下载文档原格式
利用大数据分析提升学生学业成绩随着科技的进步和互联网的普及，大数据分析逐渐在各个领域发挥着重要作用，其中教育领域也不例外。
利用大数据分析来提升学生学业成绩已经成为当今教育界的热门话题。
本文将探讨如何利用大数据分析技术来提升学生的学业成绩，以及其中的应用方法和效果。
1. 大数据分析在学生学习行为分析中的应用学生的学习行为对于学业成绩起着关键的影响。
通过大数据分析技术，可以对学生的学习行为进行深入分析，以便发现并解决潜在问题。
首先，学生的学习时间分析可以帮助教师和家长了解学生在不同时间段的学习情况，从而制定更合理的学习计划。
其次，学生的学习资料分析可以帮助学校和教师更好地了解学生的学习兴趣和偏好，以便提供个性化的学习资源和指导。
另外，通过对学生的学习习惯分析，可以帮助学校和家长发现学生是否存在学习时间分配不当、学习方法不科学等问题，并采取相应的措施予以改进。
2. 大数据分析在评估学生学习成绩中的应用传统的学生评估方法主要依赖于考试成绩和笔试等手段，这种评估方法具有一定的局限性，不能全面准确地反映学生的真实水平。
而利用大数据分析技术进行学生学习成绩评估，则可以更加客观地衡量学生的学业水平。
通过对学生学习数据的整合和分析，可以得出更加准确的评估结果。
例如，可以分析学生在不同学科中的表现，并找出学习成绩与其他因素（如学习时间、学习行为等）之间的关联，进而为学生制定个性化的学习计划和改进措施。
3. 大数据分析在学生预测和干预中的应用大数据分析技术可以通过对学生的学习数据进行分析，为教师和学校提供学生未来学习表现的预测和干预建议。
通过分析学生的历史学习数据，可以发现学生在某个学科中容易出现的问题和困惑，并及时进行干预指导。
另外，通过对大量学生学习数据的分析，可以建立学生学习模型，预测学生在未来的学业发展趋势，为学生提供更好的学习指导和学科选择建议。
4. 大数据分析在教学资源优化中的应用借助大数据分析技术，学校和教师可以对教学资源进行合理规划和优化。
教育数据分析报告探索学生学习模式和表现之间的关系改进教学方法教育数据分析报告：探索学生学习模式和表现之间的关系，改进教学方法摘要：本报告旨在通过分析教育数据，探索学生学习模式与其学习表现之间的关系，并基于研究结果提出改进教学方法的建议。
通过对学生的学习行为、学习成绩等数据的收集和分析，我们发现了一些有意义的模式和趋势，这为我们了解学生学习过程以及教学方法的优化提供了有力的依据。
引言：随着教育技术的日益发展，教育数据分析作为一种蓬勃发展的领域，被广泛应用于教育领域。
教育数据分析通过对学生的学习行为和学习成果进行定量的收集和分析，帮助教育工作者更好地了解学生的学习状况，并探索教学方法的改进方向。
本报告通过对教育数据进行分析，旨在探索学生学习模式与表现之间的潜在关系，并提出相应的教学方法改进建议。
一、数据收集和处理在本研究中，我们采集了大量学生的学习行为和学习成绩数据。
学习行为数据包括学习时间、学习进度、学习资源使用情况等；学习成绩数据包括考试成绩、作业成绩等。
我们将这些数据进行了整理和清洗，以确保数据的准确性和一致性。
二、分析学生学习模式1. 学习时间与学习成绩通过分析学生的学习时间和学习成绩的关系，我们发现了一些有趣的模式。
一方面，学习时间与学习成绩存在正相关关系，即学习时间越长，学习成绩往往越好；另一方面，我们也发现学习时间过长，并不一定意味着学习成绩的显著提高。
因此，在教学过程中，我们应该鼓励学生合理规划学习时间，注重学习效果而非学习时间的长短。
2. 学习进度与学习成绩通过分析学生的学习进度和学习成绩的关系，我们发现学习进度与学习成绩之间存在一定的相关性。
那些学习进度较快的学生往往成绩较好，而学习进度较慢的学生成绩相对较差。
因此，在教学过程中，我们应该引导学生合理安排学习进度，提高学习效率。
