הסקה מטושטשת רב-פרספקטיבית וניתוח מבוסס XGBoost של התנהגות למידה מקוונת

Summary

מחקר זה עושה שימוש במודל חשיבה מטושטשת רב-פרספקטיבית ובאלגוריתם שיפור בשיפור בהגברת גרדיאנט קיצוני (XGBoost) (מותאם על ידי אלגוריתם אופטימיזציה משופר של זאב אפור) כדי לנתח התנהגות למידה מקוונת ולסווג רגשות תגובות של תלמידים, ולספק תמיכה להוראה מותאמת אישית ולהתערבות בזמן.

Abstract

ההתפתחות הפוריחה של החינוך המקוון הפכה את הכיתות המקוונות לרכיב חשוב בתחום החינוך. ניתוח מעמיק של התנהגות הלמידה של תלמידים בהוראה מקוונת יכול לסייע למורים לייעל אסטרטגיות הוראה ולספק תמיכה לימודית מותאמת אישית לתלמידים. לכן, כדי לבצע ניתוח מעמיק של התנהגות הלמידה של התלמידים, מחקר זה אוסף נתונים מפלטפורמות הוראה מקוונות ומעבד אותם מראש. בהמשך, מחקר זה בונה מודל הסקה רב-פרספקטיבית מטושטש המכסה שלושה ממדים: תוכנית לימודים, אישית וכיתה, כדי לשקול באופן מקיף את ביצועי הלמידה של תלמידים מרמות שונות. מודל זה מעבד מידע לא ודאי בנתוני התנהגות למידה דרך קבוצות מעורפלות וכללים מעורפלים, ובכך משיג הערכה רב-ממדית של ביצועי הלמידה. אלגוריתם XGBoost משופר נועד לסווג את רגשות התגובה של התלמידים. האלגוריתם המשופר הזה מייעל את ההיפרפרמטרים של אלגוריתם XGBoost על ידי שיפור אלגוריתם האופטימיזציה של זאב אפור. האלגוריתם משפר את הדיוק של סיווג רגשות וחוקר לעומק את הנטיות הרגשיות והמשוב העמדה שמאחורי התנהגות הלמידה שלהם. התוצאות הראו שמבחינת תוכנית הלימודים, שיעור השלמת משימות הקורס 3 שבועות לפני המבחן היה למעשה מעל 45%, שזה היה גבוה בהרבה משיעור ההשלמה שלושה שבועות לאחר שחרור המשימה (שניהם פחות מ-18%). תוצאות אלו הראו שתלמידים נטו יותר להשלים משימות לפני המועד האחרון והיו להם דחיינות ברורה. הדיוק המרבי של אלגוריתם הסיווג המשופר היה 98.78%, שהיה גבוה ב-8.57%, 7.55%, 6.38% ו-6.01% מהמודל ההשוואה, וצריכת הזמן הממוצעת הייתה 58 מילישניות. שיעורי הזיכרון על רגשות שליליים, חיוביים וניטרליים היו 98.35%, 97.69% ו-98.02%. מודל המחקר יכול לנתח ביעילות את התנהגות הלמידה המקוונת של התלמידים ולאפשר זיהוי מוקדם של תלמידים בסיכון, מה שמקל על הוראה מותאמת אישית והתערבות מדויקת בחינוך מקוון.

Introduction

השילוב העמוק של האינטרנט וטכנולוגיית החינוך גרם לחינוך המקוון לקפוץ מתוספת שולית לצורה מרכזית. עד סוף 2023, מספר הלומדים המקוונים הרשומים ברחבי העולם חצה את 1.2 מיליארד, וסין דורגה בעקביות ראשונה בעולם הן במספר הקורסים המקוונים הפתוחים ההמוניים (MOOCs) והן בלומדים ^1,2. עם זאת, בעוד שהוראה מקוונת מביאה נוחות, היא גם חושפת אתגרים כמו תהליך הלמידה הלא ברור, הפרדה בין מורים לתלמידים בזמן ובמרחב, ומשוב רגולטורי מתעכב. קיים מתאם חיובי בין נתוני התנהגות למידה לבין הישגים אקדמיים. כיוון דינמי המבוסס על נתונים יכול להגדיל את שיעור סיום הקורסים ביותר מ-20% ולהפחית

Protocol

עיצוב שיטת LBA תוך התחשבות ב-MPFR ובפרספקטיבות רגשיות

נבנתה מערכת הערכה רב-פרספקטיבית לניתוח התנהגות הלמידה המקוונת של התלמידים (SOLB), ומודל MPFR עוצב. כדי לנתח את התחושות הסובייקטיביות של התלמידים בלמידה, מחקר זה מאמץ את אלגוריתם XGBoost ומעצב את אלגוריתם IGWO לאופטימיזציה של היפרפרמטרים לשיפור דיוק הסיווג.

