论文部分内容阅读
自1999年教育部开始大力兴办远程教育试点以来,网络学院在发挥他积极作用的同时也暴露出一些不足:由于网络教育学习者来源复杂,环境不固定,会造成精力投入的不够和学习时间不能保证等问题,以至于辍学、滞学等未完成学业的现象成为网络教育者面临的一个严重问题。目前关于网络教育学业影响因素的研究仍处于教育统计的层面,许多研究仍然建立在体会和感想等较低层次的基础上;运用的实证研究方法不够科学规范,如调查问卷的设计、抽样的代表性,数据的统计推理等方面不够严格,缺乏本土化的辍学理论的建构和理论上的提升。本文从几个方面对网络学院未完成学业的情况进行分析并得出易于决策的模型:首先,明确本研究的研究背景、研究现状、研究目的、论文的结构等;其次,简述我国网络高等教育的发展现状,并通过文献调研和理论分析,了解“成人网络学习”、“数据挖掘”和“决策树”等相关概念和技术;接着改进了Kember模型,提出了适应我国特点的“网络教育学业完成影响因素模型”,并以此设计调查问卷,得出学生学习过程的相关信息;最后结合远程学习系统中的信息组成我们要研究的数据对象,引入决策树技术,利用Weka数据挖掘软件进行分析,找出每个因素对网络学习者完成学业的影响程度,并利用分析结果对可能有辍学危险的在读者和新入学者实施相应对策,有目的给予指导,提高预警转化率。本课题的主要任务是根据研究所在地的某网络学院的学生网络学习行为等信息,利用数据挖掘技术分析他们与学业完成之间的关系,得出一种最优的基于学业影响因素的决策树规则。通过数据分析得出最值得我们警惕的影响网络教育学业完成的因素,研究所形成的数据分析模型,使教育决策者对在读学习者和新入学者的干预管理提供了一个有力的手段,对提高网络高等教育质量有重大的意义。