摘要
针对慕课等在线学习课程存在的完成率低、辍课率高等问题,不少研究者通过检测学习者的学习投入度来发现"问题"学生,对其进行干预以保证学习效果。本文以构建在线学习投入自动化评测模型为目标,通过构建集成评测模型,利用学习过程中产生的视频图片和鼠标流数据对学习者的投入水平进行评测。集成模型由3个子模型组成,其中两个子模型用于进行图片数据的处理,一个子模型用于进行鼠标流数据的处理,图片部分的评测采用VGG16卷积神经网络对源图片和相应的LGCP特征进行评测,鼠标流数据采用BP神经网络进行评测。最后,利用模型集成的方法对学习者的学习投入度进行综合评测,再将其结果与学习者填写的NSSE-China调查量表的结果进行相关性分析,结果显示两者的评测结果显著相关,表明该模型用于学习投入评测是可行且有效的。
作者
李振华
张昭理
刘海
Zhenhua Li;Zhaoli Zhang;Hai Liu
出处
《中国远程教育》
CSSCI
北大核心
2020年第10期9-16,60,共9页
Chinese Journal of Distance Education
基金
国家重点研发计划课题“数据驱动的数字教育个性化服务支撑技术研究”(项目编号:2017YFB1401303)
西华师范大学英才科研基金“基于面部表情识别的在线学习情感投入检测”(项目编号:17YC496)资助。
