作者:张军翔; 刘兴红; 陈米雪; 张曼; 梅佳星 期刊:《湖北师范大学学报·哲学社会科学版》 2019年第02期
处于大数据时代的潮流中,利用数据分析技术来跟踪、挖掘学习者产生的海量教育数据对信息化教学意义重大。通过文献分析法,研究教育数据分析技术,发现智能LMS学习管理系统中正式学习与非正式学习之间,由于跨平台和跨终端等造成了数据格式标准不统一,数据无法流通、共享、互操作,教育数据存在兼容性问题。而基于云架构,遵守规定标准接口和标准存储格式的任何学习管理系统,都可以通过统一的接口和格式获取、分析学习者的所有学习数据...
作者:王越; 杨成 期刊:《中国医学教育技术》 2020年第01期
大数据时代,通过教育数据挖掘技术能够对教育教学过程中产生的海量数据进行有效地分析,且运用数据分析的结果,发现教育过程中的问题,提供指导性的建议,促成行之有效的解决策略。文章从教育者、受教育者、教育管理者、教育资源四个要素探究教育数据挖掘对教育产生的影响,剖析教育数据挖掘技术精进对教育各要素带来的影响,阐释个中不足,旨在顺应智慧时展,使教育数据挖掘技术更好地促进教育发展。
互联网时代的到来引起了科技变革,教育数据挖掘技术便是其中之一。当前教育数据挖掘已受到众多学者的关注,如何应用数据挖掘技术提高教学质量,提升自主学习效率,成为各界学者关注的课题。基于此,通过分析教育数据挖掘的国内外研究现状,以辽宁林业职业技术学院为例,设计基于教育数据挖掘的高职学生自主学习研究思路。通过非线性分析方法,分析高职学生自主学习成果,且确定运用更多信息技术,全面深入探讨学生自主学习成果,成为下一个...
随着移动学习和在线学习的普及,教育数据也进入了大数据时代,教育大数据应用一般有教育数据挖掘和学习分析两类。文章分析了教育数据挖掘的工作流程和常见数据挖掘技术,探讨了学习分析关键技术,分析了自适应系统并总结出该系统会越来越受欢迎。
本文旨在通过对教育数据的特征分析,结合大数据的特点,阐述利用数据挖掘技术进行教育数据分析的方法,促进大学生个性化学习资源的构建、个性化学习共同体的建立和个性化学习风格的形成,为大学生提供个性化学习服务和为教师制订个性化教学方案提供较为准确的依据.
作者:梁达友; 董荣胜; 王泓刚 期刊:《科技创新导报》 2014年第10期
部分民族地区高校毕业生就业是个难点问题。本文介绍了ID3、C4.5和CART三种决策树算法,并选取河池学院毕业生追踪调查数据,分别建立ID3、C4.5和CART分类器进行预测比较。结果表明,C4.5预测分类器具有最小计算量和最高准确率。通过测试,C4.5分类器预测分类准确度和精度与实测数据相符,能够较好地满足应用要求。C 4.5分类器分类规则表明,道德素养、专业素质和实践能力是用人单位录用毕业生的主要标准。预测结果同时也为学校创...
本文对教育数据挖掘(Educational Data Mining,EDM)的兴起、发展、未来研究趋势等进行了最新的概述,旨在为各类群体进行教育数据挖掘研究或实践提供实时、有价值的参考。本文首先对EDM研究背景进行了阐述,然后重点介绍了影响EDM应用的三要素:教育数据挖掘目标、教育数据来源、教育数据挖掘过程,最后分析了EDM主要应用及未来研究趋势。
作者:张麒增; 戴翰波 期刊:《湖北大学学报·哲学社会科学版》 2019年第01期
随着信息技术的不断发展和教育数据的大量累积,教育机构对于教育数据的挖掘和改善挖掘效果的需求越来越大.在本文中我们探索用离散化方法和少数类样本合成(SMOTE)过采样化技术配合神经网络(neural network)算法和支持向量机(SVM)算法如何提高预测学生最终课程表现模型的准确率并对比几种离散化方法的表现.从实验结果中我们得出使用离散化和SMOTE技术进行预处理后能够显著地提升模型的预测能力,其中使用等频率分箱法进行离散化处理...
作者:首新; 何鹏; 陈明艳; 胡卫平 期刊:《现代教育技术》 2018年第12期
Log数据不仅包括学习时间、学习进程、鼠标和键盘敲击等静态数据,还详细呈现了从学习开始到结束的动态数据。文章截取PISA(2012)新加坡、日本、中国上海的Log数据,运用相关、滞后序列、聚类等教育数据挖掘方法分析三个国家学生在“车票”一题的“探索和理解”问题解决过程。结果发现:相比新加坡和日本,中国上海学生仍缺乏深入试题情境进行比较、探索,反映出问题解决策略不足;中国上海学生在“错误倾向组”比例过大,反映出高、低水...
随着大数据时代的到来和在线学习的蓬勃发展,个性化自适应学习日益成为人们关注的热点。本文从教育数据挖掘的目标和关键技术出发,在个性化自适应学习系统中应用教育数据挖掘技术,研究了学习者模型、领域知识模型和社交网络模型的构建、融合和应用,设计出基于教育数据挖掘的个性化自适应学习系统的架构和流程,探讨了模型的构建和个性化自适应学习引擎机制的建立,提出了基于聚类的个性化自适应学习内容呈现、基于序列挖掘和关联规则...
