摘要：以学习分析为核心的“数据驱动教学”已成为智能教育时代的重要教学范式。在学习结果预测方面,大多数研究将学习者视为整体进行评估,缺少个性化的分类形式与预测模型,也鲜有较为全面的数据挖掘算法的比较研究。本研究基于中学“互联网+”混合学习场景,基于“大五人格”分类,分析学习行为指标与不同人格特质群体学习结果之间的相关性,利用多元线性回归构建相应的预测模型。通过对28类回归算法与24类分类算法的结果比较,判别具有最佳精度和鲁棒性的预测算法。研究发现,不同人格特质群体的预测变量存在差异,课后测验平均分数出现在所有群体的预测方程中并占有最高的权重;过程性评估成绩、在线学习时长是较为稳健的预测因子;无论在数值预测还是分类预警中,Random Forest算法都具有最佳效能。

关键词：学习分析 学习预测 数据挖掘 人格特质 个性化建模 

单位：江苏师范大学智慧教育学院; 221116; 北京师范大学教育学部教育技术学院; 100875