基于全连接神经网络的在线学习行为分类判别

摘要：

针对教育者难以对学习者多样化的学习行为进行监测和预警问题,提出一种基于全连接神经网络的网络学习者学习行为分类模型,来探究不同学习者的学习特点.首先提取智慧树平台收集的学习者活动数据,剔除当中个人信息部分,选取在线学习行为数据形成数据集;然后进一步清洗数据并对学习行为相关数据进行数据标准化处理;最后搭建全连接神经网络进行学习行为判别.实验结果表明,该模型对于智慧树不同课程中的学习者学习行为分类准确率保持在95.6%以上,与其他神经网络模型相比,该方法在准确率和耗时上均有显著提升,具有很好的应用价值.

关键词：在线学习行为、学习者分类、全连接神经网络、大规模在线开放课程、数据标准化处理、分类准确率

所属期刊栏目：46

分类号：TN711-34;TP391(基本电子电路)

资助基金：教育部产学合作协同育人项目;云南省高校本科教育改革项目;昆明理工大学课程思政教改专项;昆明理工大学课程思政示范课程大学计算机-计算思维

在线出版日期：2023-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：89-94