《表7 旋转后的成分矩阵a》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《大数据背景下的远程教育学生学业表现预测模型——以H大学为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

提取方法：主成分分析法；旋转方法：凯撒正态化最大方差法。a.旋转在4次迭代后已收敛。

为验证表1对学习行为维度的构建是否合理，对上述被选入模型的6个指标做因子分析，可以得到表7。第一个因子符合本文的研究设想。但是其余4个指标则与设想发生了一定偏离。在原本的预想中，进入课程的次数、在线作业完成情况、查看知识要点的次数和通知公告阅读数都被认为是“学习态度”的表现，但是因子分析的结果要求研究对这4个指标进一步作出区分：进入课程的次数与在线作业完成情况反映了学生对待课程学习的态度，被命名为“学习态度”；而查看知识要点的次数和通知公告阅读数则更多地反映出学生对待考试的态度，被命名为“考试关注”因子。