特征工程:学习分析中识别行为模式的重要方法

作者:欧阳嘉煜;范逸洲;罗淑芳;纪九梅;汪琼 刊名:现代教育技术 上传者:邹健

【摘要】学习分析作为学习科学的子领域,其关注的核心问题就是对学习过程的理解与优化,而这离不开对学习者学习行为数据的收集和对行为模式的分析.特征工程作为一种基于底层数据设计特征集的系统方法,为行为模式的分析提供了新的技术支持与研究路径.文章通过介绍特征工程实施的四个步骤,系统梳理了目前使用特征工程方法识别出的典型行为模式,如投机取巧、挫折、疑惑等,可为行为模式的相关研究提供参考.同时,文章基于对有效的技术支持和实践意义两个话题的讨论,指出了未来的研究取径与研究重点.

全文阅读

Vol.28 No.4 2018 13 特征工程:学习分析中识别行为模式的重要方法 * 欧阳嘉煜 范逸洲[通讯作者] 罗淑芳 纪九梅 汪 琼 (北京大学 教育学院,北京 100871) 摘要:学习分析作为学习科学的子领域,其关注的核心问题就是对学习过程的理解与优化,而这离不开对学习 者学习行为数据的收集和对行为模式的分析。特征工程作为一种基于底层数据设计特征集的系统方法,为行为 模式的分析提供了新的技术支持与研究路径。文章通过介绍特征工程实施的四个步骤,系统梳理了目前使用特 征工程方法识别出的典型行为模式,如投机取巧、挫折、疑惑等,可为行为模式的相关研究提供参考。同时, 文章基于对有效的技术支持和实践意义两个话题的讨论,指出了未来的研究取径与研究重点。 关键词:学习分析;特征工程;行为模式;学习科学 【中图分类号】G40-057 【文献标识码】A 【论文编号】1009—8097(2018)04—0013—07 【DOI】10.3969/j.issn.1009-8097.2018.04.002 一 问题引入 学习分析作为学习科学的子领域,正受到越来越多研究者的关注与重视[1]。学习分析起源 于智能导师系统(Intelligent Tutoring Systems,ITS)的相关研究。一般而言,学习分析被定义 为:为了理解、优化学习过程和学习环境,对学习者及其所在情境的数据进行的测量、收集、 分析和汇总工作[2]。这一定义明确了学习分析关注的主要问题之一是理解和优化学习过程,而 这离不开对学习过程数据的收集和对行为模式的分析。通过揭示行为模式产生的深层次原因, 进而为学生提供优质的支持服务,这是学习分析在教育领域应用的核心价值所在[3]。 早期对于学习过程和行为模式的研究大多采用实地课堂观察、访谈法、问卷调查法等,这 些方法关注的数据类型相对有限,并且以主观数据为主。过于关注主观数据而忽视学习者学习 过程中产生的客观数据,教学研究就易受到研究者自身价值判断或研究工具信效度的影响,导 致研究结论的客观性和可推广性较低。20世纪 90年代之后,随着数据收集和分析技术的发展, 以及人们对教学的理解更为深入,研究者开始收集学习者在学习过程中产生的细节数据,并进 一步从客观数据中挖掘出学习者的行为模式。 近年来,对于学习者行为模式的研究希望建立精确的预测分类算法或模型,虽然大多数算 法在预测能力方面均能取得令人满意的效果,但致力于优化算法准确度的研究并没有取得实质 性的突破。这样一种困境引发了研究者对预测算法特征之有效性的思考:如果基于底层数据提 取的行为模式特征不够理想,那么建立在行为特征数据之上的预测算法或模型自然就难以进行 较大优化,因此,如何选取能够有效反映学习者行为模式的特征是一个值得探讨的话题。特征 工程作为一种基于底层数据设计特征集的系统方法,正是解决这一困境的良方。正如 Asker等 [4]所说,在一个学习系统中,想要创造出一个高的分类准确度,好的特征工程通常比一个特别 的分类算法更为重要。 综上可知,如何基于客观行为数据来运用特征工程识别行为模式是一个值得研究的问题。 因此,本研究尝试回答以下两个问题:特征工程的一般步骤是什么?目前学习分析领域中使用 特征工程方法所识别出的典型行为模式有哪些?本研究期待通过讨论特征工程的技术意义和教 学意义两个话题

参考文献

引证文献

问答

我要提问