基于k-means 算法的學生在線學習行為研究

蹇旭，陳婷

（阿壩師范學院 計算機科學與技術學院，四川 汶川 623002）

在大數據時代下，我國社會的各個行業都在產生海量的數據，并隨著現代信息技術的發展逐漸形成“互聯網+”的行業模式[1-2].在教育行業中，“互聯網+教育”這種新型的學習模式，依托在線學習平臺，促使學生的學習模式從傳統的課堂教學向傳統與在線平臺相結合的模式轉型.然而，隨著在線學習平臺用戶數量的增加和技術的發展成熟，這種模式也面臨著挑戰[3-4].由于互聯網學習的自由性，在線學習課程完成率成為了當前教育人員重點關注的問題[5].在此背景下，大量業界學者及相關人員對學生的在線學習行為進行分析探討，以提高在線學習的成績.有學者認為，對學生在線學習行為進行研究，挖掘其數據并歸納分類，總結在線學習行為模式，從而幫助在線學習平臺優化自身的服務結構，推動“互聯網+教育”新型學習模式的發展[6].學習者的行為數據是研究學生在線學習行為的前提和基礎，但由于目前平臺數據呈現海量分散的特點，導致采集數據缺乏全面性，數據分類效率和準確性較低，影響在線學習行為研究結果的可靠性.

本文結合k-means 聚類分析的算法，針對學生在線學習行為進行研究，以期獲得更為精準的在線學習行為研究結果.

1 采集學生在線學習行為數據

與傳統教學模式相比，在線學習作為打破時空限制的新型學習模式，同樣涵蓋多種學習者的學習行為，如根據教學者提前布置的任務進行預習，觀看課堂視頻資源，課后完成作業及學習者之間相互的溝通交流等，這些在線操作都會留下痕跡并且產生海量的數據[7-8].如何全面有效地采集學生在線學習數據成為研究在線學習行為的基礎，也是學生在線學習行為分類的基礎.由于學生學習行為數據類型多樣，海量且復雜，為全面覆蓋并采集，可以借助xAPI 技術模型，減少數據采集過程中的遺漏，其流程見圖1.

圖1 在線平臺學生數據采集流程

根據圖1采集流程可知，學生在線學習過程中產生的數據大致分為2類，即個人信息和學習行為數據.學生個人信息的采集流程較為簡單，在學生首次注冊在線學習平臺賬號時進行，之后輸入到關系型數據庫并根據特征分類儲存.學生學習行為數據的采集則更為重要，首先根據學生在線學習時的操作記錄，形成一個原始未經處理的學習行為數據庫，其次利用模型對海量數據進行讀取和識別的預處理，并大致分為4類：學生軌跡數據，具體表現為在線學習過程中的瀏覽痕跡等；在線學習的核心學習行為，具體內容為學習者觀看了何種視頻資源或課件；社交交互行為，即學生在學習過程中的交流頻率如何；學習評價行為，代表某一階段的學習結束后，學生利用在線學習平臺獲得的評價.根據不同類別學習行為中設定的評價指標對學生在線學習行為進行屬性評價[9-10].

利用xPAI 技術模型采集數據可以將學習行為數據單獨進行提取，盡量提高覆蓋率，避免遺漏.同時，在儲存前對采集數據進行預處理，降低學習行為原始數據的重復率，為研究學生在線學習行為提供數據處理上的保障.

2 利用k-means 算法分類在線學習行為

k-means 算法是以種類劃分為基礎的聚類算法，其種類劃分的標準是度量每個數據的距離相似性，該算法能夠高效迅速地對數據進行處理，因此常用于對大規模海量數據進行聚類處理.首先，k-means 算法要求給定一個包含大量數據樣本的數據集以及聚類數目的具體數值；其次，隨機抽取樣本作為算法初始的中心點，再計算其余樣本與初始中心點間的距離，以此來度量某一樣本與哪一個中心點更為相似，就將其歸入中心點所在的簇類中，并繼續計算.根據結果不斷變化簇類的中心點，直到將誤差降低到最小時停止.利用k-means 算法對數據進行聚類計算的流程可以用公式表達，給定樣本集合K

式中：n為樣本容量；C為選取樣本的屬性集合；x與j分別代表集合K中第x個數據共有j個屬性.在選取樣本集后，可用確定簇類中心

式中：B為數據集中所有簇類中心的集合；Iv為中心點的屬性集；v和d依舊為中心點Iv有d個不同的屬性，共有m個簇類需要計算.當數據集合和簇類中心都確定后，即可對兩者的相似性距離進行計算和度量

式中：Cx與Iv分別為數據集合中的某數據與已經完成設定的簇類中心點；T為數據與簇類中心點相似性距離的度量值，共需計算d個屬性；其中x，v分別有自己固定的取值范圍.基于k-means 算法，可以快速高效地對海量學生在線學習行為數據進行劃分，依據度量相似性計算判斷某一特定的學習行為數據屬于何種類別，并盡可能地減少分類過程中產生的誤差，為系統研究學生在線學習行為提供數據處理前提和技術基礎.

3 設定在線學習行為評價指標

利用模型對學生在線學習行為數據進行采集后，為進一步準確分析采集數據與實際發生的學習行為之間的關聯性，需要針對學習者在線學習的不同行為設定相應具體的評價指標，為此應首先明確學習者在進行在線學習的具體流程（見圖2）.

圖2 學生在線學習行為進行過程

根據在線學習行為數據采集過程中區分的類別，可將圖2 中闡述的在線學習行為過程與其對應，總結為登錄軌跡、核心學習、社交交互和學習評價4大階段，并基于此流程，分別設定4 個階段中的評價指標（見表1）.