三、探索学生学习表现与教学方法的关系1. 学生学习表现与教学资源使用情况通过分析学生学习表现与教学资源使用情况之间的关系，我们发现学生使用更多的教学资源往往有较好的学习表现。
利用大数据改善教育提高学生学习成效利用大数据改善教育提高学生学习成效随着科技的不断发展，大数据在各个领域的应用日益广泛。
教育行业也不例外，利用大数据的技术手段和分析方法，可以有效地改善教育，提高学生的学习成效。
本文将从数据收集、数据分析和数据应用三个方面，探讨利用大数据来改善教育的可行性和优势。
一、数据收集在利用大数据改善教育过程中，数据的收集至关重要。
首先，学校可以通过数字化考试系统，实时记录学生的考试成绩和答题情况，掌握学生的知识掌握情况以及学习能力的发展趋势。
其次，学校可以建立在线学习平台，收集学生在学习过程中的浏览记录、作业完成情况和交流互动情况，为后续的数据分析提供基础数据。
此外，学校还可以通过学生个人信息、家庭背景等方面的调查问卷，对学生的个性特点和学习环境进行综合分析，为个体化的教学提供依据。
二、数据分析大数据的优势在于能够从海量的数据中发现规律和趋势，为教育决策提供科学依据。
在教育领域，数据分析可以帮助学校和教师评估学生的学习需求和能力水平，提供个性化的学习计划和教学资源。
通过分析学生的学习行为和学习成果，教师能够了解学生的学习偏好和学习方式，有针对性地调整教学内容和教学方法，提高学生的学习效果。
同时，通过对学生学习数据的挖掘，可以发现学生在学习中的困惑和难点，及时给予指导和帮助，提升学生的学习兴趣和自信心。
三、数据应用教育大数据的应用可以从各个方面提高学生的学习成效。
首先，学校可以根据学生的学习情况，及时调整教学计划和学习资源，满足学生的个性化学习需求。
其次，通过数据分析，学校可以提前预测学生可能存在的学习难点，并针对性地开展教学辅导，帮助学生克服难题。
此外，学校还可以利用大数据分析，对学生的学习成果进行评估和反馈，为学生提供有针对性的学习指导和进步建议。
最后，学校还可以通过大数据分析，发现各类教育问题和趋势，并及时进行教育改革和政策制定，提高整个教育系统的质量和效率。
大数据改变了教育的传统模式，为教育带来了前所未有的机遇和挑战。
大数据在教育领域中的应用与价值随着信息技术的快速发展，大数据已经成为当今社会的热门话题。
大数据的应用范围广泛，其中教育领域是一个重要的应用领域。
本文将探讨大数据在教育领域中的应用与价值。
一、大数据在教育领域中的应用1. 学生学习行为分析大数据技术可以对学生的学习行为进行全面的分析。
通过收集学生的学习数据，如学习时间、学习内容、学习进度等，可以对学生的学习行为进行深入分析。
通过分析学生的学习行为，教师可以了解学生的学习习惯和学习能力，从而有针对性地进行教学。
2. 学生学习成绩预测大数据技术可以通过分析学生的历史学习数据，预测学生的学习成绩。
通过分析学生的学习行为和学习成绩的关系，可以建立学生学习成绩的预测模型。
这样，教师可以提前了解学生的学习情况，及时采取措施帮助学生提高学习成绩。
3. 教学资源优化大数据技术可以对教学资源进行优化。
通过分析学生的学习数据和教学资源的关系，可以了解哪些教学资源对学生的学习效果更好。
这样，教师可以根据学生的学习情况，有针对性地选择教学资源，提高教学效果。
大数据技术可以对教学过程进行改进。
通过分析学生的学习数据和教学过程的关系，可以了解哪些教学过程对学生的学习效果更好。
这样，教师可以根据学生的学习情况，调整教学过程，提高教学效果。
二、大数据在教育领域中的价值1. 提高教学质量大数据技术可以提高教学质量。
通过分析学生的学习数据，教师可以了解学生的学习情况，及时采取措施帮助学生提高学习成绩。
同时，通过分析教学过程和教学资源的关系，教师可以调整教学过程，提高教学效果。
这样，可以提高教学质量，提高学生的学习成绩。
2. 个性化教育大数据技术可以实现个性化教育。
