《表5 不同的类簇数量及其对应的DBI》
本研究采用聚类方法对学习者的人格特质数据进行分析,聚类分析可以将具有相似人格特征的学习者进行整合,帮助提高学习者学习效率。将处理后的人格特质数据进行K-means聚类分析。K-means聚类是一种基于距离的算法,需要先预设K值即类簇的个数。为了找出最优的K值,研究使用Davies-Bouldin指数来衡量聚类的好坏,DBI的指数数值越小,表明聚类效果越好。设置K的取值范围为3~8,不同的K值对应的DBI值如表5所示。当K值为4时,对应的DBI值最小为。因此,本研究将204位学习者的人格特征分为4类。
图表编号 | XD00207372100 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) |