基于遠程教育的用戶行為分析研究

姬昊

摘要：隨著互聯網技術在教育領域應用的不斷深入，遠程教育作為一種新型教育模式得到了迅速的發展。然而，在這種便利的教學模式下如何進行高效的學習受到了越來越多的關注。由于學習用戶之間存在著鮮明的個性特征差異，所以用戶行為分析對解決如何對不同行為的學習用戶制定相應的學習策略對于提高遠程教育質量至關重要。本研究旨在基于對遠程教育用戶的學習行為進行相關分析研究，研究實現核心思想為根據用戶在遠程教育系統使用過程中產生的各種數據信息，通過相應的數據采集、數據挖掘以及統計分析等方法來分析不同用戶行為的差異性。

關鍵詞：遠程教育；用戶特征；行為分析；數據處理

1 引言

網絡遠程教育是隨著現代信息技術的發展而產生的一種新型教育方式[1][2]。計算機技術、多媒體技術、通信技術的發展，特別是因特網的迅猛發展，使網絡遠程教育技術有了質的飛躍，成為高新技術條件下的遠程教育。遠程教育以網絡教育手段為主，兼容面授、函授和自學等傳統教學形式，是一種由多種媒體優化組合的教育方式。同時，相對于面授教育而言，遠程教育是一種師生分離、非面對面組織的教學活動，是一種跨學校、跨地區的教育體制和教學模式，遠程教育的主要特點包括：學生與教師分離；采用特定的傳輸系統和傳播媒體進行教學；信息的傳輸方式多種多樣；學習的場所和形式靈活多變。與面授教育相比，遠距離教育的優勢在于它既可以突破時空的限制、提供更多的學習機會，也能夠擴大教學規模、降低教學的成本；同時便利了學習過程。

然而在我國遠程教育實踐過程中仍然存在很多問題，嚴重阻礙了遠程教育的發展[3][4][5]。在諸多問題中，遠程教育的教學質量問題是政府、社會及辦學者所關注的重點。由于其入學門檻相對較低，學生素質多樣化，學生之間存在著鮮明的個性特征差異，同時學習時間分散，以業余時間為主，導致學習過程難以監控、學習效果不便診斷，此外，目前常見的遠程教育系統模式單一，師生交互性差，教育資源大都以靜態的形式存儲共享在系統平臺上，學生只能被動的接受統一、固定的學習內容，知識選擇靈活性差，不能根據學生的具體需求個性化的定制學習內容，從而影響學習效果。

2 用戶行為分析

2.1 特征預處理

用戶行為[6]是指主體能在網絡上產生流量的行為，如MSN聊天，迅雷下載，Web站點訪問，在線觀看視頻等。本課題首先對影響用戶在學習過程中各個方面的主要因素進行歸納和研究分析，包括對用戶潛在的固有特征進行統計，例如籍貫、性別、年齡、婚否、血型等；以及通過用戶對自身相關能力的描述，例如創造力、環境適應能力、觀察力等因素。然后通過統計分析、心理學等相關專業學科知識對影響用戶行為的每個因素進行詳細的預分析和初步的判斷，為后續的數據信息處理奠定基礎。

2.2 用戶模型構建

用戶模型是個性化服務的核心部分，反映了用戶與系統交互、績效行為和學習歷史記錄等主觀及客觀的信息。為滿足用戶的個性化需求。實現個性化學習服務，系統必須先了解學生的性格特點、知識水平、興趣偏好和學習風格等信息。為了能準確描述這些用戶信息，需要為每個用戶建立用戶模型，用戶模型包含如下信息：

圖1 用戶模型

（1）個人特征信息。

個人信息記錄用戶的性別、籍貫、年齡、所從事專業等基本信息。

（2）社交信息。

社交信息描述用戶與其它用戶之間的關聯關系信息，用戶可以建立學習小組或加其他用戶為好友并互動從而進行協作學習。

（3）學習風格。

學習風格是指在學習過程中，每一個用戶都會表現出不同的學習傾向，包括學習動機、態度、情緒和認知傾向，以及對某種學習策略、學習方法的適應程度等。

2.3 行為分析

遠程教育用戶的行為受到外界因素和內部因素兩方面影響，在這兩方面影響下用戶產生了資源信息需求，并根據需求完成信息尋求行為，在用戶進行信息行為的過程中，他的這種行為作為外部因素影響了其他的用戶，導致其他用戶產生新的信息需求。由于社會化網絡是通過人和人之間的聯系建立起來的，具有很強的社會性，所以在兩類印象因素中，外部因素對社會化網絡用戶的行為變化起了重要的作用。

