年龄、性别、教育背景等因素影响外,学习动机和投入程度也很大程度上影响着学习效果。为了准确地描述学习者行为,本文选取了学习时间、学习事件次数、抽样统计学习次数、观看视频次数、学习章节数以及在学习论坛上发帖数等作为学习行为分析的客观依据,以此为基础进行成绩预测。时间:在开课前几周就有注册课程的记录,一半以上的学习者在课程开始前完成注册。约有8%的学习者在课程结束后注册课程。文中的学习时间用学习者最后学习记录日期减去注册时间。学习事件次数:通过分析系统日志,得到学习者与课程交互活动的次数。抽样统计学习次数:系统在特定的时间对学习行为进行的抽样统计。观看视频次数:学习期间观看视频的次数。学习章节数:从课程开始到课程结束,学习者学习的内容章节数。发帖数:学习者关于课程内容在学习论坛上发起的话题,包括回复别人提出的问题等。四、逻辑斯谛回归算法框架逻辑斯谛回归算法主要包括对学习记录数据的归一化处理、构造预测函数、构造损失函数、采用优化算法求解等过程(如图3所示)。---本文来源于网络,仅供参考,勿照抄,如有侵权请联系删除---图3逻辑斯谛回归算法1.构造预测函数设Y是0-1型变量,表示学习者是否通过学习并取得证书。X=(x1,x2,…,xp)表示影响学习效果Y的相关变量,yi与(xi1,xi2,…,xip)的关系为:hθ(x)函数的值表示结果取1的概率,因此对于输入x分类结果,值为1和值为0的概率分别为:P(y=1|x,θ)=hθ(x)P(y=1|x,θ)=1-hθ(x)(2)因此,yi的概率函数合并为对上述函数取对数,得:lnL(θ)=∑i=1ny(i)log(hθ(x(i)))+(1-y(i)log(1-hθ(x(i))(4)2.构造COST函数,优化方法求解求解minJ(θ),得到θ就是要求的最佳参数。求J(θ)的最小值可以使用梯度下降法,根据梯度下降法可得θ的更新过程:a为学习步长,求偏导为:---本文来源于网络,仅供参考,勿照抄,如有侵权请联系删除---五、实验结果与分析1.实验数据集本文用到的数据集包括641,138个注册学习者在学习16门课程期间的相关学习记录,删除了特征记录不完整的数据,有效记录338,888条,按课程以80%和20%比例拆分,得到训练集和测试集。2.评价指标为了衡量算法的效果,文中采用了准确率、精确率、召回率和调和值作为评价指标。TP:记录值为1,预测值为1的记录数;FN:记录值为1,预测值为O的记录数;FP:记录值为0,预测值为1的记录数;TN:记录值为0,预测值为0的记录数;准确率=(TP+TN)/(TP+FN+FP+TN);精确率=TP/(TP+FP);召回率=TP/(TP+FN);调和值=2TP/(2TP+FP+FN);迭代次数达到40次时,准确率、精确率、召回率、调和值均达到最佳值(如图4所示)。图4迭代次数与准确率、精确率、召回率、调和值关系图3.学习效果预测---本文来源于网络,仅供参考,勿照抄,如有侵权请联系删除---对16门课程进行了实验分析,结果如表3所示。实验结果表明,应用逻辑斯谛回归方法,根据学习者的学习记录,能比较准确地预测后期学习效果,充分说明了本文提出的算法的合理性和有效性。表3edX的16门课程学习者学习行为与学习效果预测情况课程代码总记录数训练记录测试记录准确率精确率召回率调和值特征数HealthStar29,904230006,90499.5484.310091.499CS50X41,21232,9708,24297.4790.4210090.56JusticeX31,08824,8796,20999.9298.7810099.398HeroesX20,74816,6004,14899.8391.9510095.817HealthEnv18,60915,0003,60999.9210096.6398.29Circuits-222,48217,5004,98299.9610093.7596.779CS-149,46140,0009,46199.9998.5110099.259SSChem-19,5887,5002,08899.7610093.0696.49CS-238,87230,0008,8721001001001009SSChem-23,4332,7007331001001001008Poverty20,36916,0004,36999.9310097.298.589E&M17,27213,0004,27299.9592.8692.8692.869Circuits-312,24610,0002,24699.9199.199.199.19Biology13,96011,0002,9609.9794.9710097.39Structures3,6882,88880099.3887.8110093.519MechRew5,9565,00095699.7894.9110097....

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供参考,付费前请自行鉴别。
3、如文档内容存在侵犯商业秘密、侵犯著作权等,请点击“举报”。

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

客服邮箱:

biganzikefu@outlook.com

所有的文档都被视为“模板”,用于写作参考,下载前须认真查看,确认无误后再购买;

文档大部份都是可以预览的,笔杆子文库无法对文档的真实性、完整性、准确性以及专业性等问题提供审核和保证,请慎重购买;

文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为依据;

如果您还有什么不清楚的或需要我们协助,可以联系客服邮箱:

biganzikefu@outlook.com

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

文秘专家
机构认证
内容提供者

1

确认删除?