《表2 基于学习行为分析指标的逐步多元回归分析摘要》

  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

《学习计算视阈下基于CIEO分析思想的学习结果预测设计与实证研究》

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

注:*p<0.005；**p<0.01；***p<0.001。

整合回归系数和显著性检验结果得出回归模型摘要，见表2。从标准化的回归系数来看，各变量的β值分别为0.417、0.205、0.178、0.132、0.068，前五项值均为正数，表示其对学习结果的影响均为正向，最后一项值为负数，说明其对学习结果呈反向影响。从解释变异量（R2）中可以看出，有5个预测变量进入到回归分析模型中，由于最后一个变量β值为负值，因此，将其剔除分析。这些预测变量对学习结果因变量具有显著预测力的大小顺序是测评通过率、测评完成度、内容掌握度、互动贡献度，各自的预测力分别为68.8%、1.3%、5.2%、5.1%、1.1%，共同解释变异量的81.5%，说明基于这些变量可以在较大程度上预测学习结果。在投入变量方面，学习内容完成度未进入到预测回归分析中，说明其对学习结果预测的回归系数未达到显著水平。结合前面采用机器学习方式对学习指标的预测准确率分析结果可以判断，测评通过率、测评完成度、内容掌握度、互动贡献度、互动参与度是影响学习结果预测的显著指标，可以基于这些指标做实际计算分析。