System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智慧教育,具体为一种基于聚类算法和rasch模型的学生分层和分层作业的方法。
技术介绍
1、大部分的研究者会通过收集相关数据对学生进行分类,但是数据收集难度复杂,对分层作业的实现依靠于教师的经验来实现,导致教师工作量增加,数据收集难度大、依靠教师相关经验来对学生进行分层和分层作业。
2、综上所述的问题,为此,我们提出一种基于聚类算法和rasch模型的学生分层和分层作业的方法。
技术实现思路
1、本专利技术的目的在于提供一种基于聚类算法和rasch模型的学生分层和分层作业的方法,解决了现有的问题。
2、为实现上述目的,本专利技术提供如下技术方案:
3、一种基于聚类算法和rasch模型的学生分层和分层作业的方法,包括如下步骤:
4、步骤s1:采集学习者的计算机素养情况,包括基本数据、素养数据;
5、步骤s2:对步骤s1采集的学生者的学习数据进行处理;
6、步骤s3:收集学生三次习题作答数据;
7、步骤s4:根据wi nstep3.72.3软件构建出怀特图,获取每次学生作答习题的能力值;
8、步骤s5:将步骤s3和步骤s4所得到的数据进行整合;
9、步骤s6:通过评价指标sc、db i、ch i进行选择聚类算法、以sc评价指标为主,综合其他评价指标进行比较;
10、步骤s7:通过步骤s6所述的评价指标和步骤s5所构成的数据选择最佳的聚类算法;
12、优选的,所述步骤s1中的学习者基本数据包括以下小类:姓名、性别、年龄、班级、做题时长、专业课分数;
13、所述步骤1中的学习者素养数据包括以下小类:编程基本水平、软硬件了解情况、多媒体使用情况、网络了解水平、信息伦理认知。
14、优选的,所述步骤s2中,具体的包括以下步骤:
15、步骤s21、数据清洗:对步骤s1采集的学习者数据根据每个变量的合理取值范围和内在关系,检查所拿到的学习者数据是否符合要求;
16、步骤s211、如果发现超出正常范围、逻辑上不合理或者相互矛盾的数据,对其进行核对和纠正;
17、步骤s212、如果学习者的某些数据是缺失值,将以中位数进行填充;
18、步骤s22、将清洗的数据整合在一起;
19、步骤s23、将学习者数据中的字符型数据转换为数值型数;
20、步骤s24、将学习者数据进行归一化:各列属性取值处于不同的数量级,需要对数据进行归一化,将数据都归一化到[0,1]范围之间。
21、优选的,所述步骤s24中,数据归一化按照如下公式计算:
22、
23、其中x'表示归一化后的数值,x表示为原本的数据值,min表示数据特征量中的最小值,max表示数据特征量中的最大值。
24、优选的,所述步骤s3中,具体的包括以下步骤:
25、步骤s31、根据考试要求和课程标准选择符合学生能力范围内的习题;
26、步骤s32、进行三次的习题编制,第一次习题为复习题,第二次三次为新知识测试题,每次习题类型包括选择题、判断题、填空题;
27、步骤s33、组织习题测试,收集学生的答题数据,学生答对一题记为1,答错一题记为0。
28、优选的,所述步骤s4中,具体的包括以下步骤:
29、将所得的学生复习题的做答数据,根据步骤s33所处理的数据形式,通过winstep3.72.3软件怀特图功能中产生学生基本能力值。
30、优选的,所述步骤s5中,具体的包括以下步骤:
31、根据学生的对应关系,将学生相应的能力值与步骤s2所述的数据进行相对应整合。
32、优选的,所述步骤s6中,具体的包括以下步骤:
33、根据聚类算法的不同类型,选择不同的评价指标进行比较,选择sc、dbi、chi,其中sc指标计算方式如下计算:
34、
35、其中,b(xi)表示i向量到同一簇内其他点不相似程度的平均值,d(xi):i向量到其他簇的平均不相似程度的最小值。
36、优选的,所述步骤s7中,具体的包括以下步骤:
37、使用python编程语言,在基于scikit-learn库的基础之下使用不同算法对学生采集的数据进行聚类分层。
38、优选的,所述步骤s8中,具体的包括以下步骤:
39、步骤s81、使用winsteps3.72.3软件中entry功能对习题数据进行拟合指标分析,得到ptmea、infit mnsq、outfit mnsq等相关指标;
40、步骤s82、在进行拟合度分析时,首先需要满足单维性假设,使用残差主成分分析法来判断单维性假设是否成立,为了确保数据中的单维性假设成立,需要满足两个要求:
41、主维度解释的方差百分比至少为20%;
42、第一个次维度的特征值必须小于3;
43、步骤s83、根据评价指标具体分析习题的相关质量以及习题匹配学生能力的适配情况。
44、与现有技术相比,本专利技术的有益效果如下:
45、本专利技术通过聚类算法能够对具有相似特征的学生进行分类,利用学生的基本数据和素养数据以及结合学生的能力值能够对学生进行较好的分层,结合rasch模型能够判断习题的难度值以及质量情况,对分层作业的实施有着巨大作用,能够减轻学生的学习负担提升教学效率。
本文档来自技高网...【技术保护点】
1.一种基于聚类算法和Rasch模型的学生分层和分层作业的方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于聚类算法和Rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤S1中的学习者基本数据包括以下小类:姓名、性别、年龄、班级、做题时长、专业课分数;
3.根据权利要求1所述的一种基于聚类算法和Rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤S2中,具体的包括以下步骤:
4.根据权利要求3所述的一种基于聚类算法和Rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤S24中,数据归一化按照如下公式计算:
5.根据权利要求1所述的一种基于聚类算法和Rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤S3中,具体的包括以下步骤:
6.根据权利要求5所述的一种基于聚类算法和Rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤S4中,具体的包括以下步骤:
7.根据权利要求1所述的一种基于聚类算法和Rasch模型的学生分层和分层作业的方法,其特征在于,
8.根据权利要求1所述的一种基于聚类算法和Rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤S6中,具体的包括以下步骤:
9.根据权利要求1所述的一种基于聚类算法和Rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤S7中,具体的包括以下步骤:
10.根据权利要求1所述的一种基于聚类算法和Rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤S8中,具体的包括以下步骤:
...【技术特征摘要】
1.一种基于聚类算法和rasch模型的学生分层和分层作业的方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于聚类算法和rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤s1中的学习者基本数据包括以下小类:姓名、性别、年龄、班级、做题时长、专业课分数;
3.根据权利要求1所述的一种基于聚类算法和rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤s2中,具体的包括以下步骤:
4.根据权利要求3所述的一种基于聚类算法和rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤s24中,数据归一化按照如下公式计算:
5.根据权利要求1所述的一种基于聚类算法和rasch模型的学生分层和分层作业的方法,其特征在于,所述步骤s3中,具体的包括以下步骤...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。