论文MOOCs学习行为和学习效果逻辑回归分析是关于逻辑方面的论文题目、论文提纲、逻辑思维训练500题论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
【摘 要】 目前,MOOCs（大规模开放在线课程）在世界范围内迅猛发展,但是随之而来的是对MOOCs学习质量和高辍学率等现象的质疑.现有MOOCs平台大都对学习者在线学习行为有较为详细的记录.如何对学习行为数据进行分析、建模和解读是大数据时代教育研究的热点和难点所在.逻辑回归方法作为一种成熟的机器学习方法可以有效地建立学习行为和学习效果之间的模型.本研究总结了在线学习领域逻辑回归研究的流程,在此基础上,从MOOCs在线学习过程出发构建了学习行为指标,并应用逻辑回归对MOOCs学习数据进行分析,就学习者在线学习行为对学习成绩的影响展开了探索.研究检验了逻辑回归对于在线学习效果研究的价值,发现了课程注册时滞、登录课程次数、提交作业测试次数、习题保存次数的均值和视频观看完成度等指标和成绩的相关性.研究发现：在该课程中提交作业测试可以作为MOOCs学习成绩预测的关键指标,所构建的逻辑回归模型预测准确率达到98%.
【关键词】 MOOCs；逻辑回归；在线学习行为；学习效果
【中图分类号】 G420 【文献标识码】 A 【文章编号】 1009—458x（2016）05—0014—09
一、引 言
近年来,MOOCs的快速发展使其教学效果受到越来越多的关注.MOOCs学习的规模效应,使得在MOOCs中难以开展个性化的教学.有研究对目前部分高校主流MOOCs平台的数据进行统计表明,虽然课程完成率有达到40%的情况,但大部分课程完成率不到10%（Jordan, K., 2013）.大规模的学习者注册似乎意味着大规模的辍学率和未通过率,提高MOOCs学习者的学习效果是当前包括MOOCs在内的在线教育面临的重大难题.大量研究通过对不同环境中在线学习行为和学习效果的关系进行实证研究,发现学习者的在线行为对学习效果有着重要影响（F. Kizilcec, 2013； 姜蔺, 韩锡斌, 2013； 宏梅, 2008； 吕媛, 2004）.
已有关于在线行为和学习效果的关系研究中,在线行为特征的获取大多是基于学习者学习过程中的单一维度或某几项维度,如学习者的注册时间,什么时间和何种课程资源交互,如何交互以及交互的程度,练习次数、成绩、错误率、错误的内容和学习成绩等（Macfadyen, 2010； RaMesh, 2013； Balakrishnan, 2013； 蒋卓轩, 2014）.关于学习行为和学习效果之间关系的研究,由于在线学习过程的复杂性,相关研究所得出的结论也不尽相同.例如王萍（2015）的研究表明学习者观看视频数和学习章节数等参和行为和学习成绩没有直接关系,而贾积有等（2014）的研究表明观看视频次数、观看网页次数、浏览和下载讲义次数等学习行为和学习成绩呈显著相关.
MOOCs学习者的学习效果受到诸多因素的影响.为了全面深入地探索学习效果的影响因素,研究者需要对反映整体学习过程的大量数据进行挖掘和分析.本研究从MOOCs学习者整体学习过程出发,构建MOOCs学习者学习行为分析框架,通过对一门实际MOOC中行为数据进行分析,应用逻辑回归方法分析MOOCs学习者的影响因素.
二、在线学习领域的逻辑回归研究
(一)逻辑回归及相关研究
逻辑回归（Logistic Regression, LR）是数据挖掘和机器学习的常见方法之一,属于有监督的学习方法.它根据一个或多个连续型或离散型自变量来分析和预测离散型因变量的广义线性回归.逻辑回归的因变量通常为类别等离散变量.二元逻辑回归是最常用形式之一,其因变量只包含两个类别值.在线学习分析中,常常会遇到一些表示研究对象状态的离散变量,例如学习者参和课程后能否取得好的学习效果,获得相应证书,考试能否及格得到相应学分等.在在线学习环境中,学习者的学习行为体现在在线学习的各个方面,可以使用二元逻辑回归方法分析学习行为对学习效果的影响.
