《表2 学习预警数据挖掘研究十大关键词》

  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

《国外基于数据挖掘的学习预警研究:回顾与展望》

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

我们对文献关键词进行了统计。由于有的关键词意思相近，只是表述有细微差异，我们将这些相近的关键词视作同一词（如blended course和blended learning，data mining和data-mining）进行合并整理，并制作出词云图（见图6）。前十大关键词分别为数据挖掘、预测、学习分析、在线学习、学业成就、学习管理系统、分类、留级、混合课堂和高等教育（见表2）。这十大关键词从研究视角、研究内容、研究方法、数据来源、教学环境等不同方面勾勒出学习预警数据挖掘研究的全貌。研究视角方面，现有研究持有教育数据挖掘和学习分析两种视角。这两种视角互为补充，前者偏重数据驱动，后者强调学习预警的现实解释力度。研究内容方面，现有研究多关注学习成绩和学生留级，前者是通过对具体成绩的预测实现预警，后者是通过对学生分类对划入留级一类的学生进行预警。研究方法方面，为了预测学习成绩和成功划分出留级的学生，现有研究多使用预测和分类两种方法，前者适用于连续变量（如预测学习成绩），后者适用于离散变量（如及格/不及格、留级/不留级）。数据来源方面，现有研究多从学习管理系统（Learning Management System，LMS）获取学生数据（如性别、专业、课程成绩、绩点等），表明现有的教育大数据得到了一定程度的挖掘，但更多数据来源（如学生社交平台数据、学生上网数据）并没有进入研究者的视野或得到充分利用。教学环境方面，多关注高等教育、在线学习和混合课堂，说明对信息化程度较高的大学教育以及获取数据较为便利的网络教学环境关注较多，而对中小学教育和传统教学环境的关注可能不够。