•  
  •  
 

ORCID

Surina He: https://orcid.org/0000-0002-9859-9749

Okan Bulut: https://orcid.org/0000-0001-5853-1267

Tarid Wongvorachan: https://orcid.org/0000-0002-9622-3780

Abstract

从学习管理系统（LMS）中获取的日志数据正日益成为研究学生学习行为的重要资源。这类数据的采集过程通常不会干扰学生的学习或考试，成本低廉，并且能提供详细微观的过程性信息。然而，由于数据结构复杂、体量庞大，在从多种事件类型中识别出具有可解释的潜在维度仍面临重大挑战。为此，本研究互为补充地采用了三种维度提取方法（即，探索性因子分析、心理测量网络分析、和共识层次聚类方法），分析了一门大型本科课程（n = 527 名学生）中收集的 25 种事件类型的 122,167 条日志数据。三种方法的结果一致地揭示出四类学习行为类型：提交作业、参加测验、参与讨论和查看背景资料。这些行为类型反映出学生在学习过程中的不同投入模式，说明其学习行为主要受到课程任务要求与自主驱力的共同驱动。本研究进一步使用了结构方程模型探索了这四类行为与课程成绩之间的关系。结果显示，提交作业、参与讨论以及查看背景资料的行为均与学生的最终成绩显著正相关，而参加测验行为则未表现出显著关联。这一结果表明，特定的学习行为可能对学习成果产生积极影响。本研究展示了如何利用可解释性的方法，从复杂的 LMS 日志数据中提取有意义的行为维度，为学习行为分析提供了可行的分析范式。

DOI

https://doi.org/10.59863/QAJT5138

Download

Share

COinS