通过分析学生的学习数据，可以了解学生的学习习惯和学习能力。
根据学生的学习情况，教师可以有针对性地进行教学，满足学生的个性化需求。
这样，可以提高学生的学习效果，激发学生的学习兴趣。
3. 教育决策支持大数据技术可以为教育决策提供支持。
如何利用大数据分析提供实时的学生学习行为和表现分析在当今数字化和信息技术飞速发展的时代，大数据分析成为改进各行各业的利器之一。
教育领域也不例外，教育者们开始运用大数据分析技术来提供实时的学生学习行为和表现分析。
通过利用大数据分析，教育机构可以更好地了解学生的学习情况，并制定个性化的教学方案。
本文将介绍如何利用大数据分析来提供实时的学生学习行为和表现分析。
一、数据收集要进行大数据分析，首先需要收集学生的学习数据。
现代教育中，大量的学习过程和行为都发生在数字化平台上，如电子图书、在线学习平台、教育游戏等。
这些平台都会自动记录学生的学习行为和表现数据，例如学习时长、学习进度、答题正确率等。
此外，还可以通过传感器、监控摄像头等设备收集学生在课堂上的学习数据，如注意力集中程度、眨眼频率等。
除了这些主动收集的数据，还可以引入被动收集的数据，如学生成绩、作业提交情况等。
确保数据收集方法合法、合规，并保护学生隐私。
二、数据存储与管理收集到的海量学生学习数据需要进行储存和管理。
传统的关系型数据库并不能很好地应对大数据分析的需求，因此，可以选择使用分布式存储系统，如Hadoop和Spark等。
这些系统能够高效地处理大规模的数据，并实现数据的即时存储和查询。
同时，对于敏感数据，需要采取安全措施，如数据加密、访问权限管理等，以保障学生的隐私。
三、数据清洗与预处理由于学生学习数据来自不同的数据源，数据可能存在噪音、缺失、异常等问题，因此需要进行数据清洗和预处理。
数据清洗是指通过去除错误、重复、冗余的数据来提高数据质量。
数据预处理则包括填补缺失值、处理异常值和标准化等操作，以确保数据的准确性和一致性。
同时，对不同类型的数据进行合理的转换和编码，以便进行后续的分析和挖掘。
四、数据分析与挖掘数据清洗和预处理完成后，可以进行数据分析和挖掘。
数据分析的目的是从已有的数据中发现有关学生学习的关键信息。
这可以通过使用统计分析、机器学习和数据挖掘等方法来实现。
大数据分析在学生学习行为中的应用与效果分析在当今信息爆炸的时代，教育领域也在逐渐意识到大数据分析的重要性。
大数据分析是一种利用计算机技术，对大量、多样化的数据进行收集、整理、加工和分析的方法，以发现潜藏在数据中的有价值的信息和规律。
在学生学习行为中，大数据分析可以被广泛应用，并产生显著的效果。
本文将探讨大数据分析在学生学习行为中的应用及其效果。
一、学生学习行为的数据收集为了进行大数据分析，首先需要收集学生学习行为的数据。
这些数据可以包括学生在学习过程中所浏览的网页、使用的学习软件、在线作业的完成情况等。
一方面，这些数据可以通过学习管理系统、学习平台等教育技术工具进行收集；另一方面，可以通过问卷调查、实验观察等方式获取学生的主观反馈数据。
通过收集这些不同类型的数据，可以全面地了解学生的学习行为和学习习惯。
二、学生学习行为的数据分析在收集到学生学习行为的数据之后，需要进行数据分析，以揭示其中的规律和趋势。
数据分析的方法可以包括统计分析、机器学习等。
通过对学生学习行为数据的分析，可以得出学生的学习行为模式、学习兴趣、学习时间分配等信息。
同时，还可以通过与其他相关数据的对比和关联，发现学生学习行为与学生成绩、学习动力等因素之间的关系。
这些分析结果为进一步的学习行为干预和优化提供了依据。
三、学生学习行为的效果分析大数据分析不仅仅能够揭示学生学习行为的规律，更重要的是通过对学生学习行为的分析，可以对学习效果进行评估和改进。
在数据分析的基础上，可以通过对学生成绩的分析，了解到学生学习行为与学习成果之间的关系。
