基于数据挖掘的开放教育在线学习者学业行为分析与成绩预测

基于国开学习网平台的课程数据，运用教育数据挖掘的研究方法，采用Pearson、Spearman和Kendall等统计算法分析了在线学习者学业行为与成绩的相关性特点，相比浏览资源数、浏览其他信息数两个在线学习行为，浏览活动数、行为动作数与学业成绩存在更为显著的相关关系；借助神经网络、决策树、K最近邻、朴素贝叶斯、支持向量机等监督分类算法进行了学业成绩的分类预测，并对各分类算法模型进行了评估，确定了K最近邻预测模型在学业成绩的分类预测上性能最优；根据研究结果给出了在线学习过程中进行及时教学干预的建议，以期为教师了解在线学习者学习情况、学习者提高在线学习效果、管理者优化教育决策提供有益的参考。