南非学者发布在线学习参与度聚类研究
热点事件持续更新
南非学者发布在线学习参与度聚类研究
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
David Otoo-Arthur 和 Terence L. van Zyl 在 arXiv 发布论文，利用南非某公立大学 4,599 名学习者的 16,448 条课程序列，评估不等观察窗口对在线学习参与度画像的影响。研究通过 K-means 等四种聚类方法构建共识模型，识别出“持续活跃”等四类画像，将时长变异解释率从 38.18% 降至 2.87%，平均分配支持度为 0.739。该论文已被 SACAIR 2026 会议接收并将在会议论文集中发表。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
在线学习纵向学习者参与度画像：不等观察窗口下的异质共识聚类报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv cs.CY在线学习纵向学习者参与度画像：不等观察窗口下的异质共识聚类
研究利用南非某大学 16,448 条学习者课程序列，评估了不等观察窗口对参与度画像的影响。通过 K-means 等四种聚类方法，构建了包含“持续活跃”等四类画像的共识模型。该模型将时长变异解释率从 38.18% 降至 2.87%，平均分配支持度为 0.739。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。