[论文解读] Visual Analytics of Student Learning Behaviors on K-12 Mathematics E-learning Platforms

Meng Xia, Huan Wei+5 more|arXiv (Cornell University)|Sep 7, 2019

Online Learning and Analytics参考文献 4被引用 8

一句话总结

本文提出了一种视觉分析系统，利用鼠标移动日志和交互热力图，分析K-12学生在数学在线学习平台上的问题解决行为。通过结合相关性分析、热力图和转移图，该系统揭示了学习模式，识别出有缺陷的问题设计，并区分了加法思维与减法思维策略，使教育工作者能够优化学习材料并更深入理解学生的认知过程。

ABSTRACT

With increasing popularity in online learning, a surge of E-learning platforms have emerged to facilitate education opportunities for k-12 (from kindergarten to 12th grade) students and with this, a wealth of information on their learning logs are getting recorded. However, it remains unclear how to make use of these detailed learning behavior data to improve the design of learning materials and gain deeper insight into students' thinking and learning styles. In this work, we propose a visual analytics system to analyze student learning behaviors on a K-12 mathematics E-learning platform. It supports both correlation analysis between different attributes and a detailed visualization of user mouse-movement logs. Our case studies on a real dataset show that our system can better guide the design of learning resources (e.g., math questions) and facilitate quick interpretation of students' problem-solving and learning styles.

研究动机与目标

• 解决尽管有大量记录的交互数据，但在K-12数学在线学习平台上仍缺乏对学生详细问题解决步骤分析的空白。
• 通过数据驱动的洞察，支持教育工作者识别问题设计中的缺陷，例如难度标签标注错误。
• 通过交互日志的视觉探索，揭示学生思维模式的差异，如加法思维与减法思维。
• 实现高层次的表现概览与低层次的行为分析，以优化教学策略和学习资源。

提出的方法

• 该系统集成了四种可视化视图：问题表现概览、交互强度热力图、序列鼠标移动转移图，以及用于定义感兴趣区域（ROIs）的控制面板。
• 从鼠标移动日志中提取感兴趣区域（ROIs），并以饼图形式可视化，弧线厚度和颜色表示交互频率和时间顺序。
• 对鼠标移动流进行处理，以识别ROIs之间的转移模式，揭示逐步的问题解决序列。
• 对问题难度标签与学生实际平均得分之间进行相关性分析，以检测感知难度与实际难度之间的差异。
• 热力图用于可视化空间交互密度，突出学生在解题过程中注意力集中的区域。
• 系统支持通过转移图对高分与低分学生进行对比分析，以推断其解题过程的差异。

实验结果

研究问题

• RQ1 如何可视化K-12数学在线学习平台中详细的学生鼠标移动日志，以揭示其问题解决策略？
• RQ2 问题难度标签与实际学生表现之间的相关性如何？差异如何被检测？
• RQ3 通过交互日志可视化，可以识别出哪些独特的思维模式（如加法或减法推理）？
• RQ4 解题正确与错误的学生之间的交互序列有何不同？
• RQ5 视觉分析技术能否帮助教育工作者识别学习材料设计中的缺陷，并据此调整教学？

主要发现

• 设计师标记为“简单”的问题，学生平均得分反而较低，表明需要重新评估难度标签的合理性。
• 大量学生使用了“加法”思维策略，即从左到右水平移动红点，而非垂直移动。
• 正确作答的学生在转移图中倾向于从右向左探索解题空间，而错误作答的学生则表现出相反的模式。
• 转移图有效揭示了仅靠热力图无法推断出的序列化问题解决步骤，尤其在仅有一个正确答案的问题中表现显著。
• 通过鼠标交互的空间与时间聚类，系统成功识别出两种截然不同的认知策略——加法与减法。
• 将相关性分析与视觉探索相结合，实现了对问题学习材料的快速检测，并为教育工作者提供了可操作的洞察。