基于时间序列的在线学习预警算法

Early warning mechanism of interactive learning process based on temporal memory enhancement model

作者:Xiaona Xia & Wanxue Qi

互动学习是学习者利用计算机和网络技术自主进行的双向学习方法。然而在互动学习中，如何利用学习中的数据来进行预警，还有待进一步的研究。因此，研究者提出了一种基于学习者行为序列的预警算法，可以基于时间方向上的特征来理解学习者的行为。在公开数据集上的分析显示，新的预警算法具有较高的有效性和可靠性，对未来进一步开发更加精准的预警系统有着重要意义。

https://doi.org/10.1007/s10639-022-11206-1

学生早期的数学和英语成绩可以预测他们的毕业成绩

Predicting students’ performance in English and Mathematics using data mining techniques

作者:Muhammad Haziq Bin Roslan & Chwen Jen Chen

随着教育数据挖掘领域的发展，越来越多的学者尝试使用不同的变量预测学生的成绩。最近，研究者关注了前期的数学和英语成绩、心理状态和人类学信息对于学生高中毕业考试成绩的影响。研究使用Orange软件对2019年的学生数据进行了数据挖掘，决策树和简单贝叶斯算法被用于学生特征划分和成绩预测，并达到了最好的预测性能。研究者指出，当前的数据分析结果显示，早期的数学和英语成绩会以交叉的方式影响他们的毕业考试时的成绩，例如数学成绩高低会影响毕业考试时的英语成绩。

https://doi.org/10.1007/s10639-022-11259-2

教育文本挖掘技术近期发展

A survey of the literature: how scholars use text mining in Educational Studies?

作者:Junhe Yang et al.

随着信息技术在教育中的广泛运用，教育场景中有了越来越庞大的文本体量，这导致了手动分析方法的失效。新近出现的基于机器学习的文本挖掘是一类强大的工具，可以弥补这方面的差距。最近，研究者回顾了过去5年来的161篇文章，梳理了近期文本挖掘技术的发展和应用。研究归纳了文本挖掘的常用步骤为文本源选择、挖掘技术应用和教育信息发现，并细致地总结每个步骤中的细分选项。研究者认为，文本挖掘是未来教育中非常有潜力的数据科学技术，应该让更多的教育学者理解和接受。

https://doi.org/10.1007/s10639-022-11193-3