1. 研究目的与意义（文献综述）

1.1研究目的及研究意义

当前，大数据时代已经来临，随着web社会网络和信息采集技术的不断发展，快速积累的海量社会网络数据中蕴藏着丰富的行为模式和规律，亟待研究者们去发掘^[2]。教育领域同样积累了海量数据。如何利用学习者信息及学习过程数据，使这些数据转变为信息、知识，并为教学决策、学习优化服务，已成为教育工作者以及学习者们所关注的内容^[9]。而学习分析技术的出现为此提供了新的解决思路。

学习分析是指“通过测量、收集、分析和汇报学习者以及他们所处环境的数据，来理解和优化学习以及学习环境”。目前，研究者已从学习走向预测、学习效果诊断、分析模型构建等方面对学习分析进行了探索。学习分析包括行为分析、情感分析、知识结构分析、学习路径分析等多个方面。学习行为分析是学习分析的重要组成部分，通过对学习过程中记录下来的相关行为数据进行有目的的分析，挖掘出隐藏在行为数据背后的有价值信息，比如行为模式、行为规律、行为习惯等，最终促进人们对于学习过程、学习结果以及学习环境的理解和优化。

2. 研究的基本内容与方案

2.1研究内容

该研究旨在探究学生生成内容(student-generated content）过程中的操作行为模式。本文利用的数据来源于60名大学三年级地理信息科学专业本科生的流程图绘制实验。实验平台为smartflow流程图绘制软件。为了研究学生在绘制流程图是的行为模式并对其进行分类评估，笔者从smartflow流程图绘制软件中直接导出xml文件格式的学生操作行为数据^[5]。通过数据挖掘相关算法解析出行为数据并对其统计分析，进而转化为概率图建立模型实现对学生绘制行为模式分类与评估，为学生能力评价提供支持^[6]。

2.2研究目标

以xml文件为格式的学生流程图绘制行为数据中包含了多种操作行为，如：移动节点（move_node）、检查要素（check_element）、添加数据类型（add_datatype）、删除图表（delete_chart）、编辑节点属性（editproperty_node）及时间间隔（time_interval）等，这些能有效的反映出学生的操作行为模式及学习能力，因此需要对次进行分析为学生行为分类及能力评估提供支持。

3. 研究计划与安排

第一阶段：1月11号-2月28号

查阅相关文献资料，开展初步调研，学习研究必备知识，初步解析处理数据。

第二阶段：3月1号-3月13号

4. 参考文献（12篇以上）

[1] 杨现民，王怀波，李冀红. 滞后序列分析法在学习行为分析中的应用[j]. 中国电化教育, 2016, (2): 17-23.

[2] 胡玉鹏，罗昊，林亚平等. 社会网络中时空周期行为模式挖掘算法[j], 通信学报, 2013, 34(1): 8-18.

[3] sevda kucuk，burak sisman. behavioral patterns of elementary students and teachers in one-to-one robotics instruction. computers amp; education, 2017(111), 31-43.