בניית מודל MPFR עבור LBA

כדי לנתח את SOLB, מחקר זה מתחיל בעיקר משתי נקודות מבט כדי ליצור תוכנית ניתוח מלאה. ראשית, מבחינת ביצועי הלמידה, מחקר זה בוחן שלוש נקודות מבט: תכנית לימודים, אישי וכיתה, כדי ליצור את מודל M....

Results

תוצאות LBA בהתמקדות בסיווג רב-פרספקטיבי וסנטימנט

כדי לאמת ביצועים, הסביבה הניסיונית מוגדרת ומערך הנתונים הניסיוני מתואר. בנוסף, מחקר זה בוחר את האלגוריתם ההשוואתי IGWO-XGBoost ומנתח ומאמת אותו באמצעות מדדים כמו דיוק, צריכת זמן וקצב זיכרון. בניתוח התוצאות, המחקר מחלק אותו לשני חלקים ברורים: תוצאות LBA באמצעות MPFR ואימות ביצועים של סיווג סנטימנטים באמצעות IGWO-XGBoost.

ניתוח התנהגות למידה באמצעות MPFR

Discussion

לניתוח SOLB, מחקר זה עיצב מודלים של MPFR ו-IGWO-XGBoost והשתמש בנתונים מפלטפורמות הוראה מקוונות. בניסוי הייתה עקביות גבוהה בין דירוג מודל ההסקה לבין הציון בפועל, מה שמעיד על יעילות מודל ההסקה. כ-25% מהסטודנטים קיבלו זמן לימוד של 1-10 שעות בקורס. שיעור התלמידים עם שעות לימוד בין 11-20, 21-30, 31-40 שעות ומעל 41 שעות היה 30%, 20%, 15% ו-10%. דבר זה הצביע על כך שרוב התלמידים שמרו על אינטנסיביות למידה בינונית, בעוד אלו שעסקו בלמידה קצרה או ארוכת טווח מאוד היו במיעוט. היו הבדלים בתוצאות אופטי.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
מודל שפה מאומן מראש על ידי BERT	מחקר בגוגל	https://github.com/google-research/bert
מילון רגשות CNKI	CNKI	https://www.cnki.net/
פלטפורמת Chaoxing לומדת נתוני התנהגות	חברת פיתוח טכנולוגיית המידע צ'אושינג בע"מ	https://www.chaoxing.com/
זיכרון מחשב			ספק חומרה אוניברסלי (ללא דגם ספציפי)
רשימת המונחים שהופסקו על ידי מכון הרבין לטכנולוגיה	מכון הרבין לטכנולוגיה	https://github.com/goto456/stopwords/blob/master/hit_s
Intel Core i5-12600KF	חברת אינטל	BX8071512600KF
כלי סגמנטציה של מילים Jieba (מצב דיוק)	קהילת קוד פתוח צד שלישי	https://github.com/fxsjy/jieba.
נתוני ביקורת סטודנטים בפלטפורמת MOOC	רשת קורס האהבה	https://www.icourse163.org/
ספריית NLTK	צוות הפיתוח של NLTK	https://www.nltk.org/
שפת תכנות פייתון	קרן התוכנה של פייתון	https://www.python.org/
סקיקיט-לרן 1.2.2	צוות הלמידה של סיקיט	https://scikit-learn.org/stable/
פלטפורמת Smart Tree לומדת נתוני התנהגות	רשת העצים החכמה	https://www.zhihuishu.com/
טכנולוגיית SMOTE	צוות פיתוח למידה לא מאוזן	משולב בספריית Imbalanced Learn, https://imbalanced-learn.org/stable/
מערכת ההפעלה Windows 10	תאגיד מיקרוסופט	https://www.microsoft.com/zh-cn/windows/windows-10
XGBoost 1.7.5	צוות הפיתוח של XGBoost	https://xgboost.readthedocs.io/