基于区域智慧教育平台的学生在线学习行为分类与迁移分析.pdfVIP

摘要

随着信息技术的不断发展和互联网的广泛覆盖，网络学习作为一种重要的学习

方式，正逐渐成为中小学教育的重要组成部分。智慧教育平台为学生提供了丰富的

数字化学习资源和学习工具，已成为重要的在线学习载体。现有研究表明，挖掘学

生的在线学习行为表现及其变化规律能够显著提升学习效果和学习体验，但关于中

小学的在线学习行为研究还相对较少。因此，亟需开展对中小学在线学习平台上的

学生学习行为及其迁移规律的研究，为优化在线教育平台和制定个性化教学策略提

供理论指导和实践参考。

本文以N省中小学智慧教育平台为研究对象，利用2023年一整年的学生在线

学习行为数据，深入探究了在线学习平台上学生的学习行为表现及其迁移规律。针

对中小学生在线学习行为模式识别问题，本文设计了基于聚类集成的在线学习行为

分类模型。首先，从原始日志数据中提取学生学习行为频次特征，构建学习行为数

据集；其次，分别使用K-Means、GMM和DBSCAN三种聚类方法生成多个聚类结

果；再次，通过加权投票法对多个聚类结果进行集成得到最终的聚类结果；最后，

根据聚类结果的特征对学生的学习行为进行分类。在学生分类数据的基础上，结合

时间序列信息，构建了每名学生的学习状态迁移序列，进一步从三个维度分别剖析

学生学习状态的迁移规律。首先，探究总体学习行为迁移随时间动态变化过程，揭

示了不同时间段内学生学习状态的占比和趋势；其次，探究学习行为迁移存在的模

式，了解学生在各学习状态之间的迁移情况；最后，将学习行为指标作为迁移分析

的因子，分析典型的迁移发生时哪些行为特征发生了变化。

研究结果表明，学生的学习行为可被划分为浅尝辄止型、多维探索型、内容专

注型和深度学习型四种类型。这四种类型在学习行为特征上存在显著差异，浅尝辄

止型的学生自主探索学习的投入较低，多维探索型的学生喜欢尝试不同的资源和学

习方式，内容专注型的学生对读书频道或特定内容的关注度较高，深度学习型的学

生对学科课程视频学习的参与度最高。此外，学生学习行为迁移的高峰期为2月、

6月和12月。主要存在正向迁移、负向迁移、循环迁移和保持稳定四种迁移模式，

这些迁移模式揭示了学生学习状态的动态变化过程。典型迁移行为分析进一步揭示

了学生在不同学习状态间迁移的具体表现差异。例如，当学生发生负向迁移时，其

平台访问次数和课后学习的积极性会显著降低；而发生正向迁移时，学生对平台内

I

容的专注度会提高，这种专注度不仅限于学科课程资源。这些发现有助于教师更好

地理解学生的学习状态变化，从而针对性地制定教学策略。

本研究有助于深化对中小学生在线学习行为的理解，为开展个性化教育提供理

论依据。通过探索区域智慧教育平台所蕴含的学习行为信息，能够为智慧教育平台

的建设和优化提供实证基础，推动智能技术在基础教育的创新应用，最终实现更加

个性化、更加高效的教育模式。

关键词：在线学习行为；聚类集成；学习状态迁移；智慧教育平台；中小学

II

Abstract

Withthecontinuousdevelopmentofinformationtechnologyandthewidespreaduse

oftheInternet,e-learning,asanimportantmodeoflearning,isgraduallybecomingan

importantpartofprimarya