同时，还可以通过与其他学生的对比，评估自己的学习水平，从而找到自身的不足之处，并采取相应的改进措施。
这种基于数据分析的效果评估，可以为学生个体的学习进步提供指导，并为教育者提供更有针对性的教学策略。
四、大数据分析的应用案例大数据分析在学生学习行为中的应用已经在实践中取得了许多成功的案例。
例如，在某个线上教育平台，通过对学生学习行为的数据分析，发现学生晚上的学习成绩普遍较差。
基于大数据的学生学习行为分析及其对学习效果的影响研究方案：基于大数据的学生学习行为分析及其对学习效果的影响1. 研究背景与目的随着信息技术的快速发展，大数据技术的应用已经渗透到各个领域。
在教育领域，大数据技术的应用也逐渐引起人们的关注。
本研究旨在基于大数据技术，对学生的学习行为进行深入分析，并探究学习行为对学习效果的影响，从而为提高学生学习效果提供有力的参考。
2. 研究方法本研究将采用以下方法进行实验和调查：2.1 数据采集2.1.1 研究对象选择一所学校或一所大学作为研究对象，选取不同年级和专业的学生作为样本。
2.1.2 数据采集工具使用学校教务系统或在线学习平台的学生数据库作为数据源，获取学生的学习行为数据，包括但不限于在线学习时间、学习课程、学习地点等。
2.2 数据处理与分析2.2.1 数据清洗对采集到的学生学习行为数据进行清洗和去噪，排除异常值和重复值，并对数据进行分类整理。
2.2.2 数据分析方法采用统计学方法、机器学习算法和数据挖掘技术对数据进行分析。
具体分析方法包括但不限于：聚类分析、关联规则挖掘、时间序列分析等。
2.2.3 分析指标根据研究目标，选择合适的分析指标，如学习成绩、学习进度、学习参与度等，对学习行为与学习效果之间的关系进行量化分析。
3. 方案实施3.1 实验组与对照组设计将样本随机分为实验组和对照组，实验组采用新的学习方法或策略，对照组采用传统的学习方法。
通过对比两组学生的学习行为和学习效果，评估新的学习方法或策略对学习效果的影响。
3.2 实验方法实验组和对照组学生在学习过程中，使用学习记录的方式采集学生的学习行为数据。
对实验组学生进行访谈或问卷调查，获取学生对新学习方法或策略的主观评价。
3.3 数据采集时长根据实验进度和研究周期，设定数据采集的时间段，一般建议至少持续一个学期以上。
4. 数据整理和分析4.1 数据整理对采集到的数据进行整理，并构建学生学习行为数据集。
学习与大数据如何利用大数据提升学习效果近年来，随着大数据技术的不断发展和应用，越来越多的领域开始意识到大数据的巨大潜力。
在教育领域，大数据也开始被广泛应用，用于提升学习效果。
本文将探讨学习与大数据相结合的优势，并分析如何利用大数据提升学习效果。
一、大数据在教育领域的优势大数据在教育领域的应用，提供了许多有益的优势。
首先，大数据可以帮助教育机构了解学生的学习行为和学习习惯。
通过收集和分析学生的学习数据，教育机构可以了解学生的学习特点，从而有针对性地为学生提供更好的学习支持和资源。
其次，大数据可以帮助教育机构更好地评估教学效果。
通过分析学生的学习数据和教学资源的使用情况，教育机构可以掌握教学的有效性和改进方向，以便提供更高质量的教学服务。
最后，大数据可以为学生提供个性化的学习路径和反馈。
通过分析学生的学习数据，系统可以根据学生的学习特点和需求，为其提供个性化的学习内容和推荐资源。
同时，根据学生的学习表现和数据分析，教育机构可以及时提供针对性的反馈和指导，帮助学生更好地提升学习效果。
二、利用大数据提升学习效果的方式1. 个性化推荐利用大数据分析学生的学习数据和兴趣爱好，系统可以为学生个性化地推荐学习资源和活动，从而激发学生的学习兴趣和动力。
个性化推荐还可以帮助学生更好地选择适合自己的学习路径，提高学习效果。
2. 实时反馈利用大数据分析学生的学习数据，教育机构可以及时掌握学生的学习进展和困难所在，从而及时提供反馈和指导。
