大数据环境下在线学习绩效的监测预警模型构建与应用——基于非线性门限回归模型

从学习绩效理论视角出发，基于非线性门限回归模型构建适用于大数据环境下的在线学习绩效监测预警模型，并应用预警模型对某开放大学的学生在线学习情况进行实证研究。研究结果表明，与线性回归模型相比，基于门限回归模型所构建的在线学习绩效监测预警模型具有更高的预测精度，能够融合学习行为、学习满意度和学习结果等多维度数据信息，对在线学习绩效发出比较准确的监测预警信号。在实践应用层面，非线性门限回归模型可以作为在线学习绩效监测预警系统开发与应用的“信息处理中枢”,以在线学习全景数据多维信息为支撑，通过对在线学习绩效的立体化展示，为学习者、教师和教育管理者提供更加有效的学习改进策略建议。