表1 在線學習行為階段性指標

由表1 可知，在對海量學生在線學習行為數據進行采集和挖掘后，通過設定指標解析在線學習行為過程，可以將學生在線學習行為4 個階段的評價標準具體化，用具體的次數、時間和頻率等數值反映諸多學習行為因素對學生在線學習效果的影響.基于對在線行為數據的指標具體化，利用評估模型對數據指標與實際學習行為間的關聯性進行分析，抽選出對學生在線學習效果影響最深刻的學習行為屬性，可以在未來的研究中重點優化這一屬性，充分發揮學生在線學習行為研究的重要作用，增強研究的現實意義.

4 構建在線學習行為評估模型

基于k-means 分類算法，采集學生在線學習行為數據并設定具體對應的指標后，構建在線學習行為評估模型，直接呈現學生在線學習結果.在線學習行為評估模型的建立，要明確評價的目標、方法及結果的呈現方式等要素，并要注重跟隨學習者在進行在線學習行為過程中的變化和發展，將動態變量融入評估模型中，實時地反映學生在線學習行為的評價結果.除了闡述的外部指標外，構建評估模型還應盡可能納入內部衡量標準，例如：學生是否具備獨立進行在線學習的能力，在線學習行為發生時的學習態度和學習動機以及在完成在線學習后學生對自己日后學習行為的預期是否提高等，具體占比權重為

式中：W為評價指標占比權重值；Ymax為最大特征根；k為評價指標標準值的總和.在占比權重值的基礎上進行學習行為的研究分析，具體方式為

式中：R為學習行為的學習結果；m為所要研究指標的具體數據；mmax和mmin分別為其最大值和最小值，得出對學生在線學習行為研究分析的最終結果.由此可見，在線學習行為評估模型大致的運行機制，即同時對內部因素和外部標準中的線性指標進行評價，計算占比權重之后形成在線學習者主觀意向和學習效果在數據上的反映，作為評估結果反饋給教學者，使在線學習行為評估模型成為一個循環式研究方法.

5 實驗測試與分析

5.1 準備工作

為測試本文提出的基于k-means 算法的學生在線學習行為分析方法在實際應用中的準確性和可靠性，將本校計算機專業大三A 班的46 名學生作為測試對象，對該班級學生的在線學習行為進行分析，采用本文方法構建的學生在線學習行為評估模型，根據評估結果對學生期末成績進行預測.經過1周時間的調查，對該班級46 名學生的在線學習情況進行統計，結果見表2.

表2 A 班學生在線學習情況

在此引入指標隸屬度的概念，即在線學習行為數據與指標平均值之間的距離.在對學生在線學習結果進行評估時，指標隸屬度將學習行為結果劃分為不同的等級，用具體數值作為學生在線學習結果的直觀呈現.利用本文研究方法，在A 班的46 名學生中，隨機抽取1 名學生S 作為測試對象，對其在線學習行為進行評價研究，驗證此方法的可行性.

5.2 實驗結果

利用本次研究方法對學生的在線學習行為進行指標隸屬度的記錄，并根據公式（4）（5）計算出具體指標的占比權重隸屬度.具體數據見表3.

表3 S 學生在線學習行為指標隸屬度

由表3 數據可知，S 學生在出勤、觀看資源視頻及避免不良記錄方面表現良好，作業完成和討論參與指標效果并不理想.為保證此次實驗結果的可靠程度，選取S 學生參與的6門科目作為評價學生成績的6個指標，即U={u1,u2,… ,u6}，評級為V={v1,v2,…,v5}，分別對應“優秀、良好、中等、及格、不及格”，95～100 分為優秀，85～94 分為良好，75～84 分為中等，60～74 分為及格，60 分以下為不及格.根據S 學生行為指標的隸屬度對其考試成績進行預測.將本文提出的基于k-means 算法的學生在線學習行為分析方法作為實驗組，將文獻[6]提出的MOOC 學習者在線學習行為和學習績效評估模型作為對照組，共同對S 學生的期中考試成績進行預測計算，并與S 學生的實際成績進行對比，預測成績與實際成績越相近，說明學習行為分析方法的預測成績準確性越高.具體結果見表4.

表4 不同方法預測成績與實際成績對比

由表4 記錄的數據可知，實驗組的預測分數與實際成績分數之間的誤差分值可控制在2 分以內，而對照組的預測分數與實際成績分數之間的誤差分值為3～6 分.由于對照組的誤差分值較大，可以看出對照組對于S 學生的成績評級與實際成績評級有一定出入，u1科目應該是良好卻評定為中等，u3科目應該是優秀卻評定為良好，u5科目應該是良好卻評定為優秀；而實驗組的評定結果與實際成績的評定結果完全一致，能夠證明本文設計的基于k-means 算法的學生在線學習行為分析方法能夠對學生的學習行為進行準確的分析，分析結果較為準確，結果具有一定的可靠性.

6 結語

本文的學生在線學習行為研究方法在借鑒傳統方法的不足和經驗后，引入k-means 聚類算法，為學生在線學習行為研究提供更加準確高效的選擇.但由于在線學習平臺的不斷更新和發展，學生的在線學習行為也會增加，相應的評價指標如果沒有變化，就會造成研究結果的偏差加大，這種實時動態變化的機制是研究在線學習行為所面臨的挑戰.今后可以逐步強化評價指標的全面性，盡力縮小研究結果的誤差范圍.