52、基于网络使用挖掘提升学生成绩的研究

基于网络使用挖掘提升学生成绩的研究

1. 影响学生学业成绩的因素确定

1.1 问题定义

学生在课程中会进行不同活动以获取和巩固课堂所学概念，课程结束时有期末考试。成绩超过固定阈值的学生通过模块，低于该阈值则不通过。研究旨在通过分析学生的学习行为，找出能为学生和教育者提供有益活动和资源的有趣关系，以促进和改善学习过程。
为开展研究，将学生分为两组：高绩效学生（有高通过率）和低绩效学生（有高失败或辍学率）。收集学生在网络学习系统上的学习信息，综合考虑学生在课程中投入的时间、活动数量和类型，确定影响学生通过或不通过模块的活动。具体考虑的活动类型包括测验（咨询、通过和失败的数量）、作业（提交或咨询的练习/任务数量）和论坛（发送和阅读的消息数量）。

1.2 多实例视角

学生可获取的资源并非强制，而是在期末考试前巩固概念的支持。因此，每个学生执行的活动数量不同，课程所含活动的数量和种类也有差异。
传统监督学习对所有模式使用相同结构和属性数量，会导致多数模式存在空值。而多实例学习（MIL）能完美适应每个学生和课程的具体信息，消除传统表示中出现的缺失值。MIL表示的关键在于模式和实例的概念，一个模式（称为包）可包含不同数量的实例，对应关系是一对多而非传统监督学习的一对一。在该问题中，每个模式或包代表注册课程的学生，每个学生被视为代表其学习工作的包，包由一个或多个实例组成，每个实例代表学生完成的不同类型工作。学生完成的不同类型活动数量决定了每个模式的实例数量。相关属性信息如下表所示：
| 信息类型 | 属性 | 描述 |
| ---- | ---- | ---- |
| 包信息 | User - Id | 学生标识符 |