基于MOOC学习行为大数据的网络课程通过率预测方法

计算机工程与科学

基于MOOC学习行为大数据的网络课程通过率预测方法

郑龙1,2，周忠宝1，胡艳丽2,蔡建国1

（1.湖南大学工商管理学院，湖南长沙 410082；2.国防科技大学信息系统工程重点实验室，湖南长沙 410073）

收稿日期:2018-07-11 修回日期:2018-09-15 出版日期:2018-11-26 发布日期:2018-11-25
基金资助:
湖南省普通高等学校教学改革研究项目；湖南省教育科学“十三五”规划课题(XJK016BGD009);湖南大学教改课题;国防科技大学教改课题(yjsy2015001,U2015010)

A course pass rate prediction method based

on large data of MOOC learning behavior

ZHENG Long1,2,ZHOU Zhongbao1,HU Yanli2,CAI Jianguo1

(1.School of Business Administration,Hunan University,Changsha 410082；

2.Science and Technology on Information Systems Engineering Laboratory,

National University of Defense Technology,Changsha 410073,China)

Received:2018-07-11 Revised:2018-09-15 Online:2018-11-26 Published:2018-11-25

摘要/Abstract

摘要：

在分析大规模在线开放课程平台数据中影响课程通过率的评价指标基础上，引入随机图和概率论，建立了一种预测网络课程通过率的概率模型与算法。该模型基于网络图论和学习时长的随机性，通过时频域间的概率函数相互转化，直观地预测课程通过率的动态变化，可分析连续概率分布和离散经验分布函数，以及大规模的网络课程通过率问题，且便于计算机仿真实现。最后，结合Matlab给出的某一网络课程通过率算例，验证了该随机概率模型及其算法的可行性和有效性，并实际应用于高校大规模网络课程平台，显示出其良好的前景。

关键词: 计算机仿真, 大数据；课程通过率；预测

Abstract:

Based on the analysis of the evaluation indexes of the large data from the MOOC platform, we introduce the theory of random graph and probability theory, and establish a probability graph model and an algorithm for course pass rate. Based on the network graph theory and the randomness of learning duration, we analyze the dynamic change process of course pass rate qualitatively through the mutual transformation of probability function between timedomain and frequencydomain. Our model can deal with continuous probability distribution cases and discrete probability distribution cases l, as well as massive course pass rate problems highly effectively. Finally, numerical experiment results on MATLAB illustrate the feasibility and effectiveness of the proposed model and algorithm, which can be applied to university MOOC platforms and show a good application prospect.

Key words: computer simulation, large data, course pass rate, prediction

郑龙1,2，周忠宝1，胡艳丽2,蔡建国1. 基于MOOC学习行为大数据的网络课程通过率预测方法[J]. 计算机工程与科学.

ZHENG Long1,2,ZHOU Zhongbao1,HU Yanli2,CAI Jianguo1.

A course pass rate prediction method based

on large data of MOOC learning behavior

[J]. Computer Engineering & Science.

[1]	陈阳, 王涛. 离散型和连续型改进Karnik-Mendel算法在高阶模糊系统降型中的关系研究[J]. 计算机工程与科学, 2021, 43(11): 2027-2034.
[2]	陈阳, 王涛. 基于二分搜索改进Karnik-Mendel算法的广义二型模糊逻辑系统降型[J]. 计算机工程与科学, 2020, 42(08): 1448-1453.
[3]	宛西原，汪霞. 军队院校计算机仿真技术类课程的建设与思考[J]. 计算机工程与科学, 2016, 38(增刊): 281-285.
[4]	王学慧[1] 张磊[2] 黄柯棣[1]. 周期时间桶算法的性能分析与深入探讨[J]. J4, 2005, 27(3): 49-51.
[5]	梅景泉[1] 冯丹[1] 缪学宁[2]. 一种高效纠错编码方案的计算机仿真设计[J]. J4, 2005, 27(3): 86-88.
[6]	徐春蕾彭宇行李思昆. 本地滞后方法中的多级滞后时间计算[J]. J4, 2005, 27(3): 105-107.
[7]	唐山黄正军杨建. 基于X3D的分布式虚拟现实场景三维建模[J]. J4, 2005, 27(2): 36-38.
[8]	周甍叶超群金士尧. 一种等级式的多主体仿真框架[J]. J4, 2004, 26(9): 93-96.
[9]	钟海荣刘晓建金士尧凌云翔. 基于区域预测的HLA／RTI时间推进优化策略[J]. J4, 2004, 26(8): 74-78.
[10]	姚益平卢锡城刘步权陈春鹏李钢陶静. 先进分布仿真系统仿真语言规范研究[J]. J4, 2004, 26(1): 55-57.
[11]	王林旭鄢来斌李思昆. 水中爆炸产生的水柱运动实时模拟[J]. J4, 2004, 26(1): 62-64.
[12]	谢剑斌[1] 朱建凯[2] 等. 基于质点网格法的爆炸景象模拟算法[J]. J4, 2002, 24(1): 27-28.
[13]	罗万伯[1] J．Steve[2] DAVIS[2] 等. 离散型及离散连续混合型仿真的时间问题和处理技术[J]. J4, 2001, 23(3): 1-3.
[14]	魏迎梅[1] 吴泉源[2] 等. 虚拟环境中的碰撞检测方法[J]. J4, 2001, 23(2): 44-47.
[15]	胡敏. 计算机仿真技术在物理教学中的应用浅探[J]. J4, 2001, 23(1): 58-60.