arXiv cs.CY· David Otoo-Arthur, Terence L. van Zyl·· 4 天前AI 评分12
在线学习中的纵向学习者参与画像：不等观察窗口下的异质共识聚类
Longitudinal Learner Participation Profiling in Online Learning: Heterogeneous Consensus Clustering under Unequal Observation Windows
AI 导读
研究基于南非一所公立大学 152 门课程、4,599 名学习者的 16,448 条完整学习者—课程序列，评估了八种参与度指标，发现即便表示为比率或占比，所有指标仍与观察窗口长度相关。
正文 · AI 翻译
摘要：学习管理系统痕迹被聚类以识别参与画像，但不相等的观察窗口可能导致画像反映的是持续时间而非仅仅是参与。我们使用来自南非一所公立大学152门课程中4,599名学习者的16,448个完整学习者—课程序列，评估了八种参与度量。即使以比率或份额表示，所有度量仍与观察窗口长度相关。按课程分组调整减少了这些关系。使用K-means、高斯混合、Ward凝聚聚类和K-medoids对保留的五种度量进行了评估，并采用标准化度量和主成分摘要。证据支持一个宽泛的双画像分组和一个更详细的调整后四画像共识：逐渐下降型、早期集中型、周期性变化型和持续活跃型。在主要共识中，画像归属解释了持续时间变异的2.87%，而使用原始度量则为38.18%。平均分配支持度为0.739；8.35%的分配低于0.50，其中持续活跃型的不确定性最大。两项逐周序列分析彼此高度一致，但与四画像共识仅适度一致，表明这些画像结合了参与的多个方面，而非不同的序列模式。因此，画像分析应评估持续时间效应，比较聚类方法和参与摘要，并报告分配一致性。
| 评论： | 被SACAIR 2026接收进行展示，并将在会议论文集中发表 |
| 主题： | 机器学习（cs.LG）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2610.17494 [cs.LG] |
| （或 arXiv:2610.17494v1 [cs.LG] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.17494 arXiv颁发的DOI通过DataCite（待注册） |
提交历史
来自：David Otoo-Arthur [查看电子邮件]
[v1]
2026年10月12日星期一 23:33:20 UTC（61 KB）
来源：arXiv cs.CY · arxiv.org