論文Educational data mining applications and tasks: A survey of the last 10 years給予的劃分
Student modeling
致力於表達學生活動的認知方面過程,例如分析學生的表現或行爲,隔離潛在的誤解,代表學生的目標和計劃,識別先前和獲得的知識。
預測學生表現、學習成果、特點
目標是描述一個學生的值或變量,可以反映學生的這些特性,大多數側重於預測成績。
預測成績和特徵最廣泛使用的方法是迴歸和分類,也有使用聚類和特徵選擇等。
發現不良行爲
這組任務類似於學生表現和特徵的預測,重點主要是發現不良行爲,如動機不足,行爲錯誤,作弊,輟學,學業失敗等。
主要使用的數據挖掘方法是分類和據類,也有使用特徵選擇和異常值檢測。
學生分組
任務目標是基於不同變量對學生進行分配,或者使用信息將學生進行分組用於不同目的,通常是以便互補。
在分組時,要尋找集羣之間最大的差異,可以採取特徵選擇和集羣的方法。
社交網絡分析
目標時以圖表形式獲得一個學生模型,顯示他們之間可能存在的不同關係,關注的重點是個體之間的關係,要研究協作,必須同時對關係和個體建模
決策支持系統
此類別的應用程序通過幫助涉衆做出決策來增強學習過程。這類例子包括:提供反饋、創建警報、計劃、生成建議和增強課件。這些決策支持系統的目標主要是教師,也可以是學生、管理人員或研究人員。
提供報告
目的是尋找和突出與課程活動有關的可能對教育工作者和管理人員有用的信息,並向他們提供反饋。學生模型中分組的大多數應用程序的結果可用於創建報告。
給參與者適當的提醒
目的是預測學生的特徵並檢測不需要的行爲,主要作用是通知利益相關者或者實時創建警報的在線工具。
規劃和安排
目的是幫助參與者完成計劃和調度任務,幫助教育工作者和行政人員規劃未來的課程或資源分配,協助招生和諮詢過程,或參與規劃和安排其他任務。
與推薦系統有一定的共同點,再規劃和調度的研究中,採用了模型發現、聚類分析和分類等多種方法。
課件製作
目標是幫助教育者利用學生的信息自動創建或開發課程材料。
發現概念圖
幫助將不同的概念進行彼此映射,確定關係。
推薦
生成推薦主要是向學生提出建議,但也可以對其他相關人員提供建議,例如:向學生提供課程建議,向教育工作者提供測試項目建議。常用方法協同過濾,基於內容的方法,基於關聯規則的算法,模型發現等。