(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111570371.X (22)申请日 2021.12.21 (71)申请人 杭州师范大学 地址 311121 浙江省杭州市余杭区余杭塘 路2318号 (72)发明人 章国道　刘儒瑜　盛馨　叶铭滔　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 代理人 陈炜 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) G06Q 50/20(2012.01) (54)发明名称 一种基于过程行为数据的学习预测方法 (57)摘要 本发明公开了一种基于过程行为数据的学 习预测方法。 本发明方法首先对在线学习平台获 取的原始在线学习行为数据进行数据清洗和转 换， 获取标准化的在线学习行为数据， 标准在线 学习行为数据进行特征选择， 获取核心学习行为 数据； 将核心学习行为集合中的元素进行分类， 根据过程行为模 型构造行为类别集合， 对同类核 心学习行为进行特征融合， 得到每类在线学习行 为的类别特征值， 构建在线学习行为聚类特征值 集合； 将在线学习行为聚类特征值集合作为特征 数据， 训练构建的在线学习表现预测器， 选择预 测效果最好的在线学习表现预测器对在线学习 者的学习表现进行预测。 本发明方法降低了模型 运算成本， 有效提高了学习表现预测器的预测准 确度,可解释性更强。 权利要求书2页 说明书4页 CN 114358151 A 2022.04.15 CN 114358151 A 1.一种基于过程行为数据的学习预测方法， 其特 征在于， 包括： 步骤(1)数据预处理； 对在线学习平台获取的原始在线学习行为数据， 进行数据清洗和 转换， 获取 标准化的在线学习行为数据； 步骤(2)特征选择； 对经过预处理的标准在线学习行为数据进行特征选择， 获取核心学 习行为数据； 步骤(3)特征融合； 将核心学习行为集合中的元素进行分类， 根据 过程行为模型构造行 为类别集合， 再对同类的核心学习 行为进行特征融合， 得到每类在线学习 行为的类别特征 值， 构建在线学习 行为聚类特征值集合； 过程行为模型是指对在线学习 行为数据进行归类 的规则， 将学习行为划分为学习准备行为类别、 知识获取行为类别、 互动学习行为类别、 学 习巩固行为类别； 步骤(4)模型训练； 将在线学习行为聚类特征值集合作为特征数据， 训练构建的在线学 习表现预测器， 达到迭代 次数后， 选择预测效果最好的在线学习表现预测器对在线学习者 的学习表现进行 预测。 2.如权利要求1所述的一种基于过程行为数据的学习预测方法， 其特征在于， 步骤(1) 具体是： 对原始在线 学习行为进 行数据完整性检查， 删除不完整的数据条， 获得原始在线 学 习行为集合B{b1,b2,…,bN}， 根据B{b1,b2,…,bN}对应设定标准在线学习行为集合B ′{b′1, b′2,…,b′N}； 其中bn表示在线学习平台记录的第n种原始在线学习 行为数据， b ′n表示标准 化后的第n种在线学习行为数据， n ＝1,2,…,N， N为在线学习行为数量； b′n的第m条标准学习行为数据 dn,m表示第n种原始在线学习行为的第m 条原始学习行为数据， m＝1,2, …,M， M为第n种在线学习行为的数据数量， μbn表示第n种原 始在线学习行为数据平均值， σ bn表示第n种原 始在线学习行为数据方差 。 3.如权利要求2所述的一种基于过程行为数据的学习预测方法， 其特征在于， 步骤(2) 具体是： 设定标准学习行为特征值集合V{v1,v2,…,vN}， 其中， 第n种标准在 线学习行为特征 值 μb′n表示第n种标准在线学习行为数据平均值； 遍历学 习行为特征值集合V中元素与方差阈值threshold相比较， 若当前标准在 线学习行为特征值 大于等于thresho ld， 则将对应的标准在线学习行为加入核心学习行为 集合， 否则不加入。 4.如权利要求3所述的一种基于过程行为数据的学习预测方法， 其特征在于， 步骤(3) 具体是： (3‑1)根据过程行为模型， 将核心学习行为划分至不同的在线学习行为聚类中： 设定在 线学习行为分类C{c1,c2,…,cK}， ck为第k种在线学习行为聚类， k＝1,2, …,K， K为在线学习 行为聚类数量， 即在线学习行为类别划分后， 产生K个在线学习行为聚类， 每一类在线学习 行为聚类均包 含个数不 等的在线学习行为； (3‑2)对每个在线学习行为聚类进行特征融合， 获取对应的在线学习行为类融合特征 值； 第k种在线学习行为聚类ck的类融合特征值 λ∈ (0,1)； 原始在线学习行为数据bn携带监督标签， 原始在线学习行为数据信息为及格时， 监权　利　要　求　书 1/2 页 2 CN 114358151 A 2督标签 λ＝0， 不及格时， 监 督标签 λ＝1， b ′n与对应的bn监督标签一 致； (3‑3)构建在线学习行为聚类特 征值集合 5.如权利要求1、 2、 3或4所述的一种基于过程行为数据的学习预测方法， 其特征在于： 所述的学习准备 行为包括登录学习平台、 访问课程主页面、 访问课程活动界面； 所述的知识获取行为包括浏览课程内容资源、 参与课程活动、 观看课程视频、 访问资源 链接； 所述的互动学习行为包括 参与研讨、 发布论坛、 回复论坛、 向教师提问； 所述的学习巩固行为包括 提出课后反思、 完成课后测试。 6.如权利要求1、 2、 3或4所述的一种基于过程行为数据的学习预测方法， 其特征在于： 所述的在线学习表现预测器的模型训练环节采用SVC、 Bayes、 KNN或ANN  Softmax机 器学习方法。权　利　要　求　书 2/2 页 3 CN 114358151 A 3