作　　者： ; ;

机构地区： 中山大学教育学院

出　　处： 《东北大学学报（社会科学版）》 2014年第3期309-314,共6页

摘　　要： 基于经典的大学生发展理论,通过实证分析,从大学生学习经历角度,采用逐步回归和神经网络等教育数据挖掘技术,在学生个体和学校两大层面构建大学生学习成果的预测和评价模型,对大学生学习成果及其影响因素进行分析。分析发现,在学生个体方面,学生学习投入是影响学习成果的最重要因素;在学校方面,学习资源和校园文化是影响学习成果的重要因素;在学校因素和学生因素融合方面,在校学习满意度对学习成果具有一定的影响。另外,学生在其学习经历中,与学校系统内部的学术系统和社交系统相融合则可取得较好的学习成果。 Based on the classic development theory and from the perspective of learning experience, regression and neural network analysis are combined to empirically explore the affecting mechanism of university students＇ learning outcome. Taking account of such factors as individual students and universities, a predication model of student learning outcome is constructed. The findings indicate that student engagement is the most important factor for learning outcome when it comes to individual students, learning resources and campus culture are two major factors for learning outcome at the university level, and learning satisfaction exerts a certain effect on learning outcome in terms of both students and universities. In addition, an integration of academic system and social system could contribute to a better learning outcome for university students.

关 键 词： 学生学习成果 教育数据挖掘 学习分析 学习经历 学生发展

领　　域： [文化科学] [文化科学]