基于复杂网络的大学生学习目标与学习行为比较研究

《基于复杂网络的大学生学习目标与学习行为比较研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于复杂网络的大学生学习目标与学习行为比较研究　　【摘要】本次研究采用复杂网络的理论与技术，构建了大学生学习行为与各专业大学生学习目标之间的网络模型，分析大学生学习目标与学习行为之间的规律，主要分析了拥有相同目标的学生在学习行为方面的异同。通过总结规律与研究经验，可以去研究其他各专业大学生学习目标与学习行为的规律，最后提出改善大学生学习情况的解决方案与建议，这有利于更好地构建学习环境、优化学习管理制度。【关键词】复杂网络学习目标学习行为一引言（目标与行为的关系）7“思想决定行为，行为成就习惯”，

2、大学生的学习目标将可能决定他未来的发展方向与前景，大学生的学习行为直接影响大学生们的学习情况，因此，对大学生学习目标以及大学生学习行为的研究很有意义。以国内某普通大学为例，该学校以农科为特色、多学科协调发展，该校有在校读学生人数近3万人，本次调查共分类抽样调查了该校2114名学生。该校有研究生、一本、三本、自考、专科五类学生，这五类学生的学习目标与学习行为一定有差异，如果将大学生这个大的团体中的每个成员与参与的行为看作一个结点，成员与行为有关系便连上一条边，那么整个团体就构成了一个“复杂网络”。

3、随着素质教育的全面实行、以学习者为中心的教育思想的兴起与普及，那我们通过复杂网络到底怎样研究分析出想要的规律呢？二、方法与原理我们主要采用问卷调查分析方法和文献研究进行研究。我们实际调查了2114人，其中，本部人文经管类400人左右、本部理工450左右、本部农林生科400人左右、东方科技学院（三本）500人左右、研究生200人左右、自考70人左右、专科30人左右。通过excel对数据进行统计、将调查数据在Ucinet软件上进行分析。为了便于在图像上观察，便遴选出了64位目标为创业的专业属于农林生

4、科类的同学，然后再对这64位同学进行关于学习行为方面的调查。做出结合所学知识，分析比较在复杂网络中不同的大学生学习目标，便可得出学习者的学习共性和个性化特点。文献研究中，我们查阅了许多学习资料，通过文献研究，使我们不断积累关于复杂网络研究模型的知识经验。7通过复杂网络来研究大学生学习行为，发现个体学习行为的差异和特点，了解大学生除了学习外，还参加了哪些素质拓展活动，比较不同学习者学习行为的关系。我们将研究搜集到的数据进行2-模数据的中心性分析等分析。总结不同学习者学习行为的异同处，发现规律，从而

5、提出解决方案与建议，有利于我们更好地构建学习环境、优化学习管理制度。根据学习行为的图结构，研究四类学生的社团结构（群）特征，分析中心结点。分析湖南农业大学五类学生的学习行为的社团结构，通过聚类分析寻找学生的学习行为特点，寻找社团结构的领袖人物。通过复杂网络图的度分析去进行分析比如：度分布函数p（k）：随机选定节点的度恰好为k的概率。节点的聚类系数（簇系数）：在简单图中，设节点v的邻集为N（v），

6、N（v）

7、=ki，则节点v的聚类系数定义为这ki个节点之间存在边数Ei与总的可能边数ki（ki-1）

8、/2之比，即：Ci=2Ei/ki（ki-1）。网络节点间联系的密切程度，体现网络的凝聚力。网络的聚类系数C是指所有节点i的聚类系数Ci的平均值。（0?C?1）。若C=1，则网络中任意节点间都有边相连。三、大学生学习目标与学习行为分析7基于复杂网络来研究相同学习目标的同学在某一学习行为上的差异。首先对2114名大学生的学习目标进行调查，他们的目标大致分为以下几种：（1）找份理想的工作（工作与所学专业相关）（2）找份理想的工作（工作与所学专业无关）（3）考研究生（4）考公务员、选调生等（5）出国留学

9、（6）创业（7）参军、当兵（8）提升个人综合素质或魅力（9）其他（10）目标不明确。将调查数据在Ucinet软件上进行分析，可得图一所示的网络图。红点表示2114名大学生、蓝点表示他们的目标。为了便于在图像上观察，通过对2114名同学进行关于学习目标的调查，遴选出了64位目标为创业的专业属于农林生科类的同学，然后再对这64位同学进行调查，问题是‘在湖南农业大学、你参加过以下哪些组织或有过以下哪类经历？’同学们写下了一些他们参与的活动，归类出一下9种情况：（1）实验室（2）学生会（3）社团（4）志

10、愿者（5）兼职、实习（6）文学社（7）运动会（8）其它（9）没参加什么活动。我们将搜集到的数据进行二部‘2―模图’分析以及2―模数据的中心性分析。二部‘2―模图’之前先要创建二部矩阵，二部矩阵表示了两个模之间关系。要构建二部矩阵，需要在隶属关系矩阵的基础上再加一些行和列，即矩阵中横坐标增加了学生项，纵坐标增加了活动项，使之变为方阵。只要数据以这种方阵形式表达，用来分析1―模网络数据的方法都可用来分析该数据。二部矩阵中学生与活动的块与初试矩阵完全一样，两个新的矩阵通常编码图形如表一所示。通过2部矩