基于R的在線學習者特征聚類分析

程　香

(安徽經濟管理學院 信息技術中心，合肥 230059)

?

基于R的在線學習者特征聚類分析

程香

(安徽經濟管理學院 信息技術中心，合肥 230059)

摘要：研究了在線學習者的聚類分析，然后以一個開放數據集為例，依據聚類思想抽取學習者特征向量，給出了基于R軟件的學習者行為特征聚類分析的過程。研究認為，對學習系統捕捉的數據進行聚類分析，可以有效地區分各類學習者學習表現，有助于提高在線學習效果。

關鍵詞：在線學習；聚類分析；開放數據；學習者特征

0引言

學習者特征是虛擬社區學習、遠程教育的研究熱點，是在線學習分析的重要方面。近年來，隨著在線學習的蓬勃發展，研究在線學習者如何獲取知識，如何與其他學習者以及學習環境交流[1-4]，越來越受到人們的重視。通過文獻分析發現，目前國內外關于在線學習者特征分析的研究主要體現在兩個方面，一是對特定學習群體、平臺、地域、的學習者特征的描述；二是對網絡學習或網絡學習者特征建立理論模型[5]。而目前關于在線學習者特征分析方法的研究還不是很多。

(7)運輸配送階段碳足跡 包括供應商向制造商運輸過程、制造商向銷售商運輸過程、銷售商向消費者運輸過程、消費者向回收商運輸過程、回收商向供應商運輸過程的碳足跡。

通過文獻研究發現，調查問卷、在線訪談方法被廣泛應用于獲得學習者相關信息[6-8]，學習過程中產生的各種數據卻難以量化。在線學習支持和管理平臺運行期間，產生了大量學習行為數據，從在線系統中提取數據信息，可以提升研究的準確性，并能及時發現在線學習者的問題和新特征。運用計算機技術，處理和分析在線學習者學習行為數據，對在線學習者行為特征進行聚類分析，觀察各類學習者的學習表現，對提高在線平臺教學效果有著重要意義。

1在線學習者特征聚類分析

1.1分析工具

目前用于數據統計分析的軟件很多，SAS(Statistical Analysis System)運行速度快，有大量的統計分析模塊，但人機對話界面不太友好，價格較高；SPSS(Statistical package for the social science)功能設計比較齊全，輸出結果比較直觀，但是用戶圖形界面復雜，編程較困難；Splus集工業數據分析工具與數據分析應用開發于一身，圖形技術領先，統計分析函數齊全，但界面復雜，價格較高。R是一款可以對數據進行統計分析的開源軟件包，具有精確控制的繪圖功能，支持廣泛的操作，包括機器學習，如回歸、分類、聚類、文本分析等。

本文利用R作為在線學習者特征分析的數據處理工具，其主要優勢有兩點：首先R通過各種統計和機器學習進行數據分析，利用R語言進行數據建模可以實現常用的數據挖掘技術；其次R利用循環、條件語句，控制程序的流程，便于對數據進行提取、加載、分析等過程的操作。

1.2聚類方法

根據學習者在線學習行為表現，本文在數據集中選擇典型的能夠區分學習者學習行為特征的數據項作為聚類的特征，并將相關特征作適當的變換。在實例中利用課程交互次數(nevents)、課程訪問天數(ndays_act)、播放視頻次數(nplay_video)、學習章節數(nchapters)、論壇發帖數(nforum_posts)構成各個子向量，對數據集中的學習行為數據進行聚類分析。

本文采用k-means聚類方法對擬抽取的在線學習行為特征做聚類分析。k-means算法是一種迭代的聚類算法，迭代過程中不斷重新劃分對象和產生新的聚類中心，直到準則函數收斂為止。k-means算法通常采用以下式子作為準則函數：

其中p是給定的數據集中數據對象；mi是計算出的聚類Ci的平均值；E是數據集中所有對象與相應聚類中心的均方差之和。該準則函數試圖使生成的類中的數據對象相似度很高，而不同類中的數據對象之間的相異度也很高。

