[发明专利]基于教育大数据的学习者模型动态构建方法

摘要

本发明提出一种基于教育大数据的学习者模型动态构建方法，旨在提供一种学习者个性化学习概览的动态构建方法，实现对学习者的全面描述，促进对学习者的个性化指导。本发明包括以下步骤：首先，通过在线学习平台获取学习者的学习数据；其次，利用Experience API规范量化学习者的学习经历；再次，借助大数据分析和挖掘技术提取有效的学习者特征；最后，依据学习者的有效特征数据动态构建不同时空的个性化学习概览，从而实现学习者模型的动态构建。本发明基于教育大数据的学习者模型动态构建方法能够促进个性化学习的生成，有助于构建个性化的学习环境，对于学习兴趣挖掘、知识盲点识别、就业指导、学习路径规划等领域具有实际的应用价值。

主权项

1.一种基于教育大数据的学习者模型动态构建方法，其特征在于，包括如下步骤：(1)学习数据聚集：采集在线学习平台中学习者的基本信息数据和行为数据；所述基本信息数据包括家庭、学历背景、身份、地域数据，行为数据包括在线学习时的浏览、学习、交互、测试数据；利用基于神经网络的数据预处理方法对采集的数据进行包括清理、变换、规约和集成在内的预处理，以剔除原始数据中存在的复杂、重复、不完整的数据，并将处理的数据划分成结构化数据、半结构化数据和非结构化数据；(2)学习经历量化：依据行为主义理论，通过Experience API规范将结构化数据、半结构化数据和非结构化数据以“活动流”的形式来描述学习者的学习经历，并利用Statement记录学习者的学习经历数据，形成学习者学习经历序列；(3)学习者特征提取：借助大数据分析和挖掘技术从学习者不同课程、不同时间和不同学习环境下的学习经历序列中提取有效的特征信息并挖掘其隐性特征信息和相关关系，依据《学习者模型规范CELTS‑11》将提取和挖掘的有效特征信息、隐性特征信息和相关关系归为个人信息、学业信息、管理信息、关系信息、安全信息、偏好信息、绩效信息及作品信息八类，根据特征信息是否随时间变化将提取和挖掘的这八类信息分为静态特征信息和动态特征信息并将其存储在学习者数据库中；(4)个性化学习概览动态构建：依据学习者数据库中不同课程、不同时间和不同学习环境下动、静态特征信息及其相关关系对学习者进行画像，多维度的动态构建学习者在不同时空下的个性化学习概览；(5)通过学习过程监控系统和学习分析系统对学习者的学习过程进行实时的监控，监测学习者多维度信息的变化，实时的对变化的特征信息进行聚集、量化、提取，并将其更新在学习者数据库中。