实时反馈可以帮助学生及时调整学习策略，解决学习难题，提高学习效果。
3. 智能辅导结合大数据和人工智能技术，可以开发智能辅导系统，为学生提供个性化的学习辅导和指导。
系统可以根据学生的学习数据和行为模式，为学生量身打造学习计划，提供学习建议，并及时纠正学习中的问题。
智能辅导系统可以帮助学生更高效地学习，提高学习效果。
4. 教育决策支持大数据的分析和挖掘可以为教育决策提供科学依据。
教育机构可以利用大数据分析学生的学习数据和行为模式，预测学生的学习成绩和学业发展趋势，从而制定针对性的教育政策和措施，提升整体教学水平。
教育行业如何利用大数据提升学生学习效果在信息时代的背景下，大数据已经成为推动各行业发展的关键要素之一。
与此同时，教育行业也不例外。
通过充分利用大数据，教育行业能够更好地了解学生的学习情况，提供个性化的教育方案，以提升学生学习效果。
本文将探讨教育行业如何利用大数据提升学生学习效果的几个方面。
一、学习行为数据的收集与分析随着学习过程的数字化，学习行为数据的收集变得更加容易。
学校可以利用学生在学习过程中产生的数据，如在线学习平台的学习记录、互动交流数据等，来了解学生的学习兴趣、学习习惯以及学习进度。
通过大数据分析技术，可以挖掘出这些数据中的有价值信息，为教师提供参考依据。
例如，通过分析学生的学习记录，可以了解到学生在哪些知识点上存在较大的困难，进而采取有针对性的辅导措施。
二、个性化学习建议的提供基于学习行为数据的分析，教育行业可以利用大数据技术为每个学生提供个性化的学习建议。
通过对学生的学习数据进行综合分析，可以得出学生的学习特点和学习需求，进而为每个学生量身定制学习计划。
例如，对于学习成绩优秀的学生，可以提供更多拓展性学习资源，鼓励其进行自主学习；对于学习困难的学生，可以提供更多的辅导材料和辅导时间，帮助其克服学习难题。
三、学习进展的实时监测与反馈借助大数据技术，教育行业可以实时监测学生的学习进展，并及时提供反馈。
通过对学生学习行为数据的实时监测，教师可以对学生的学习情况进行跟踪，发现学生存在的问题并及时向其提供指导与支持。
例如，当学生在某个学习环节出现阻塞时，教师可以根据学生的学习数据，提供相关知识点的解释和辅导，帮助学生迅速解决问题。
四、教学资源的优化与更新教育行业利用大数据还可以对教学资源进行优化与更新。
通过对学生学习数据进行综合分析，可以了解到学生对于不同教学资源的反馈与评价，并根据学生的需求进行资源的优化和更新。
例如，当学生对某个教学资源的反馈较差时，可以对该资源进行改进或替换；当学生对某个教学资源的反馈较好时，可以加大该资源的使用频率，提高学习效果。
如何利用大数据分析提升学习效果在数字化时代，大数据已经成为了关键的资源，它的广泛应用不仅改变了商业模式和产业格局，也对教育领域带来了革命性的变化。
利用大数据分析，学习者能够从海量的数据中提取出有价值的信息，取得更好的学习效果。
本文将探讨如何利用大数据分析来提升学习效果。
一、智能化个性化学习传统的教育模式注重群体教学，忽视了每个学习者的个体差异。
而利用大数据分析，我们可以实现智能化个性化学习。
通过收集和分析学生的学习行为数据、个人兴趣爱好以及学习能力水平等信息，系统可以根据学生的特点为其量身定制学习计划和教学资源，提供更加符合学生需求的个性化教育服务。
这种定制化的学习方式，可以更好地满足学生的学习需求，提高学习效果。
二、及时有效的学情反馈仅仅提供知识和学习资源是不够的，学生需要及时的、个性化的反馈来指导学习。
通过大数据分析，可以实现对学生学习情况的实时监测和分析，及时了解学生的学习进展和问题所在。
教育者可以依据分析结果，提供针对性的指导，及时纠正学生的错误，加强学习重点。
这种及时有效的学情反馈，能够提高学生对学习的积极性和主动性，进而提升学习效果。
