学生在线学习行为基于xAPI规范的数据采集、其他维度数据分类、学生在线行为数据分类示例.docxVIP

（资料性）

基于xAPI规范的数据采集示例

例句：小学生张圃肇获得了一个小学数学课分数80分

{

id:2552eb0b-ebcb-4b43-9195-5effa33abb7b,

actor:{

objectType:Agent,

name:张圃肇,

openid:cb31e335-b849-4b30-a997-c9abdcfc2202

extensions:{

LearnSectionID:11,

}

},

verb:{

id:/projects/project-setc-student-development-data-gathering-lms-verb/wiki/Got

},

object:{

id:/test/started,

definition:{

name:{

zh_CN:课程测试

},

type:/projects/project-setc-student-development-data-gathering-lms-verb/wiki/Assessment

extensions:{

LearnSectionID:11,

CourseID:22

Score:80

}

}

},

timestamp:2018-12-07T12:18:28.934Z,

stored:2018-12-08T01:31:05.818Z

（资料性）

其他维度数据分类示例

本文件参照GB/T38667-2020，提供其他维度的学生在线学习行为数据分类参考见表B.1，可作为学生在线学习行为数据的属性设计、标签体系设计、既定场景的数据分析提供参考。

其他维度学生在线学习行为数据分类参考表

分类视角

分类维度

维度释义

分类要素

类别

适用场景

技术选型维度

按行为产生频率分类

指根据数据产生的频率（单位时间内产生的数据量或达到指定数据量的频率）对数据进行分类，如高频行为、低频行为等。

按产生频率分类的要素包括：

a）数据产生周期，如秒、分、时、天、周、月、季度、半年、年等；

b）单位周期中数据的产生量，可以以记录条数表示或者以数据占用空间表示，如百万条记录、千万条记录、ＧＢ级数据、ＴＢ级数据等。

每年更新数据、每月更新数据、每周更新数据、每日更新数据、每小时更新数据、每分钟更新数据、每秒更新数据、无更新数据等

如根据数据产生频率判断资源分配合理性和数据分析价值等。

按产生方式分类

指按照数据的产生方式对数据进行分类，如直接行为、二次加工的指标行为等。

数据被加工的程度，如原始数据（如通过埋点在学习管理系统直接采集的操作行为）、二次加工的指标类数据（如“反复观看”、“跳跃观看”，需通过“开始”、“暂停”等原始数据结合时间戳信息分析形成）等。

人工采集数据、信息系统产生数据、感知设备产生数据、原始数据、二次加工数据等。

如确定数据采集方案、数据保护方案和数据处理方案等。

表B.1其他维度学生在线学习行为数据分类参考表（续）

分类视角

分类维度

维度释义

分类要素

类别

适用场景

按稀疏程度分类

指根据数据的稀疏稠密程度对数据进行分类。

主要包括数据稀疏程度评价标准，即数据集中数值缺失或者为零的数据所占比例。如空值或零值小于50％的数据为稠密数据，空值或零值大于或等于50％的数据为稀疏数据。

稠密数据和稀疏数据。

如根据单位时间内数据的量级进行数据价值密度分析判断等。

按处理时效性分类

指根据数据处理的时间延迟要求对数据进行分类。

ａ）数据处理延迟时间要求，即应用场景是否对处理延迟时间有明确的上限要求；

ｂ）数据价值时效性，即数据应用价值随时间推移的有效性；

ｃ）数据处理量，即延迟上限时间内需处理多少量级的数据。

实时处理数据、准实时处理数据和批量处理数据。

如根据数据时效要求安排业务顺序和资源投入等。

按交换方式分类

指根据数据在提供方和接收方之间交换的方式对数据进行分类。

ａ）数据交换双方之间的网络状况，即交换双方之间的网络是否互通；

ｂ）数据在交换双方之间的同步实时性要求；

ｃ）单次交换的数据量；

ｄ）数据交换的频次，如固定频率交换、固定时间交换或按需交换等。

xAPI方式（推荐）、ETL方式、系统接口方式、FTP方式、移动介质复制方式等。

如根据不同交换方式对大数据共享便利程度的影响，规划信息交换系统架构等。

表B.1其他维度学生在线学习行为数据分类参考表（续）

分类视角

分类维度

维度释义

分类要素

类别

适用场景

业务应用维度

按数据质量分类

指根据数据的质量差异对数据进行分类。

ａ）数据的准确性，即数据是否存在异常、错误或过时；

ｂ）数据的完整性，即数据是否存在缺失及缺失程度；

ｃ）数据的一致性，即数据内容是否遵循统一规范；

ｄ）数据的及时性