《表5 不同的类簇数量及其对应的DBI》

  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

《基于大五人格的在线学习行为与人格特质识别研究》

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

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。