三、个性化资源推荐大数据分析不仅可以帮助学生制定个性化学习计划，还可以根据学生的学习情况和兴趣爱好等，推荐最适合他们的学习资源。
通过大数据分析，系统可以根据学生的学习历史、兴趣爱好和学习风格等因素，为学生推荐相关的学习材料、视频、习题等资源，提高学习的针对性和有效性。
个性化资源推荐不仅可以节省学习者的时间和精力，还能够更加精准地满足学习者的学习需求，提升学习效果。
四、预测学习结果利用大数据分析，我们可以预测学习者的学习结果。
通过对学生的学习行为、学习数据以及个人特征进行统计和分析，系统可以通过机器学习等模型，预测学生在某一学习任务中的表现和成绩。
这种预测性分析可以帮助教育者更好地了解学生的学习状况和潜在问题，及时采取措施进行干预，提升学生的学习效果。
总结起来，利用大数据分析可以实现智能化个性化学习、及时有效的学情反馈、个性化资源推荐和预测学习结果等，从而提升学习效果。
利用大数据探究学习行为与学习效果的关系作者：赵楠贾积有
来源：《中小学信息技术教育》2018年第02期
【摘要】数据挖掘是人工智能技术的一个重要研究领域，可以用于教学系统的学习者分析，对实施个性化教学提供借鉴参考。
本文采用数据挖掘软件SPSS和WEKA对一门慕课（MOOC）的学员学习行为数据进行了详细分析，发现最终取得的学生成绩与在线时长、平时小测成绩、浏览网页、视频、课件的次数及发帖次数有显著的正相关；网页浏览次数和平时小测成绩对最终成绩的预测力度最高。
基于以上数据挖掘的结果，本文对慕课教学设计提出了建议，比如根据学生个性特点设置个性化的考评措施、重视平时小测设计、优化视频和讲义的设计等。
【关键词】慕课；MOOC；学习分析；学习活动；数据挖掘
【中图分类号】G434 【文献标识码】A
【论文编号】1671-7384（2018）02、03-0073-04
随着Coursera等慕课（MOOC）学院的兴起，学生通过在线学习可以更自由地支配自己的学习时间，把握学习进度。
在线学习活动是指学习者在某个学习平台或者课程管理系统上学习时参与的活动，包括阅读课程网页、观看课程视频、在线做题、讨论发帖或者回帖、提交作业、同伴互评等（贾积有，于悦洋， 2017），对在线学习活动的分析也成为教育学领域关注的重点。
数据挖掘是一个跨学科的计算机分支，是对大规模的数据进行自动或半自动的分析，以提取过去未知的有价值的潜在信息。
将数据挖掘应用到教育学领域，可以描述、分析和预测学习者的学习行为和学习效果，优化学习环境（Papamitsiou & Economides， 2014）。
贾积有等人（2014）对Coursera上北大6门慕课的注册学员的学习行为数据进行了汇总与分析，结果发现学业成绩与平时测验成绩和论坛活跃程度（发帖、回帖）有较强的相关关系，并且根据分析结果建议MOOC重视课程网站上网页、视频、测验和讲义的设计，引导学生展开网上论坛的讨论（贾积有，缪静敏，汪琼，2014）。
为了进一步探究MOOC学习效果与哪些因素有关，本文使用SPSS对Cousera中北大某门MOOC课程进行大数据分析，探究学生学习行为与学习效果的关系。
本文获取的MOOC课程的数据包括：注册人数，学生开始学习时间，课程在线时间，浏览视频、网页和讲义的次数，参与论坛讨论情况（包括发帖和回帖次数、学员投票），平时小测成绩及最终成绩。
使用SPSS对各类数据进行描述性统计分析、相关和线性回归分析；使用WEKA对数据进行聚类分析。
1.描述性统计分析
对MOOC课程学生各项学习活动的指标的描述性统计分析（如表1）。
选修这门课程的同学共有13700人，其中最后取得学业成绩的有1321人，课程完成率为9.64%，辍学率为90.36%。
在取得学业成绩的学生中，成绩高于（含）60分的有278人，及格率为21.04%。
人均开始时间为49.18天，在线时间为20.19天。
观看视频、浏览网页、观看并下载课件都是一种重要的学习方式，大部分学生都参与了这三类学习。
