网络远程教育学习行为效果的分析论文

　　摘要：信息化教学手段迅猛发展，为电大学员学习带来前所未有便利。文中以电大宣城分校学员的学习行为研究对象，使用关联规则挖掘有效网络远程教育学习行为模式，对电大网络教育学习管理水平提高和学员学习评价模式的改善具有重要的意义。

　　关键词：网络；学习行为；学习效果；关联规则

　　随着网络不断提高，国内各高校都在采用信息化教学手段，其中远程教育是其中重要的形式。电大宣城分校作为成人再教育平台，更应注重网络平台开展教育教学。然而那些学习行为有助提高教学效率了，国内外学者在网络学习活动评价的理论发展研究[1]，本文是首次采用以宣城电大的本科学员为研究对象，通过网络学习行为，使用关联规则[2]分析不同行为对网络学习效果的影响，从而提出高效的网络学习行为模型。

　　1网络远程学习风格

　　1.1行为主义与行为科学

　　行为科学是一种方法和理论用于解释社会学等其他学科。后来又有学者将行为科学管理心理学等。经常用于研究人与人在参与组织活动表现出行为，在此基础上对产生原因进行研究和分析，涉及动机、欲望、道德等。

　　1.2学习风格

　　影响学习风格有很多方面，其中DunnR和DunnK的观点[3]影响力大。他们观点是学习风格受到多方面影响包括环境、社会胜利等，而且个体在学习过程有从接收到储存到最后使用的过程。谭顶良总结先前成果再与我过教育实际相结合，提出了生理、社会、心理三个维度[4]学习风格模型。

　　1.3网络学习行为

　　学习者依托网络服务平台远程学习，不同学习者受到自身偏好不同所以表现出不相同的特点。网络学习主要有三个方面内容，1.互联网和网上学习资源。2检测与评价系统。3.学习者学习。其中学习学习方式从制定学习目标开始到收集信息、信息加工整理、信息发布、学习者间交流最后使用信息。

　　2影响网络远程学习行为的因素

　　2.1客观因素

　　首先需要良好网络环境，只有有了网络环境才能支持视频教学和实验。其次要有良好教育平台，影响教育平台质量有以下几个因素：学习资源可使用性、数量和质量。最后良好服务体系，如根据课程性质和学习情况及时调整搭建教学平台资源、易操作环境、教师管理服务水平。

　　2.2主观因素

　　客观因素是外部因素，最主要的影响网络学习效果还主观因素，归纳发现有以下几个方面。素养水平方面：网络远程学员判断在什么情况下需要信息，怎样才能获取信息，又如何充分利用信息的能力。学习风格方面：学习风格不同认知方式也就不同，于是就会导致学习行为不同，往往可以把认知方式分为冲动型和沉思型。动机方面：学习动机是影响远程学习能否顺利完成最重要的因素，是学员内在核心内部动力。自我监控能力方面：学员自我掌握心理和行为，主动调节学习动机和学习行为。从而通过网络学习，完成预定目标过程。时间管理能力方面：电大学员，往往多种身份并，承担多方面的压力学习的压力、工作压力、家庭方面压力，表现在学习和工作、生活在时间上冲突。怎样才能使广大学员在有限的时间内，达到最理想的学习效率，这就是时间管理能力的体现。

　　2.3网络远程学习行为与学习效果的关系

　　1)信息收集与学习效果的关系学员主要心理活动是注意和选择，依据学习动机对网络学习的平台信息进行选择，学员的`注意力是否放在学习目标上，是否完成有效的信息收集，都将关乎学习效果。2)信息加工与学习效果的关系学习时，是否对感兴趣的信息进行归纳、整理和摆错，是否利用网络完成信息的整理和评价，有助于新旧知识同化和顺应，从而将网络平台上信息加工成自己抑郁理解，并且符合实际情况的信息，只有这样才能调高学习效率。3)信息发布与学习效果的关系在电大形成性考核平台上，学习目标中明确要求有效发帖数量要求，讨论次数限制，所以学员发布信息也是网络学习必要活动之一。4)信息交流与学习效果的关系学员在学习过程中进行信息交流，有助于增加学习兴趣，提高学习成绩。5)信息的使用与学习效果的关系学员最终目的还是使用所学的知识，从而能够解决实际问题，将理论与实际相结合。

　　3网络远程学习行为模型

　　3.1行为模型三个维度

　　网络教育信息处理过程主要包括认知深度、处理层次、感知风格三个方面，我们称为三维空间对应着网络学习过程中不同行为。1)认知信息，是网络学习过程中影响网络学习效果最重要因素之一，主要包括以下阶段：信息的收集、信息的处理、信息的公布、信息的交换和信息的使用五级。2)处理层次：学员在学习过程中遇到学习障碍采取行为，根据行为复杂程度来分的，可以分为初级水平、中级水平和高级水平。3)感知风格：学员在网络学习过程中，学习知识能力和效率。主要受两方面的影响，首先学习学习能力方面的差异包括感知、记忆效果、逻辑思维方面。其次学员学习主观态度和学习动机。

