摘要：随着学习云空间应用的不断深入，海量过程性数据与富媒体资源使其呈现为典型大数据特征环境。文章对学习云空间的大数据特征、分析方法及其带来的机遇进行了深入的分析，并依据学习云空间传统数据及其过程性数据提出一种学情预测模型及其实现方法。在模型构建过程中，通过计算各学情因素的Gini增益，实现学习效果影响程度的判别，并提出改进的并行随机森林算法，以世界大学城系统平台为支撑进行学习预测与效果检验。结果表明，该方法较为有效地实现了大数据环境下学习云空间的学情预测，并为学习云空间中基于大数据技术的智能服务提供了一种可行的参考方案。
分类：期刊> 人文社会科学> 社会科学II> 教育理论与教育管理
收录：CSSCI 南大期刊(含扩展版) > 北大期刊(中国人文社会科学期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：网络学习空间 学习云空间 教育大数据 关联性判别 学情预测 并行随机森林
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