除了直接浏览课程相关内容，Coursera还设置了课程讨论区，学生可以通过发帖和回帖参与讨论，也可以给别人的帖子投票，学生总体的参与度较低。
2.相关和回归分析
分别以全体同学的在线时间、平时小测成绩为横坐标，期末成绩为纵坐标做散点图（图1、图2）。
对全体同学、在各个指标取得成绩的同学的最终成绩与各项学习活动指标进行相关分析（表2）。
对全体同学来说，各个指标与最终成绩均在0.001水平达到显著相关，而仅分析取得成绩的同学，在线时间、小测成绩、浏览网页、讲义、视频以及发帖数量与期末成绩在0.001水平达到显著相关；发帖得票、回帖数量和得票、论坛声誉与期末成绩没有显著相关。
以最终成绩为因变量，各个学习指标为自变量建立线性回归方程（表3）。
网页浏览次数和小测成绩对最终成绩的预测力度最高，而开始时间、讲义浏览次数和发帖得票数与最终成绩呈负相关。
校正后为0.945，表明线性拟合较好。
MOOC平台给予学生更多自主学习的自由，但是同传统课堂教学相比，网络授课对学生的强制性降低，增大了辍学风险，这种情况下学生的自主性对学习成绩影响很大。
从学习材料来看，浏览网页、讲义、视频的人数依次递减，这可能因为观看视频更耗时间、对网络的要求更高，而通过文字资料学习相对比较方便。
从课程讨论区表现来看，大部分学生对于讨论的热情度并不高，可能因为Coursera面向全球的学生开放，各个国家的同学在语言交流上不太方便，也可能是这门课程难度较低，同学们没有太多需要讨论才能解决的问题。
相关分析表明对取得成绩的同学进行分析可以得到更具区分度的结果，而如果笼统地分析所有数据可能会出现天花板效应，表现为各个指标与期末成绩均有显著相关。
可以看到，平时成绩、浏览学习材料与期末成绩具有很高的相关性，而论坛参与度与成绩的相关度不高，根据这一结果可以将MOOC课程的学习指标大致分为两类：应试类指标（小测、浏览网页、讲义、视频）和兴趣类指标（论坛发帖、回帖），前者可以显著预测期末成绩，后者则与学生个性有关，一定程度上可以反映其学习方式，比如热爱发帖、回帖的同学更善于通过表达观点来巩固知识，而经常参与投票的同学更善于借鉴别人的优势以弥补自己，但是这类指标与最终成绩关系不大。
我们进一步使用WEKA进行聚类分析，将数据聚为2类，seed参数设为20，结果两类分别解释了46%和54%的数据变异，表明这种分类方式是合理的。
基于以上研究结果，我们对MOOC课程设计提出如下建议：
1.根据学生个性特点设置个性化的考评。
如对热衷于参与论坛讨论的同学，可以将论坛活跃度作为10%的期末成绩，而对于讨论兴致不高的同学，可以将10%的成绩布置为平时作业（如文献阅读报告），以达到因材施教的目的。
2.重视平时小测设计。
小测对于学生的学习情况具有至关重要的反馈作用，而认真作答小测的同学也在学习中表现得更加勤奋。
3.优化视频和讲义的设计，设置打卡奖励制度，激励同学们坚持学习，减少辍学率。
参考文献
[1]Papamitsiou， Zacharoula， & Economides， Anastasios A. （2014）. Learning Analytics and Educational Data Mining in Practice： A Systematic Literature Review of Empirical Evidence. Journal of Educational Technology & Society， 17（4）， 49-64.
贾积有，缪静敏，汪琼. MOOC学习行为及效果的大数据分析——以北大6门MOOC为例[J]. 工业和信息化教育，2014（9）： 23-29.
贾积有，于悦洋. 学习活动指数LAI及在线学习活动指数OLAI的具体分析[J]. 中国远程教育：综合版，2017（4）： 15-22.
[2]
[3]。