聚類分析作為數據挖掘的一個分析方法，可以作為一個獨立的工具來獲得數據的分布情況，觀察每個類的特點，并對特定類進行更深入的分析。目前聚類分析在教育知識挖掘領域有著廣泛應用，文獻[9]根據異步討論論壇的互動水平，使用聚類分析測定每一個學生的在線監聽行為模式為。文獻[10]使用聚類分析的方法得出四種監聽行為，基于分析結果識別出討論論壇中的一些優點和潛在弱點。文獻[11]使用聚類分析和因子分析探索媒體使用行為隱藏的結構，發現文本和文本相關媒體對學習成功產生積極的影響。

2實例與結果分析

2.1數據預處理

本文實例分析目的是對實際參與課程學習的學習者行為特征作聚類分析。以edx平臺開放數據(Person-Course Dataset AY2013)為基礎，選取數據集中X國學習者相關數據，并根據研究需要對數據進行了如下剔除：第一，內部不一致的數據記錄；第二，無實際學習行為的數據記錄；第三，有關數據項缺失的數據記錄。經過處理后樣本中有221人次，數據預處理的關鍵代碼如下：

知識產權審判中的技術事實查明機制研究.........................................................................陳存敬 儀 軍 01.41

stu.X<-x[x$final_cc_cname_DI=="X",]

繪制不同年齡區間統計圖，數據需要事先分類，主要實現過程如下：

2.5.3 定量限與檢測限考察 分別精密吸取“2.2.2”項下混合對照品溶液適量，倍比稀釋，按“2.1”項下色譜條件進樣測定，記錄峰面積，以信噪比10∶1、3∶1分別計算定量限、檢測限。結果，淫羊藿屬苷A、朝藿定A1、朝藿定A、朝藿定B、朝藿定C、淫羊藿苷、鼠李糖基淫羊藿次苷Ⅱ、寶藿苷Ⅰ的定量限分別為390.00、564.00、506.00、535.20、448.00、426.68、643.20、544.80 ng/mL，檢測限分別為97.50、141.00、126.25、133.80、112.00、106.67、160.80、136.20 ng/mL。

data.cons<-stu.X[bad,]

result2$YoB<-"20～25歲"

y<-data.viewed[,c(5,6,8,9,10,11,14,15,16,17,18)]

good<-complete.cases(y)

data.cpl<-y[good,][,]

bad<-is.na(stu.X[,"incomplete_flag"])

result1<-data.cpl[2013-data.cpl$YoB<=20&2013-data.cpl$YoB>0,]

1.設計學習任務單，便于學生自主學習。將“商品的品質”知識點劃分成知識單元：品質的概念，品質表示分類。

result1$YoB<-"20歲以下"

采用k均值算法時，需要適當地選取k值，本文用層次聚類判斷聚類個數。觀察層次聚類結果，可將數據大致劃分為4個類別。采用k均值算法聚類，聚類結果將在線學習學習者分為4類，其中第Ⅰ類學習者人數為19，第Ⅱ類學習者人數為5，第Ⅲ類學習者人數為184，第Ⅳ類學習者人數為13。具體分類情況如圖1所示。

data.viewed<-data.cons[data.cons$viewed==1,]

result3<-data.cpl[25<2013-data.cpl$YoB&2013-data.cpl$YoB<=30,]

result3$YoB<-"25-30歲"

論文擴展的四旋翼飛行器避障功能可以實現飛行過程中躲避空中的樹枝等有空隙的障礙物，但由于設計的避障程序并沒有考慮遇到沒有空隙的障礙物的情況，因此如果遇到墻壁等沒有空隙的障礙物時只能靠操作者自主躲避，曾想模仿二維走迷宮的算法使用堆棧存儲路徑做到自主尋路，但是由于空中環境的復雜性與四旋翼飛行器自身的限制，暫未發現高效算法來實現。四旋翼飛行器因其結構的對稱性以及正反槳的應用使其對比其他飛行器具有相對優秀的平衡能力與較為簡單的操作方法，可以預見隨著無人機的發展，在未來生活中它將會越來越大眾化，為人類帶來越來越多的便利，因此對四旋翼飛行器的結構、原理以及飛行動作進行探討具有較好的現實意義。

result4<-data.cpl[30<2013-data.cpl$YoB&2013-data.cpl$YoB<40,]

result4$YoB<-"30歲以上"

1）信息型文本：主要用于表現事物與事實，包括信息、知識、觀點等。側重傳遞原文的內容，語言具有邏輯性和指稱性的特點。

data.cpl3<-rbind(result1,result2,result3,result4)

