大数据时代学员课程学习成败预测研究

计算机工程与科学

大数据时代学员课程学习成败预测研究

王凤芹，李瑛，张正霞

（海军航空工程学院基础部，山东烟台 264001）

收稿日期:2015-09-03 修回日期:2015-10-26 出版日期:2016-11-26 发布日期:2016-12-26
基金资助:
学院重点教育科研课题（HY2015004）

A prediction model of students’

curriculum learning in big data era

WANG Fengqin,LI Ying,ZHANG Zhengxia

（Naval Aeronautical and Astronautical University,Yantai 264001,China）

Received:2015-09-03 Revised:2015-10-26 Online:2016-11-26 Published:2016-12-26

摘要/Abstract

摘要：

为了顺应教育“大数据”时代，设计了学员课程学习大数据体系架构，给出了基于该架构的学员课程学习成败预测模型，并进行了基于大数据的课程学习成败因素分析。通过挖掘学员大数据的价值，为学员课程学习给以提醒和建议，为教员提供了学员全面的学习情况和全过程反馈，从而不断提高教学效果。

关键词: 教育大数据, 课程学习, 大数据体系架构

Abstract:

In order to adapt to the era of big data, we design a big data system framework of students’ curriculum, and present a prediction model of students’ curriculum learning. We analyze the factors that affect students’ curriculum learning. By mining the value of large data about students, we provide students with comprehensive feedback learning advice, thus improving the teaching effect.

Key words: big data on education, curriculum learning, big data system framework

王凤芹，李瑛，张正霞. 大数据时代学员课程学习成败预测研究[J]. 计算机工程与科学.

WANG Fengqin,LI Ying,ZHANG Zhengxia.

A prediction model of students’

curriculum learning in big data era

[J]. Computer Engineering & Science.

参考文献

［1］Big Data for Development:Challenges & Opportunities ［DB/OL］.［2012 05 01］. http://www.unglobalpulse.org /sites/default/files/BigData for Development UNGlobalPulseJune2012.pdf.

［2］Big Data Research and Development Initiative ［DB/OL］. ［20120329］ . http://www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf.

［3］Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics ［DB/OL］. ［20121012］. http://www.ed.gov/edblogs /technology /files/2012/03/edmlabrief.pdf.

Table 1Prediction algorithm of students’ curriculum learning

表1学员课程学习成败预测算法

一级指标二级指标权重计算方法
课程表现

课堂表现3%每次课得分求和，除以上课次数，得到课堂表现平均分（按百分制计算）；每次课得分依据考勤、积极回答问题情况、听课认真程度等方面给以评分。
作业10%每次作业得分求和，除以作业次数，得到作业平均分（按百分制计算）
小测验7%每次测验得分求和，除以测验次数，得到测验平均分（按百分制计算）
实验15%每次实验得分求和，除以实验次数，得到实验平均分（按百分制计算）
期中测试15%期中测试成绩（按百分制计算）
期末测试30%期末测试成绩（按百分制计算）

课程努力程度网络教学平台访问情况统计10%根据登录次数、登录频率、在线时间、观看视频时间、看帖数、发帖数、回帖数打分（按百分制计算）
前期学业历史前序课程分数5%每门前序课程得分求和，除以门数，得到前序课程平均分（按百分制计算）
学习者特征基本信息5%根据学员地区、种族、性别和奖惩情况等（按百分制计算）

［4］Siemens G. Learning and knowledge analyticsKnewtonthe future of education ［EB/OL］. ［2011 04 14］. http://www.learninganalytics.net/?p=126.

［5］Yao Hongyu．Traffic intelligent information platform based on cloud computing architecture ［J］．Intelligent Transportation Project，2014(10)：3134．(in Chinese)

附中文参考文献：

［5］姚宏宇．基于云计算架构的交通智能化信息平台［J］．智能交通专题，2014(10)：3134．