外界影響因素是指個人以外的外界環境對行為所產生的影響，包括：群體行為影響、他人推薦、輿論導向；內部因素是指用戶的個人特征對行為所產生的影響，包括：文化程度、社會角色、人格特性、遺傳因素。產生的行為表現按照對信息的需求程度分為三類：積極檢索、被動檢索、信息瀏覽。

圖2 行為模型

3 數據處理

3.1 數據采集

對用戶行為進行分析，離不開用戶在遠程教育學習過程中的一些原始數據的支持。采集的數據信息包括對用戶固有特征信息、遠程教育辦學機構以及課程資源信息以及用戶在學習過程中產生的行為數據信息。

在收集用戶固有特征信息過程中，對于用戶的基本信息，可以通過從用戶基本注冊信息數據庫表進行獲取；遠程教育辦學機構學校口碑、教學管理以及資源品質等信息可以通過社會評價以及學生往期選課標準進行獲取；而用戶學習行為信息需要通過特定的數據記錄結構來進行捕獲，捕獲對象例如用戶學習過程中的搜索關鍵字、訪問URL、學習時長等信息；若需要更為詳細的特征信息可以通過調查問卷等采樣方式進行獲取。

（1）用戶屬性數據庫中存儲了用戶的屬性信息，是用戶注冊賬號時填寫的個人信息，數據表的具體設置如表1所示。

（2）根據上一節建立的用戶行為模型，提取用戶相關行為數據。行為數據庫存儲用戶的相關行為信息，包括用戶的瀏覽行為、選課行為、操作行為等。數據表信息如表2和 表3所示。

3.2 數據分析

要得到可信的數據分析結果，往往需要采集的數據信息規模需要很大而且多樣化，因此需要對已采集信息進行處理。處理過程中，可以首先清除掉數據信息集中的“無效數據”，例如屬于嚴重背離常理的數據，或者是敷衍調查的無用數據；其次對過濾好的數據信息通過數據挖掘、數理統計以及相關性分析等方法進行處理，來計算用戶行為因素出現頻率、概率以及因素之間的相關性。

對于用戶輸入的查詢語句，為實現語義查詢，必須進行一定的處理，進行中文處理的關鍵是詞法分析。本文采用了中科院分詞系統ICTCLAS（Institute of Computing Technology，Chinese Lexical Analysis System），對用戶輸入的信息進行分詞處理，以盡可能返回用戶最滿意的搜索結果集。

計算用戶屬性與影響因素之間的相關系數，選擇相關系數值較大的影響因素作為回歸預測模型的自變量，相關系數計算公式為：

（1）

對影響因素的關聯度進行分析，找出關聯度較大的因素作為分析模型的自變量，其計算步驟為：

（1）求關聯度兩極差，

記為 ，再根據 求兩極最大差和最小差，分別記為 ， ，再計算關聯系數：

（2）

（2）計算關聯度：

（3）

4 結束語

本文提出了一種通過對遠程教育用戶的行為進行的用戶行為分析研究。根據用戶在遠程教育系統使用過程中產生的各種數據信息，通過進一步的數據采集、數據分析以及統計分析等方法來分析不同用戶行為的差異性，該研究可有效的幫助遠程教育工作者一定程度上提高用戶學習效率，提升遠程教育用戶學習質量。

參考文獻：

[1]張堯學.高校現代遠程教育調查與思考[J].中國遠程教育，2004（08X）：18-22.

[2]韋進.現代遠程教育條件下學習支持服務系統建設的實踐和探索[J].現代遠距離教育，2002，2：31-33.

[3]章東飛.試析我國遠程教育發展現狀與存在問題[J].成人教育，2010（012）：50-51.

[4]蔣立兵，于凌云.遠程教育發展現狀與存在的問題分析[J].教育技術導刊，2006（1）：41-42.

[5]施志毅.從教育服務的市場機制選擇談現代教育服務業發展中的幾個問題[J].中國遠程教育，2007（11S）：22-24.

[6]Han-Ching Wu，Shou-Hsuan，Stephen Huang.User Behavior Analysis in Masquerade Detection Using Principal Conponent Analysis.8th Internationl Comference on Intelligent Systems Design and Applications.2009.