許舒雅
東海大學資訊管理研究所研究生
E-mail：G14490003@thu.edu.tw
余心淳
東海大學資訊管理研究所教授
E-mail：hsyu@thu.edu.tw
摘要
本研究以線上學習情境中學生行為之結構特性為核心，突破既有以退選預測為主之結果導向研究取向，引入拓樸資料分析（TDA）之Mapper 演算法，探索高維學習行為資料中的分支與連續結構。研究使用UCI 公開之OULAD 資料集，選取CCC-2014J 課程學生平台互動紀錄，建構「週次× 活動類型」之多維行為向量，並結合UMAP 嵌入、多尺度覆蓋設計與局部群聚，建立學生行為之拓樸圖模型。結果顯示，學生學習歷程呈現顯著異質性，可穩定區分為早期失聯型、測驗導向無法持續型、穩定留存型與孤島學習型四類結構角色，且退選並非單一路徑，而存在可觀察之過渡節點與行為位移，顯示學習歷程具有動態演變的特性。本研究證實拓樸結構分析可補充傳統預測模型之不足，提供兼具結構詮釋、多尺度穩定性與視覺化優勢之學習行為分析框架，並為後續結合機器學習之可解釋模型奠定基礎。
關鍵字：拓樸資料分析、Mapper 演算法、線上學習行為、學習分析、學生留存與退選