E-학습 성과 예측: 효과적인 학습 행동의 특징 공간 분석

학습 분석은 온라인 교육 발전을 위한 새로운 기회를 제공하며, 국내외 학자들로부터 광범위한 주목을 받고 있다. 데이터와 모델을 활용하여 학습자의 학업 성공 또는 실패를 예측하고 적시에 교수 피드백을 제공하는 방법은 학습 분석 분야에서核心 문제이다. 현재 많은 학자들은 학습 행동 데이터와 성적 간의 암묵적인 관계를 탐구하여 주요 학습 행동을 통해 예측 효과를 향상시키고 있다. 동시에 학습 행동 분류에서 범주와 예측 효과 간의 연관성을 탐구하는 것이 매우 중요하다. 본 논문에서는 학습 행동 분류를 기반으로 한 자기 적응형 특징 융합 전략을 제안하여, 효과적인 E-학습 행동 특징 공간을 탐구하고 학습 성과 예측 모델의 성능을 더욱 향상시킬 것을 목표로 한다. 첫째, 상호 작용 객체와 학습 프로세스를 기반으로 한 행동 분류 모델(E-학습 행동 분류 모델, EBC 모델)을 구축한다. 둘째, 엔트로피 가중치 방법과 분산 필터링 방법을 통해 특징 공간을 사전 축소한다. 마지막으로, EBC 모델과 자기 적응형 특징 융합 전략을 결합하여 학습 성과 예측기를 구축한다. 실험은 영국 개방 대학교 학습 분석 데이터 세트(OULAD)를 사용한다. 실험 분석을 통해 효과적인 특징 공간이 확인되었으며, 즉 기본 상호 작용 행동(BI)과 지식 상호 작용 행동(KI) 학습 행동 범주가 학습 성과와 가장 강한 상관관계를 가진다는 것을 알 수 있다. 또한, 본 논문에서 제안한 자기 적응형 특징 융합 전략이 학습 성과 예측기의 성능을 효과적으로 개선할 수 있음을 입증하며, 정확도(ACC), F1-score(F1) 및 카파(K)의 성과 지수는 각각 98.44%, 0.9893, 0.9600에 달한다. 본 연구는 E-학습 성과 예측기를 구축하고 새로운 관점에서 효과적인 특징 공간을 탐구하며, 온라인 학습자와 관리자에게 몇 가지 보조 참고자료를 제공한다.