在在线学习领域中,国外已经有很多研究通过建立逻辑回归模型来对学习者的学习表现等进行分析和预测.例如Harrell Ⅱ和Bower（2011）选取了学习者的三个特征（听觉学习风格、计算机技能和成绩平均积点）,通过逻辑回归分析确定模型,预测基于学习社区的学习者是否会辍学；San等人（2013）通过智能引导系统搜集学习者在初中阶段的学习过程中所表现的学习投入及情感特征来预测其是否能上大学；Park和Choi（2009）从个体特征、家庭社会因素和心理三方面探究影响成人学习者在线课程辍学率的因素,并预测学习者成功的可能性.
和国外相比,国内关于在线学习领域应用逻辑回归的相关研究较少.较有代表性的研究为蒋卓轩等（2014）运用逻辑回归等方法,通过看视频次数、提交测验次数、记录密度、论坛发帖次数、论坛看帖次数和注册时间距离开课日期的天数6个行为特征,对学习者的最后学习成果进行了预测.
文献研究发现,在线教育领域中的逻辑回归的相关研究大多针对标志学习过程或结果的某一重要变量作为因变量（如是否辍学、是否考试及格等）,分析各种自变量（如特征变量、行为变量和心理学变量等）和因变量的相关关系,最终实现分类和预测的目的.
(二)在线学习领域逻辑回归研究的流程
在借鉴上述研究的基础上,本研究对在线学习领域逻辑回归研究的一般流程进行了梳理.
1.变量选择
变量选择是逻辑回归的第一个步骤.变量要满足自变量和因变量的密切相关,以及各个自变量之间相互独立的两个条件.为保证变量选择的合理和有效,需要对变量进行完整的预处理和相关性分析.
从原始数据集抽取变量时,需要对指标进行数据预处理.通过预处理对变量的缺失值和异常值等进行处理,剔除不符合要求的数据.为了有效地建立逻辑回归模型,需要对变量进行相关分析,应尽可能地将显著相关的自变量选入建模过程.例如,Park和Choi（2009）选取了性别、年龄、教育程度、家庭支持、组织支持、学习者满意度和课程关联度等变量研究成人学习者在线课程辍学率,并利用相关分析法进一步分析了研究选择的变量,发现性别、年龄和教育程度等人口学特征和学习者的辍学和否在统计学意义上并不相关,因此剔除了这3个变量,将家庭支持、组织支持、学习者满意度和课程关联度这4个显著相关的自变量放入逻辑回归的模型中.
总结:关于免费逻辑论文范文在这里免费下载与阅读,为您的逻辑相关论文写作提供资料。
参考文献：
1、 信息呈现方式和认知风格对概念性知识移动学习效果影响 【摘 要】 移动学习资源的设计与开发一直是教育学者关注的热点问题，但是目前的研究较少或者缺乏对学习者学习内在需求的探究。针对不同认知风格（场独立。
2、 提高非示范性高中艺体生数学学习效果策略 [摘要]主要分析了非示范性高中艺体生学习数学的兴趣不高，课堂教学效果低下的原因 并针对其原因，探讨了提高非示范性高中艺体生数学学习效果的策略 。
3、 高中英语教学小组合作学习效果措施探寻 随着社会时代的发展，新课改对我国教育体制提出了新的要求。而在不断完善的教育体制中，良好的学习氛围和科学的教学方式成为了学校新课改最大的变动。在传。
4、 江西省上饶市信州区社区学堂深化学习效果 信州区鼓励辖区各街道创新开设“社区学堂”，筑牢思想根基，确保党员学有方向、学有触动。领导带头重点讲。由街道党委班子成员以上率下，以“社区学堂”。
5、 英语小组合作学习对中职学生学习情感和学习效果影响 摘 要：近年来，小组合作学习作为一种极富独特创意且实效突出的教学体系风靡全球，是当前中国教育新课程改革所倡导的教学模式之一，而随着职教改革的不断。