作者:李嘉伟; 费雪; 李丞勇; 党同真; 高克宁 期刊:《中国教育信息化》 2019年第15期
教育数据挖掘是指开发、研究和应用计算机技术来发掘存在于大规模教育数据背后的潜在模式。本文着重梳理数据挖掘技术在学生学习成绩预测领域内应用的文献,重点介绍自2016年以来的主要研究成果,对其应用的典型算法进行详细阐述,并分析不同算法的应用范围与局限性。最后总结出学生成绩预测的主要流程及其未来发展方向。
作者:袁利平; 陈川南 期刊:《中国电化教育》 2019年第05期
宽度学习神经网络模型结构更加简单,性能更加完善,不仅保留了机器学习中深度学习的优势,而且弥补了深度学习的缺陷。在教育数据挖掘技术中引入宽度学习,能为教育大数据以在数据提取中获取有意义的规律与模式、有效知识与信息提供有益帮助。宽度学习的教育价值主要包含其本体价值、工具价值、规范价值和智慧价值。此外,通过坚持以人为本的理念来实现宽度学习的本体价值、借助教育数据挖掘来实现宽度学习的工具价值、规范数据隐私保...
作者:于方; 刘延申 期刊:《电化教育研究》 2018年第11期
现有对教育数据挖掘(EDM)的应用研究多从技术角度出发探究实施有效性或应用创新性,缺少从用户视角对教育数据挖掘主体用户的深入分析。为了遵循教育应用问题研究"来自于教育、回归于教育"的本质要求,文章借鉴软件工程领域的"瀑布模型"设计了"以用户为中心"的EDM应用研究框架,采用分析法分析不同教育场景下、不同教育用户对EDM应用的情感意愿和功能需求,运用对比法研究不同数据挖掘技术对EDM应用实现的支持方式,构建用户体...
作者:杜婧; 余云涛; 吴永和; 钟丽娜 期刊:《信息技术与标准化》 2014年第09期
介绍了ISO/IEC JTC1/SC36第27届全会及工作组会议中国代表团参与的国际标准研制现状,以及ISO/IEC JTC1/SC36近期做出的全局性标准研制进程方面的策略调整,阐述了ISO/IEC JTC1/SC36开放论坛上各国专家高度关注的三大热点主题,总结出教育信息化领域的国际标准正在朝着更解决实际问题、更促进创新以及更短周期更高效率的方向发展。学习分析技术与教育大数据挖掘、大规模开放在线课程、电子课本和电子书包、移动学习以及智能学习环境等...
作者:吕品; 于文兵; 汪鑫; 计春雷 期刊:《计算机技术与发展》 2019年第04期
利用学习分析技术挖掘在线学习特征是理解与优化教学过程、实现教学决策和学业预警的重要依据。在采集在线学习者的人口统计信息、学习背景、家长参与以及学习者的行为特征等信息的基础上,首先使用感知机、支持向量机和神经网络等分类算法,分别构造了不同的学习成绩预测模型;通过比较模型的准确度、召回率、F值,误分类样本数量和精确度,最终选择基于支持向量机的成绩预测模型。其次,通过分析模型参数,得出了影响学习成绩的主要因素...
作者:许美玲; 张丽华; 郭步 期刊:《中国信息技术教育》 2019年第10期
如今远程教育、网络学习、在线课程、虚拟教室以及交互学习等网络教学系统被广泛应用。随之产生的大规模开放式在线课程(慕课)成了受欢迎的教学系统,其中包含了视频学习、课件资料、讨论区、测验与作业以及用户个人资料等各类数据。本文结合慕课网站开放的学生数据,展开基于慕课的教育大数据挖掘研究与实践,旨在对学生表现进行预测,为其提供辅助性意见,提高学生学习效率。
作者:丁国勇; 钱静珠 期刊:《实验室研究与探索》 2018年第01期
教育数据挖掘是数据挖掘技术在教育领域的应用。介绍了教育数据挖掘的主要概念,分析了教育数据挖掘在高校实验教学中的可行性,包括充足的数据来源、提升实验教学质量的需要、提高实验教学管理效能的要求,提出了基本应用步骤,最后阐述了可能存在的问题和相关建议。
由于教育数据的不断增多,预测学生表现也变得更具有挑战性和可行性。现如今,还很缺乏科学的用于分析和监测学生表现(如成绩、综合素质)的系统。计算机教学大多在上机状态下进行,本研究通过对各类数据挖掘算法在成绩预测中的应用进行研究,分析各个算法的应用场景及优缺点,给计算机教学成绩预测提供相应参考。
作者:王晨菡; 李广原 期刊:《大众科技》 2017年第11期
当前,E-Learning发展极为迅速,一个重要的原因是应用了各种信息通信技术和大数据处理技术,使E-Learning更加便捷、高效和满足个性化的需求.文章阐述数据挖掘在E-learning中的应用,并指出这一研究领域所面临的挑战及对未来的研究进行展望.