<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">ETR</journal-id><journal-title-group><journal-title>Educational Theory and Research</journal-title></journal-title-group><issn>2995-3448</issn><eissn>2995-3456</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/ETR.9560</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>基于平台数据挖掘的大学生在线学习行为画像的构建</title><url>https://artdesignp.com/journal/ETR/2/20/10.61369/ETR.9560</url><author>李晓红,金伟锋</author><pub-date pub-type="publication-year"><year>2024</year></pub-date><volume>2</volume><issue>20</issue><history><date date-type="pub"><published-time>2024-11-22</published-time></date></history><abstract>通过对网络教学环境下大学生在线学习行为特点的分析，构建大学生在线学习行为画像。首先，在已有研究理论基础上，将学生的在线学习行为归纳为四个维度七个指标。然后，采用相关性分析指标之间以及指标与总成绩之间的相关性，确定核心指标。最后，以七个指标对大学生的学习行为进行聚类分析，将学习行为分为四个类别，分析四个类别的特点，探讨大学生在线学习行为的特点和规律。</abstract><keywords>在线学习行为,数据挖掘,交互式行为,聚类分析</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1]孙志梅，张屹．智慧课堂环境下独立学院学生课堂投入度及影响因素研究&amp;mdash;&amp;mdash; 以《大学生计算机基础》课程为例［J］．中国教育信息化，2020,(16):11-15.[2] 钟园博．在线学习环境下大学生学习投入度及影响因素研究［D］．重庆师范大学，2023.[3]Nistor N, Derntl M, Klamma R. Learning Analytics: Trends and issues of the empirical research of the years 2022-2014［C］．Design for Teaching &amp;amp; Learning in a Networked World European Conference on Technology Enhanced &amp;nbsp;Learning,2015:453-459.[4]李曼丽，徐舜平，孙梦嫽．MOOC学习者课程学习行为分析：以电路原理课程为例［J］．开放教育研究，2015,21(2):63-69.[5]陈圆圆，刘盛峰，董克．基于数据挖掘的成人学习者在线学习行为与学习效果分析［J］．安徽广播电视大学学报，2019,(1):38-42.[6]朱红．高校学生参与度及其成长的影响机制&amp;mdash;&amp;mdash; 十年首都大学生发展数据分析［J］．清华大学教育研究，2010,31(06):35-43+63.[7]王纾．研究型大学学生学习性投入对学习收获的影响机制研究&amp;mdash;&amp;mdash; 基于2009年&amp;ldquo;中国大学生学情调查&amp;rdquo;的数据分析［J］．清华大学教育研究，2011,32(04):24-32.[8]汪雅霜．大学生学习投入度的实证研究&amp;mdash;&amp;mdash; 基于2012年&amp;ldquo;国家大学生学习情况调查&amp;rdquo;数据分析［J］．中国高教研究，2013,(01):32-36.[9]张思，刘清堂，雷诗捷，等．网络学习空间中学习者学习投入的研究&amp;mdash;&amp;mdash; 网络学习行为的大数据分析［J］．中国电化教育，2017,(4): 24-30、40.[10]王晶． 清华大学网络学堂学生使用情况统计与分析［J］． 现代教育 技术，2014,(7):106-119.[11]梁云真，赵呈领等．网络学习空间中交互行为的实证研究［J］．中国电化教育，2016,(7): 22-28.[12]朱珂．网络学习空间中学习者交互分析模型及应用研究［J］．电化教育研究，2017,(5): 43-48.[13]俞建慧．在线学习环境下基于交互视角的情绪分析及干预研究［D］．浙江师范大学，2022.DOI:10.27464/d.cnki.gzsfu.2022.000154.[14]刘君玲．在线协作学习中情绪交互的过程机理与干预策略研究［D］．陕西师范大学，2020.DOI:10.27292/d.cnki.gsxfu.2020.002665.[15] Ferguson R, Clow D. Examining engagement: Analysing learner subpopulations in massive open online courses (MOOCs)［A］．ACM, Proceedings of the Fifth International Conference on Learning Analytics And Knowledge［C］．ACM, 2015:51-58.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
