年晴



摘要:為了實現漢語言在線學習用戶學習行為聚類分析,針對FCM聚類結果易受其初始聚類中心選擇的影響,提出一種基于IHSFCM的漢語言學習用戶學習行為聚類分析。選擇參與維度、專注維度、規律維度、交互維度和學習成績等作為學習行為的分析指標,學習者層次分為5個等級,分別為優秀、良好、中、合格和差。與HSFCM、SVM和決策樹對比發現,文中算法IHSFCM具有更高的聚類準確率和更快的收斂速度以及更低的適應度,為學習者層次劃分和優化課程學習提供了新的方法。
關鍵詞:在線學習;漢語言;學習行為;模糊均值聚類;和聲搜索算法
中圖分類號:TP391
文獻標志碼:A
StudyontheLearningBehaviorModelofChineseLanguage
LearnersBasedonImprovedFuzzyCmeansClustering
NIANQing
(
SchoolofHumanitiesManagement,ShanxiUniversityofTraditionalChineseMedicine,Xian712046,China
)
Abstract:InordertoanalyzethelearningbehaviorofChineselanguageonlinelearners,duetoFCMclusteringresultsareeasilyaffectedbytheinitialclustercenterselection,thispaperpresentsaclusteringanalysisofChineselanguagelearningbehaviorbasedonIHSFCM.Participationdimension,attentiondimension,regularitydimension,interactiondimensionandlearningachievementareselectedastheanalysisindexesoflearningbehavior.Thelearners'levelisdividedinto5grades,i.e.,excellent,good,medium,qualifiedandpoor.ComparedwithHSFCM,SVManddecisiontree,theIHSFCMhashigherclusteringaccuracy,fasterconvergencespeedandlowerfitness.Itprovidesanewmethodforlearnerstodivideandoptimizecourselearning.
Keywords:onlinelearning;Chineselanguage;learningbehavior;fuzzyCmeansclustering;harmonysearchalgorithm
0引言
隨著我國經濟的快速發展和綜合國力的不斷上升,對外交流和對外貿易的深度和規模不斷加深和擴大以及網絡教學和在線課程的飛速發展,漢語言學習的人數和規模不斷增加和擴大,積累了大量的學習數據,如何利用這些學習數據挖掘出學習數據的內在價值更好地服務于漢語言的教與學,引起了廣泛關注和研究[12]。因此研究漢語言學習用戶的學習行為對優化課程教學和完善課程評估具有重要意義。
模糊C均值(FuzzyCmean,FCM)聚類[3]是運用隸屬度確定每個數據樣本類別的方法,具有效率高、計算量小的優點,然而FCM聚類結果易受其初始聚類中心選擇的影響,本文將和聲搜索算法(HarmonySearch,HS)應用于FCM初始聚類中心的選擇,提出一種基于IHSFCM的漢語言學習用戶學習行為聚類分析。研究結果表明,IHSFCM具有更快的收斂速度和更低的適應度,效果較HSFCM更優,為漢語言課程學習優化提供科學決策的依據。……