[发明专利]基于过程挖掘的在线学习行为模型挖掘系统及其挖掘方法

说明书

本发明公开了一种基于过程挖掘的在线学习行为模型挖掘系统及其挖掘方法，包括：数据分组模块，把学生的在线行为数据按学生成绩分为优、良、中、差四组；两层事件日志生成模块，根据已知的在线行为与认知行为的映射关系，分别获取优、良、中、差每组学生认知行为事件日志及其中每个认知行为的具体在线行为事件日志，即两层事件日志；两层行为模型生成模块，以两层事件日志为输入，利用过程挖掘算法生成两层行为过程模型。本发明为发现学生行为过程模型供了新系统和方法。将两层行为过程模型作为教育数据分析中学生行为分析的有效手段，能更精确的发现有效的在线学习方式，对在线教育行业的发展具有指导意义。

技术领域

本发明涉及在线教育数据分析的技术领域，尤其是指一种基于过程挖掘的在线学习行为模型挖掘系统及其挖掘方法。

背景技术

随着知识经济的到来，人们的学习模式受到了前所未有的冲击，各种新的学习模式如潮水般涌现，在所有学习模式中，最具有冲击力的便是随着网络技术发展而出现的网络化学习，又称在线学习，它是通过在网上建立教育平台，学员应用网络进行在线学习的一种全新方式。这种在线学习方式是由多媒体网络学习资源、网上学习社区及网络技术平台构成的全新的学习环境。相对于其他的学习模式来说，它具有无可比拟的优势。

目前学习行为分析的大部分研究是对在线平台中的多种学习数据进行分析，如登录时间、在线时长、视频评论数、视频观看数和论坛发帖数等。当前工作大多建立数据挖掘模型进行预测和分析，研究不同学习行为与学习效果之间的关系，但没有具体的学习行为过程分析，因此迫切需要一种技术发现学生行为过程模型，对指导在线学习具有重要意义。

发明内容

本发明的目的在于克服现有教育数据分析技术缺乏对具体的学习行为过程模型的分析，提出了一种基于过程挖掘的在线学习行为模型挖掘系统及其挖掘方法，对教育数据分析领域的发展具有指导意义。

为实现上述目的，本发明所提供的技术方案为：基于过程挖掘的在线学习行为模型挖掘系统，包括：

数据分组模块，把学生的在线行为数据按学生成绩分为优、良、中、差四组；其中，所述在线行为数据包含属性：学生编号、在线行为、课程信息和发生时间，在线行为是指学生对在线学习平台的操作，发生时间是指在线行为发生的时刻，该在线行为数据能够通过在线学习平台来获取；

两层事件日志生成模块，根据已知的在线行为与认知行为的映射关系，分别获取优、良、中、差每组学生认知行为事件日志及其中每个认知行为的具体在线行为事件日志，即两层事件日志；其中，所述事件日志是指以学生编号、行为、发生时间为单位数据的数据集合，一个学生的行为集合按照发生时间排序，所生成行为的有序序列为一条案例即轨迹，事件日志由多个学生即多条案例组成，事件日志在csv格式中是以二维表的形式存在；

两层行为模型生成模块，以两层事件日志为输入，利用过程挖掘算法生成两层行为过程模型。

进一步，所述数据分组模块包括数据预处理模块、获取学生成绩模块、生成分组数据模块；

所述数据预处理模块的功能是除去数据中冗余的信息，简化关键信息，需要用SQL组件进行数据预处理；

所述获取学生成绩模块的功能是调用SQL组件中子查询功能获取学生每个小结成绩的累加和，并生成以学生编号、学生成绩为两列属性的数据表，即每个学生的总成绩；

所述生成分组数据模块的功能是基于获取学生成绩模块中生成的数据表与学生的在线行为数据用SQL组件中提供的功能进行“自然连接”，并按照总成绩分成“优”[92-100]、“良”[73-91]、“中”[61-72]、“差”[0-60]，把“自然连接”后的数据表分为“优”、“良”、“中”、“差”四组并且只保留在线行为数据中包含的属性列。

进一步，所述两层事件日志生成模块包括事件日志生成模块、映射对照模块、认知行为事件日志生成模块、认知行为的具体在线行为提取模块；