61、基于学习分析仪表盘学习过程的深度洞察钻取推荐

基于学习分析仪表盘学习过程的深度洞察钻取推荐

在当今的教育领域，随着学习系统的不断发展，数据的规模、速度和多样性都有了显著增长。这使得在学习分析仪表盘（LADs）中理解和分析数据变得比以往更加具有挑战性。本文将介绍一种新的方法，旨在为LADs提供有洞察力的深度钻取推荐。

1. 背景与问题提出

随着学习系统的发展，数据量急剧增加，在LADs中理解数据变得愈发困难。在教育场景中，深度钻取操作是一种常见的探索大型复杂多维数据集的方法。教师可以通过手动添加过滤器来探索学生子群体的行为，但手动找到能提供有价值见解的钻取操作是一项具有挑战性的任务。

2. 相关工作

• 学习分析仪表盘（LADs） ：LADs使用多种数据源，如点击流日志、学习制品数据、调查数据等。为了理解这些数据，LADs提供了各种可视化选项，如条形图、折线图、表格等。然而，这些可视化方式往往忽略了学习过程的细节，而学习过程对于理解和优化学习至关重要。
• 智能深度钻取方法 ：深度钻取操作最初在OLAP数据立方体中引入，近年来也应用于分析仪表板。但它为用户提供了过多的钻取选择，且可能因不完全探索导致错误推理。许多方法试图解决这些问题，有的专注于检测小数据部分的异常，有的则关注大数据子集中的有趣差异。
• 教育过程挖掘 ：过程挖掘旨在从事件日志中提取历史组织行为信息。教育过程挖掘利用教育数据来发现、分析和可视化教育和学习过程，但目前的解决方案在帮助用户识别和调查感兴趣的学生群体方面支持不足。

3. 自动化深度