论文基于层次聚类的军校学员MOOC学习行为分析，本文是学员专升本论文范文与聚类和层次聚类和军校类论文写作资料范文.
摘 要：论文以使用梦课平台的军校本科生为研究对象,对其学习行为模式开展深入的调查与分析.论文旨在通过调查军校本科生的MOOC学习过程,获取其学习行为相关的各类数据,包括课程在线时间、在线交流次数、作业完成质量等,运用层次聚类方法对学习者进行分类,确定不同类型学习者的特点,分析不同的学习行为对学习者最终学习效果的影响,为有针对性地设计在线课程内容,优化在线交流、教学评价等提供有益的借鉴.
关键词：军校学员；MOOC；层次聚类；行为分析
中图分类号：G642.0 文献标识码：A 文章编号：1674-9324（2018）02-0107-02
一、概述
近年来,MOOC（Massive Open Online Courses,大规模开放在线课程）作为一种新兴的教学模式,对传统教育造成了巨大的冲击,极大地促进了教育领域的变革,为现代教育提供了广阔的发展前景.本文以军校本科生为研究对象,获取其在军事MOOC教育平台———梦课的相关学习数据,定量分析不同类型学习者的行为特征及其对学习成绩的影响.
二、研究设计
（一）探究框架
本文选取梦课平台最受欢迎的课程———《多媒体设计与制作入门》对学习者行为数据开展实证分析.通过观察学习者的整个学习过程,整理出422个样本点的两类变量数据,第一类是学习过程中学习者的行为数据,包括视频观看数、交流得分、测试题解答数、作业、结业考试；第二类是反映学习者最终学习效果的数据,包括课程排名和总分数.在这些数据的基础上,利用层次聚类方法对学习者进行分类,分析确定不同类型学习者的行为特点和规律,然后结合对应的学习效果数据,讨论不同学习行为对最终学习效果的影响,建立学习行为模式与学习效果之间的相互关系,总结出改进措施和建议.
（二）数据说明
本模块主要针对梦课平台上的各类变量数据做出概念上的说明,便于对本研究整体内容的理解,数据集描述了一个学习者注册某一门课程的学习记录,从不同侧面反映学习者的行为规律,主要包含以下五类：（1 ）视频观看数：在整个学习过程中,学习者所有完成观看任务的视频数量,主要反映了学习者的整体参与度.（2）交流得分：学习者在讨论区与课程教师、其他学习者进行交流所获得的评分,主要体现了其学习过程中的主观能动性.（3）测试题解答数：学习者参与并完成的课后测试题数量,反映了学习者是否能够积极主动地检测学习情况,从而查漏补缺、夯实基础.（4）作业：反映了学习者的作业完成情况.（5）结业考试：学习者在课程结束后,参与课程考试并获取的得分,体现了其对所有课程内容的掌握程度.
（三）主要方法
本文主要运用凝聚的层次聚类法进行探究.凝聚的层次聚类法是一种自下向上的策略,首先将每个研究对象作为一个小类,然后合并这些原始类成为越来越大的类,直到所有的研究对象都合并成为一个大类或者某个既定条件被满足为止.绝大多数层次聚类法都属于凝聚的层次聚类法,它们只是在类与类间相似度的判别标准上有所不同.
三、数据处理分析
本文利用SPSS软件进行相关数据的层次聚类.在这一过程中为了确定合理的学习者类型,需要结合样本容量,综合考虑类与类之间的差异性.从聚类结果看,当聚类数大于或等于6时,均存在某类成员只包含了两个样本的情况；当聚类数为5或4时,各类别成员包含的样本数都不再是少数,足以形成特征明显且易于分析的大类.本文选取聚类数为5时的情况进行具体分析.
（一）不同类型学习者的行为特征
第一类学习者学习热情最高涨、学习态度最认真、学习方法最多样,他们几乎都完成了所有视频的观看任务,积极参与课后的交流,并通过大量的测试题、认真的作业提升自己对多媒体设计与制作入门这门课的熟悉与认识,并能在结业考试中取得良好的成绩,相应地,这类学习者的总分数最高,排名也最靠前,而且占到了学习者总人数的64%.第二类学习者的各项数据在所有学习者中能达到中等偏上的水平,但各种学习方法的掌握也仅算合格,而他们在所有学习者中的比例只有5%.第三类学习者首先是交流得分出现大面积的低分,表现出学习者的主动性有所下降,学习热情不足；其次是测试题解答数偏低、参与作业者极少,显示出该类学习者没有采取多样有效的学习方法进行学习；最后是其结业考试得分较低,这类学习者的人数也只占到总人数的6%.第四类学习者的各项数据中,出现低分甚至是0分的情况较为常见,主要表现在交流得分、作业、结业考试上,视频观看数和测试题解答数也大多分布在一个较低的区间内.可以推测此类学习者主要是通过简单地观看视频、参与测验对课程内容进行了浅层次的了解,并没有投入其中做真正的学习,该类学习者人数最少,接近于总人数的5%.第五类学习者属于选了本门课程而几乎没有参与到整个学习过程中的学习者,他们在各项评分中都处于最低甚至不得分的一类.对他们而言,选课的动机可能是因为一时的兴趣,或者是因为盲目的跟风,导致了选而不学的结果,该类学习者占到20%左右.
