[发明专利]学习行为分析方法及系统

说明书

本发明提供了一种学习行为分析方法及系统，该方法包括：采集学习行为数据；根据所述学习行为数据，基于预设的多最小支持度关联规则算法，分析得到学生的学习行为规则。利用本发明，提高了学生的学习行为差异分析的准确性，提高了教学效率。

技术领域

本发明涉及数据分析领域，具体涉及一种学习行为分析方法及系统。

背景技术

教育是关乎国计民生的社会重要领域，大数据作为社会变革的一股洪流，正在成为推进教育创新发展的科学技术与教育系统变革的颠覆力量。

近年来，大数据引起了学术界教育研究者、产业界平台与应用实践者以及行业界管理与决策者的广泛关注。随着全球教育信息化的快速发展，教育数据正在以几何级的规模递增。除了传统学校教育产生的数据外，互联网教育市场每天也在产生海量的教育数据。

大数据技术允许中小学和大学分析从学生的学习行为、考试分数到职业规划等所有重要的信息。许多这样的数据已经被诸如美国国家教育统计中心之类的政府机构储存起来用于统计和分析。而近年来越来越多的网络在线教育和大规模开放式网络课程横空出世，也使教育领域中的大数据获得了更为广阔的应用空间。专家指出，大数据将掀起新的教育革命，比如革新学生的学习、教师的教学、教育政策制定的方式与方法。

教育领域中的大数据分析最终目的是为了改善学生的学习成绩。成绩优异的学生对学校、对社会、以及对国家来说都是好事。不同的学习行为和习惯会导致不同的考试成绩，学生的学习行为数据中有一系列重要的信息往往被我们常规的研究所忽视。而通过分析大数据，我们就能发现这些重要信息，并利用它们为改善学生的成绩提供个性化的服务。

目前，研究成绩好/差学生的学习行为差异时,多采用问卷调查或经验式判断，通过在课堂上观察不同学生的上课学习行为来分析和判定行为差异。没有结合学生在线学习过程中的不同行为或离开课堂之后学习行为进行记录，这样无法保证学习行为差异分析的全面性和准确性。

发明内容

本发明的目的是提供一种学习行为分析方法及系统，以期提高学生的学习行为差异分析的准确性，提高教学效率。

本发明提供了一种学习行为分析方法，其中，包括：

采集学习行为数据；

根据所述学习行为数据，基于预设的多最小支持度关联规则算法，分析得到学生的学习行为规则。

优选地，所述学习行为数据包括课后学习行为数据和课中学习行为数据。

优选地，所述采集学习行为数据之后，所述方法还包括：

对所述学习行为数据进行预处理。

优选地，所述根据所述学习行为数据，基于预设的多最小支持度关联规则算法，分析得到学生的学习行为规则包括：

将一定时间内发生的学习行为数据作为一个子项集，将多个子项集集合，形成事务集；

根据所述事务集和所述多个子项集集合，并基于多最小支持度关联规则算法，生成频繁项集集合；

根据所述频繁项集集合，得到学生的学习行为规则。

优选地，所述根据所述事务集和所述多个子项集集合，并基于多最小支持度关联规则算法，生成频繁项集集合包括：

将各个所述学习行为数据作为各项，形成第一项集；

确定所述第一项集中各项的第一支持度；

基于所述第一支持度和预先确定的权重值确定所述第一项集中的各项的最小项支持度；

将所述第一项集作为候选1项集；

根据所述各项的最小项支持度，基于设定的条件确定第二支持度；