《表4 五种算法人格特质识别结果》
以204名学生各人格特质平均分为阈值将学习者的人格特质分为高低两类:高于平均分为高倾向性,人格特质标记为“1”;低于平均分的为低倾向性,人格特质标记为“0”。将学生的人格特质进行标签化处理,将上述相关变量作为预测变量,对人格特质进行识别。使用Rapidminer中的人工神经网络、K近邻、随机森林、决策树、朴素贝叶斯五种算法对人格特质进行分类预测。选取标签化处理的人格特质和在线学习行为数据中的70%作为训练集,30%作为测试集。本研究中对分类结果的评价主要采用准确率、精准率、召回率和F1均值,结果如表4所示。
图表编号 | XD00207371900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 孙如卿、刘丹 |
绘制单位 | 辽宁师范大学计算机与信息技术学院、辽宁师范大学计算机与信息技术学院 |
更多格式 | 高清、无水印(增值服务) |