基于历史大数据决策树分类的MOOC教学评估方法研究
在线教育的松散结构以及远程教学环境的开放性导致对学习者进行客观评估的难度非常大。因此,有必要建立一套准确完整的评估体系和模型,对MOOC学习者进行科学·合理、精确的评估。传统的教学评价是根据受教育者考试成绩得到的终结性考评,这种评价方式容易由于人为因素而产生评价结果的偏差.随着MOOC和大数据应用的兴起,对学生在网络教学环境下的表现进行自动化教学评价已成为可能.文章阐述根据当前移动互联网的大数据模式,使用数据挖掘算法实现基于学生学习行为的评价算法.
在线教育 教学评价 数据挖掘 学习行为
戴慧珺 桂小林 张成 张佳庚
西安交通大学电子与信息工程学院,陕西西安710049;陕西省计算机网络重点实验室,陕西西安710049 延安大学网络中心,陕西延安716000 西安交通大学网络中心,陕西延安710049
国内会议
西安
中文
52-55
2015-08-13(万方平台首次上网日期,不代表论文的发表时间)