（二）影响学习效果的关键行为因素
通过对各类学习者相关数据进行分析比对,发现测试题解答数和结业考试这两类数据的变化最为显著,在各类学习者中按照排名先后的顺序随机抽取20名,进行分析后发现：从第一类学习者到第五类学习者,测试题解答数分布类似于呈阶梯状递减；后两类学习者结业考试得分几乎均为零,而在前三类学习者中第一、二类的数据明显好于第三类,如图1所示.
考虑到测试题解答数主要表现了学习者平时学习过程中的主动性、积极性和自觉性,而结业考试则主要表现了学习者在最后考试中对所学知识的掌握程度,可以得出影响五类学习者形成的主要因素在于测试题解答数的不同,即平时表现的差异,而在这五类学习这中,又因为结业考试的成绩高低,拉大了前三类学习者与后两类学习者之间的差异,如图2所示.
四、结论
对于军队MOOC平台的学习者而言,其行为模式的差异性给学习效果带来的影响是极为重要的,主要通过平时表现和考试成绩体现出来.相对而言,平时表现是影响普遍显著的一个方面,包括了视频观看数、交流得分等因素,反映了学习者的学习态度、学习动力、学习方法,最能体现其学习效果的好坏.而考试成绩作为对学习者知识体系的考察,对不同类学习者之间形成差异也有着直接的影响,使其分类更加明显,层次更加清晰.
参考文献：
[1]李曼丽,徐舜平,孙梦嫽.MOOC学习者课程学习行为分析———以“电路原理”课程为例[J].开放教育研究,2015, (4):63-69.
[2]吴江,马磐昊.MOOC学习者行为分析研究———以爱课程平台的一门慕课为例[J].图书情报工作,2015,(11):52-61.
上文汇总,本文是关于聚类和层次聚类和军校方面的相关大学硕士和学员本科毕业论文以及相关学员论文开题报告范文和职称论文写作参考文献资料.
参考文献：
1、 大学英语MOOC学习平台选择模型 摘 要为分析影响大学英语MOOC学习平台选择的因素,构建了大学生英语MOOC平台选择结构方程模型,选择大连高校学生英语MOOC学习开展实证研究,采用偏最小二乘法处理问卷,标定模型 结果表明绩效期望、努.
2、 基于形态学标记青贮玉米自交系的聚类分析 收稿日期20161119基金项目20132014黑龙江省财政厅自拟课题（XZNKT5）；20132015齐齐哈尔市科学技术计划指导性项目 作者简介柴华（1985）,男,汉族,黑龙江齐齐哈尔人,硕士,助.
3、 云南省各州市旅游投融资分析基于SPSS聚类分析法 谢宗运,朱晓辉(云南财经大学旅游文化产业研究院,云南昆明650221)摘要利用云南“十二五”期间各州市不同的旅游项目类型中的投融资额,采用聚类分析法,分析各地州市的旅游投融资项.
4、 MOOC学习绩效影响因素中介模型 刘学敏1,孙崴1,刘培莉1,张敏霞2（1．佳木斯大学教育科学学院,黑龙江佳木斯154007；2．首都师范大学教育技术系,北京100048）摘要MOOC环境下,自主学习活动与合作学习活动相辅相成,学习者.
5、 聚类算法概述和应用 【摘要】 聚类算法在数据挖掘技术中有着十分重要的应用,在数据分类操作中能够达到良好的效果 本文对划分聚类、层次聚类、密度聚类、网格聚类算法的主要思想及内容进行简单概述,并根据其各自特点分析每种聚类在处.
6、 基于自主学习的军校电类基础课程教学模式 基于自主学习的军校电类基础课程教学模式研究郭姣赵冬梅李玲宋阳（海军大连舰艇学院基础部辽宁大连116018）摘要如何在课程教学中尽可能多地提升学员的自主学习能力,已成为新时代背景下军校教员亟待研究的重要.