[论文解读] What will you do next? A sequence analysis on the student transitions between online platforms in blended courses

Niki Gitinabard, Sarah Heckman+2 more|arXiv (Cornell University)|May 2, 2019

Online Learning and Analytics参考文献 31被引用 8

一句话总结

本研究将序列分析应用于混合式课程中学生在多个在线平台间的转换行为，基于来自四个工具（Moodle、Piazza、WebAssign、GitHub）的对齐日志数据，采用N-gram与Apriori方法进行分析。研究发现，高绩效学生表现出更多跨平台转换行为，尤其是频繁返回讨论论坛；而低绩效学生则表现出在单一平台（如Moodle）上的长时间、重复性使用，揭示出可支持早期干预与预测建模的显著行为模式。

ABSTRACT

Students' interactions with online tools can provide us with insights into their study and work habits. Prior research has shown that these habits, even as simple as the number of actions or the time spent on online platforms can distinguish between the higher performing students and low-performers. These habits are also often used to predict students' performance in classes. One key feature of these actions that is often overlooked is how and when the students transition between different online platforms. In this work, we study sequences of student transitions between online tools in blended courses and identify which habits make the most difference between the higher and lower performing groups. While our results showed that most of the time students focus on a single tool, we were able to find patterns in their transitions to differentiate high and low performing groups. These findings can help instructors to provide procedural guidance to the students, as well as to identify harmful habits and make timely interventions.

研究动机与目标

• 理解学生在混合式学习环境中如何在多个在线教育平台间进行转换。
• 识别区分高绩效（Distinction）与低绩效（Non-distinction）学生的特定行为模式，尤其是转换序列。
• 通过揭示高效学习习惯与有害学习习惯，为教师提供针对性的程序性指导支持。
• 通过整合基于转换的行为特征，提升学生学业表现预测模型的性能。
• 探讨研究发现是否可推广至具有相似教育功能的不同课程工具（如WebAssign与GitHub）。

提出的方法

• 从四个不同的在线平台收集并对齐学生行为日志：Moodle（学习管理系统）、Piazza（讨论论坛）、WebAssign（作业提交平台）和GitHub（版本控制与代码提交平台）。
• 根据时间接近度与用户上下文，将个体操作分组为学习会话。
• 提取每个会话内平台转换的序列，将学生行为建模为有序操作序列。
• 应用N-gram分析，识别所有学生中最为常见的转换模式。
• 使用Apriori算法发现关联规则，识别在Distinction组与Non-distinction组之间显著更常见的转换。
• 根据最终课程成绩，将学生划分为Distinction（A-或以上）与Non-distinction（B+或以下）两个绩效组。

实验结果

研究问题

• RQ1 在混合式课程中，不同课程工具之间的最常见转换是什么？
• RQ2 在高绩效（Distinction）与低绩效（Non-distinction）学生之间，哪些在线平台间的转换存在显著差异？
• RQ3 平台特定行为及转换模式如何与学生学业表现结果相关联？

主要发现

• 大多数学生操作集中在单一平台上连续进行，且两个绩效组中Moodle的连续操作频率最高。
• Non-distinction学生在Moodle上的连续操作序列显著更长、更频繁，相较于Distinction学生。
• Distinction学生更有可能在使用其他平台后返回Piazza，表明其积极参与同伴讨论。
• 在大多数课程安排中，学生在其他平台完成多次操作后返回Piazza的模式，在Distinction学生中显著更常见。
• 尽管平台类型存在差异（如WebAssign用于快速提交，GitHub用于较长的编程任务），当平台承担相似教育功能时，其转换模式具有可推广性。
• 本研究识别出特定的转换序列（如Moodle → Piazza或Piazza → Moodle），这些序列是高效学习行为的强指标，可被用于改进学业表现预测模型。