　　3.2行为模型中行为项

　　1)网络教育学习学习行为过程主要包括信息的收集、信息的加工、信息的发布、信息的交流、信息的使用方面。2)信息的收集，第一步，任课教师，包括省校教师和分校教师，制作的学习课件、根据教学拍摄的视频以及制作动画。第二步发布到省、分校电大在线学习的平台。第三步：学员根据学习过程中问题和自己工作实际情况安排学习方式。3)信息的加工：电大教育是成人再教育，网络学员往往既要工作、又要学习、还要照顾家庭。所以在电大在线平台，需要提供学习资源下载服务，这样有利于学员多种途径、方式学习，从而提高学习效率。4)信息的发布学员在网上学习过程中与平台互动过程中表现出来，电大学员在学习过程重要考核方式形成性考核评价，要求在规定时间以规定方式提交作业。5)信息的交流：主要体现在线论坛答疑，在线视频答疑，从而能够快速解决学员在学习过程中所遇到的问题，有利于教学效果。6)信息的使用：在学员在一个阶段学习完了后，为了检测学员学习效果，进行在线测试非常必要。

　　4网络学习行为效果的数据挖掘

　　4.1挖掘总体过程

　　首先登陆宣城电大在线学习的平台，下载相关数据进行预处理和转化，最后使用weka工具进行数据挖掘。

　　4.2关联规则

　　关联规则中支持度和可信度两个重要的评价标准。Support(X→Y)=Support(X∪Y)=P(YX)(1)Confidence(X)→Y=Support(X)→YSupport(X)×100%(2)I={i}1,i2,i3im，X∈I,Y∈I,X∩Y≠结论公式(1)(2)得：如果Support(X)→Y≥MinSupport并且Confidence(X)→Y≥MinConfidence，就称X→Y为强关联。

　　5实验

　　安徽电大宣城分校是成人学历教育学校，学员往往担当多种角色，学生只是其中之一。宣城电大采用面授加网络相结合的学习方法。宣城电大分校网络教学是构建网络之上，运用国家开放大学、形成性考核平台、安徽电大在线和宣城电大在线系统，具有网上授课、网上答疑、在线答疑辅导、学习效果的评价、师生互动功能。本课题从中抽取2014年春节~2016年春季电大宣城分校本科学员在网络学习过程中形成学习行为数据作为研究对象。

　　5.1数据选取

　　通过登录服务器导出数据库中，导出学生在线学习课程中1526批学生的学习相关数据，然后将数据保存到excel表格中去，然后修改和删除只登陆没学习学员学习记录。表1为电大学员《公共政策概论》网上学习部分数据。

　　5.2数据预处理

　　将获取数据因素取别名，C（进入网络课程学习次数），T（络课程时间），P（完成网络课程发帖数），W（完成网络课程作业的次数），S（络课程成绩），为了方面将以上五个变量进行离散处理。离散化后，将.xls转换成.csv格式的文件。

　　5.3数据挖掘

　　经过一系列的处理，形成了.arff文件，下面进行关联规则分析模型分析。首先计算Support(A→B)，获得学习行为A与学习行为B关联支持度。接着设置MinSupport，设置关联最小支持度。最后选择Confidence(A→B)=40%的数据规则。运用weka工具的J48方法，计算进学习次数、学习时间、完成发帖数、完成作业的次数、学习成绩共五个属性。实验结果：（发帖数多的（more）考核成绩优秀（excellent）。课程学习时间多的（more）考核成绩优秀（excellent）。正如上文所述，积极参与信息交流和发布，有助于提高学员的学习成绩。学员能够积极有效完成学习信息的收集，有助于改善学员学习效果。从数据挖掘结果来看还存在少数孤立的点，表明还存在不符合上述规则少数电大学员还没有完全适应网上远程学习学习方式，还是采用传统的书本加做练习方式提高完成学业。

　　6结论

　　本文以电大宣城分校本科学员为研究对象，分析学习次数、学习时间、发帖数和完成作业方面对学员学习成绩影响。通过使用关联规则挖掘有效网络远程教育学习行为模式，对电大网络教育学习管理水平提高和学员学习评价模式的改善具有重要的意义。由于关于学习偏好、学习风格研究[8]成果很多，本文从中选择五个具有典型维度，所以研究面不够广，同时研究层次也不深，在今后将继续这方面的努力。

　　参考文献：

　　[1]李婷,傅钢善.国内外教育数据挖掘研究现状及趋势[J].现代教育技术,2010(10):13-16.

　　[2]王爱平,王占凤.数据挖掘中常用关联规则挖掘算法[J].计算机技术与发展,2010(4):88-90.

　　[3]夏惠贤.谈邓恩学习风格模型及其教学意蕴[J].外国中小学教育,2006(6).

　　[4]陈思惠,宁晓梅.数据挖掘在个性化远程教育中的应用[J].福建电脑,2011(4):138-139.

　　[5]王士霞.基于决策树的在线学习行为分析[J].河南科技学院学报,2015,43(5):138-139.

　　[6]姜永超.基于数据挖掘的学生选课及学习行为分析算法[J].现代电子技术,2016,39(13):145-148.

　　[7]孙云帆，齐美玲.数据挖掘在教育应用中的浅析[J].商场现代化,2012(24):90-92.

　　[8]王金亮，张月芬.系统聚类法在网络学习行为中的应用研究[J].中国教育信息化,2016(8):90-93.