基于在线学习行为的层次化分析与心理状态感知模型构建

摘要

在线学习中理解学习者的行为模式和心理状态对于提升学习效果和设计个性化教学支持服务尤为重要。本文提出了一种在线学习行为的层次化分析框架，旨在从活动级和时间维度等多个层面捕捉行为特征。在提取的行为数据基础上，本研究构建了一个心理状态感知模型，融合了机器学习算法，以实现对学习者认知与情绪状态的实时推断。为验证所提方法的有效性，本文使用来国开学习网的数据开展了实证研究，数据包括点击流日志、任务完成时间和交互序列。实验结
果表明，所提出的层次化模型在心理状态识别准确性上明显优于传统的平面模型。此外，该模型能够动态追踪学习者的参与度和压力水平，为个性化学习支持提供了宝贵参考。该方法有效弥合了行为分析与心理建模之间的鸿沟，提出了一种新颖且可解释的实时学习者状态感知框架，有助于推动智能教育系统的发展，促进情感感知型学习环境的构建。