A behavioral sequence analyzing framework for grouping students in an e-learning system

گروه بندی دانش آموزان از ایجاد جوامع یادگیری مجازی سود می برد و به فضای یادگیری مشترک و توصیه کمک می کند. با این حال، معیارهای گروه بندی وجود دارد که عمدتا در پرتفوی یادگیری، پروفایل ها و ویژگی های اجتماعی محدود می شود. در این مقاله قصد داریم یک چارچوب یکپارچه برای گروه بندی دانش آموزان بر اساس توالی های رفتاری ایجاد کنیم و پیش بینی کنیم که کدام گروه یک تازه وارد است. توالی ها به صورت مجموعه ای از مسیرهای رفتاری نمایش داده می شوند. ما در مورد یک توصیف کننده شکل برای تقریبا بیانگر اطلاعات هندسی مسیرها، و سپس تشابه ساختاری، میکرو و ترکیبی را می گیریم. یک گراف نا منظم وزن، با استفاده از دنباله به عنوان یک گره، رابطه به عنوان لبه و شباهت به وزن، ساخته شده است، که در آن ما یک الگوریتم خوشه بندی طیف گسترده ای برای یافتن گروه های عادلانه انجام می دهیم. در مرحله پیش بینی، یک طرح نمایه سازی و بازیابی پیشنهاد شده است تا یک تازه وارد وارد گروه مربوطه شود. ما آزمایشهای اولیهیی را روی یک مجموعه داده واقعی انجام میدهیم تا بتوانیم چارچوب را بررسی کنیم و شرایط پارامتریک برای گروه بندی بهینه را تعیین کنیم. علاوه بر این، ما نیز با پیش بینی گروه بندی با یک ژنراتور داده مصنوعی آزمایش می کنیم. روش پیشنهادی ما از همتایان بهتر است و گروه بندی را معنی دار تر می کند.