傳文中，齊襄公滅紀國卻安葬紀伯姬，孔子稱賞他，許之以“侯”。《公羊傳》于此指出了復仇的又一條原則，即須光明正大，把握分寸。

2.2結果分析

圖1　k=4的均值聚類

result2<-data.cpl[20<2013-data.cpl$YoB&2013-data.cpl$YoB<=25,]

第Ⅰ類：學習者與課程交互的次數、與課程互動的天數、與章節交互的次數均占第3位，播放視頻事件的次數占第2位。該類學習者經常訪問在線平臺上的課程，在線學習按部就班，喜好播放視頻來獲取知識。

第Ⅱ類：學習者與課程交互的次數、與課程互動的天數、與章節交互的次數、播放視頻事件的次數均占第1位。該類學習者對課程學習有著持續的熱情，與課程參與度高，學習課程較完整，保持用視頻學習課程。

第Ⅲ類：學習者與課程交互的次數、與課程互動的天數、與章節交互的次數、播放視頻事件的次數均是最少。學習者很少參與在線平臺學習，只學習了課程的很少內容，這也說明在線學習需要學習者有很高的自律性。

第Ⅳ類：學習者與課程交互的次數、與課程互動的天數、與章節交互的次數均占第2位，播放視頻事件的次數占第3位。該類學習者在線學習的熱情較高、課程參與度較高，學習了大部分課程。

當變壓器處于理想的狀態下，會得出變壓器的參數的關系為：當空間參數處于運行的狀態時候，將其劃定為一次繞組的接電源和二次繞組的開路的狀態。此外變壓器在受到電壓的UI作用下在一次繞組的N1內所通過的電流I0將其稱之為空載電流。此外I0能夠產生磁通，可將其稱之為勵磁電流。在它的作用下，其中的二次繞組N2的兩端會感應出電動的實例，可將變壓器的變換關系式為：

將以上學習者分類與學習者基本信息及成績比較分析發現：

(1)受教育程度與學習者類型。將學習者分類與學歷對照，分析結果如圖2所示，發現該國在線進行實際學習活動的主要是碩士、本科和中學層次的學習者，分別占14%、69.7%和15.8%。其中74.2%的具有碩士學歷的學習者、85%的本科學歷學習者和82.9%的中學生具有第Ⅲ類特征，均遠高于這3種學歷中第Ⅰ、Ⅱ、Ⅳ類學習者所占的比率。可見，無論哪種學歷的學習者對該平臺使用之初的都具有一定的興趣，但是由于某些原因缺乏繼續學習的動力。

(2)學習者性別與學習者類型。將學習者分類與性別對照，結果如圖3所示。盡管男女學習者中屬于第Ⅲ類的人數比率都很高，都表現出學習動力不足，但女性學習者具有第Ⅲ類特征人數比率為58.3%，略低于男性具有此類人數的比率，說明實際學習階段女性學習者參與積極性略高于男性學習者。

圖2　各類學習者的學歷分布

圖3　各類學習者的性別分布

(3)學習者年齡與學習者類別。圖4給出各年齡層次的學習者分布，由圖可見有實際學習行為的學者年齡介于15歲到35歲之間，其中65.2%學習者年齡介于20歲至25歲之間，這與以上分析得出絕大多數學習者是本科學歷的結果相符合。將學習者分類與年齡對照，得出各個類別學習者的年齡分布，結果如圖5所示。第Ⅰ、Ⅱ、Ⅳ類學習者基本上年齡為25歲及其以下，而25歲以上的學習者中97.8%是第Ⅲ類學習者，可見在線學習參與性較高的學習者年齡集中在25以下。

花朵之所以色彩斑斕，大多是由于其細胞內含有花青素、類胡蘿卜素等色素。然而，花朵呈白色并不是因為白色花朵的細胞中含有白色的色素，而是由于其花瓣中含有很多填充了空氣的小泡和細胞間隙。當外界光線射入花瓣后，會發生強烈的全反射和漫反射。反射的光線進入人眼后，我們就會看到花瓣呈現出白色。

