@ARTICLE {10.3389 / fpsyg.2023.1080294作者={香和太阳,Di和程,帮派和罗,恒},TITLE ={关键因素预测问题式学习在网络环境:证据从多通道学习分析},杂志={心理学前沿},体积= {14}= {2023},URL = {//www.thespel.com/articles/10.3389/fpsyg.2023.1080294}, DOI = {10.3389 / fpsyg.2023.1080294雷竞技rebat}, ISSN ={1664 - 1078},文摘={问题式学习(PBL)已经被用于不同的领域,和它的价值有压倒性的证据。作为一个新兴领域的前景,学习分析(LA),特别是多通道学习分析(MMLA)已经越来越引起了PBL的研究人员的注意。然而,目前的研究为集成与PBL没有相关结果与特定的PBL步骤或足够的关注同行学习的互动,尤其是对文本数据来自同伴互动。本研究采用MMLA基于机器学习(ML)量化过程的参与同行学习,识别日志行为,自律,和其他因素,然后预测在线出版广播公司的性能。受试者104名四年级学生在社会工作和解决问题的一个在线课程。从在线讨论MMLA模型包含多通道数据,日志文件,报告和调查问卷。毫升分类模型建立分类文本数据在网上讨论。结果表明,自我管理,信息发布,信息,和同行学习参与表示,解决方案,和评价预测的在线PBL的性能。分层过程的线性回归分析显示更强的预测效度指标在线PBL性能比其他指标。本研究解决缺乏学生的过程数据和分析文本数据的效率低下,以及提供信息有针对性的学习策略,脚手架的学生在线出版广播公司。}}