圖4　學習者的年齡分布

圖5　各類學習者的年齡分布

(4)學習者類別與學習者成績。圖6給出學習者成績區間與學習者數量關系，由圖可見成績合格的學習者人數非常少，與完成課程學習內容量相關。學習者類別與成績對照，結果如圖7所示，發現第Ⅰ、Ⅱ、Ⅳ類學習者的分數均很低，而參與性較低的第Ⅲ類學習者中雖然低分者占絕大多少，但是卻有少數學習者獲得了較高的分數。用R語言查詢這些高分獲得者的信息，發現除了有少數聚類誤差的樣本外，這些學習者大多數與課程互動的天數和播放視頻事件的次數較少，與課程交互的次數和與章節交互的次數較多，可見他們學習時間集中在某些天，課程學習覆蓋面大，視頻播放中斷次數較少。

許多研究和事實表明，有效的教學過程不能排除游戲的“必然”和“自然”成分。游戲，像實驗、練習和考試一樣，是一種教學的方法或技術媒介。教學游戲是一種非常實用的教學手段，教學游戲有助于激發學生的學習動力，提高學生的學習興趣，提高課堂教學效率。

圖6　學習者的成績分布

圖7　各類學習者的成績分布

3結束語

在線學習提供豐富的學習體驗和多樣的學習路徑,在既往教學中所起的積極作用已得到證實。在線學習管理和支持系統儲存了大量的學習行為數據，對收集來的數據進行分析，對在線教學活動各要素的改進具有重要意義。從分析實例可以看出，利于R分析學習者學習數據，劃分不同學習者特征群組，進一步分析后可以發現一些有意義的結果，對教學工作人員、研究人員和平臺建設人員，發現問題并找出原因，提高在線學習效果具有一定價值。

參考文獻：

[1]曹良亮.在線學習中學習路徑分析及學習行為特點研究[J].中國遠程教育,2014(4):25-30.

[2]馬秀峰,李彤彤,劉冬.學習風格對在線學習交互程度影響的實驗研究[J].開放教育研究,2011,17(4):96- 101.

[3]王楠,喬愛玲.在線學習活動本質及理論基礎探究[J].中國遠程教育,2009(1):36-40.

[4]魏順平.在線學習行為特點及其影響因素分析研究[J].開放教育研究,2012,18(4):81-90.

[5]王澤.網絡環境下在校學習者特征模型的構建研究[J].中國電化教育,2010(3):58-61.

[6]陳蓉琳.基于不同學習風格類型的大學生在線學習交互研究[J].教育與職業,2012(6):178-180.

[7]傅鋼善,李運福.網絡學習焦慮與空間定位感間作用關系研究——基于Felder-Silverman學習風格的群體差異分析[J].電化教育研究,2015(1):103-109.

[8]衷克定,劉洋.基于學習風格理論的在線導學策略設計與實踐[J].開放教育研究,2012,18(3):83-89.

[9]Durairaj K, Umar I N. A proposed conceptual framework in measuring social interaction and knowledge construction level in asynchronous forum among university students[J]. Procedia-Social and Behavioral Sciences,2015(176):451-457.

[10]Durairaj K, Umar I N. Analysis of students’ listening behavior patterns in an asynchronous discussion forum [J]. Procedia-Social and Behavioral Sciences,2015(176):27-34.

[11]Grosch M, Berger R, Gidion G, et al. Which Media Services Do Students Use In Fact? Results Of An International Empirical Survey[J]. Procedia - social and Behavioral Sciences,2014(141):795-806.

責任編輯：程艷艷

Clustering Analysis of Online Learners′ Characteristics Based on R

CHENG Xiang

(Centre for Information Technology, Anhui Economics and Management Institute, Hefei 230059， China)

Abstract：This paper studies a method of online learners′ characteristics clustering analysis. With an open data set as an example, it extracts learners′ characteristics vector according to clustering thinking and gives a process of learners′ characteristics clustering analysis based on R software. This study suggests that different performance of various types of learners could be distinguished effectively by analyzing the data captured from learning system, which is helpful to improve the efficiency of online learning.

Keywords：online learning; clustering analysis; open data; learners′ characteristics

收稿日期：2015-3-10

基金項目：安徽省社會科學知識普及規劃項目(14GH064)；安徽經濟管理學院課題(YJKT1516YB04)

作者簡介：程香(1982-)，女，安徽合肥人，實驗師，碩士，主要從事計算機應用、軟件性能分析研究。

中圖分類號：TP3

文獻標志碼：A

文章編號：1009-3907(2016)06-0031-04