• search hit 1 of 1022
Back to Result List

Analysis of user behavior

  • Online behaviors analysis consists of extracting patterns from server-logs. The works presented here were carried out within the “mBook” project which aimed to develop indicators of the quantity and quality of the learning process of pupils from their usage of an eponymous electronic textbook for History. In this thesis, we investigate several models that adopt different points of view on the data. The studied methods are either well established in the field of pattern mining or transferred from other fields of machine learning and data-mining. We improve the performance of archetypal analysis in large dimensions and apply it to unveil correlations between visibility time of particular objects in the e-textbook and pupils’ motivation. We present next two models based on mixtures of Markov chains. The first extracts users’weekly browsing patterns. The second is designed to process essions at a fine resolution, which is sine qua non to reveal the significance of scrolling behaviors. We also propose a new paradigm for online behaviors analysis that interprets sessions as trajectories within the page-graph. In this respect, we establish a general framework for the study of similarity measures between spatio-temporal trajectories, for which the study of sessions is a particular case. Finally, we construct two centroid-based clustering methods using neural networks and thus lay the foundations for unsupervised behaviors analysis using neural networks. Keywords: online behaviors analysis, educational data mining, Markov models, archetypal analysis, spatio-temporal trajectories, neural network
  • Die Online-Verhaltensanalyse besch¨aftigt sich mit der Extraktion von Mustern aus Server-Logs. Die hier vorgestellten Arbeiten wurden im Kontext des ”mBook“-Projekts durchgef¨uhrt, das zum Ziel hat, ndikatoren f¨ur Qualit¨at und Quantit¨at von Lernprozessen von Sch¨ulern zu entwickeln, die auf deren Nutzung eines elektronischen Lehrbuchs f¨ur das Fach Geschichte basieren. Wir untersuchen mehrere Modelle, die unterschiedliche Sichtweisen auf die Daten einnehmen. Die verwendeten Methoden sind entweder bereits im Gebiet des pattern mining etabliert oder wurden aus anderen Bereichen des maschinellen Lernens und des Data Mining ¨ubertragen. Wir verbessern die Leistungsf¨ahigkeit der Archetypenanalyse f¨ur hochdimensionale Daten decken mit ihrer Hilfe Zusammenh¨ange zwischen der Sichbarkeitszeit von bestimmten Objekten im elektronischen Lehrbuch und Lernmotivation der Nutzer auf. Wir stellen außerdem zwei Mixturmodelle auf der Basis von Markow-Ketten vor. Das erste dient zur Extraktion von Mustern im w¨ochentlichen Browsing-Verhalten der Nutzer. Das zweite verarbeitet Sessions auf eine feiner-granul¨aren Ebene, und erlaubt so, edeutsame Verhaltensweisen im Scrolling aufzuzeigen. Wir stellen des Weiteren ein neues Paradigma der Online-Verhaltensanalyse vor, das Sessions als Trajektorien von Nutzern im Seitengraph interpretiert. In dieser Hinsicht schaffen wir einen Rahmen f¨ur die Untersuchung von Maßen f¨ur die ¨Ahnlichkeit von ¨aumlich-zeitlichen Trajektorien, in welchem die Analyse von Sessions einen Spezialfall darstellt. Schlussendlich demonstrieren wir zwei Clusteringverfahren mittels entroidbasierter neuronaler Netze und legen damit die Grundlagen f¨ur un¨uberwachte Mustererkennung unter Verwendung neuronaler Netze. Schl¨usselw¨orter: Online-Verhaltensanalyse, Bildungsdatenanalyse, Markow-Modelle, Archetypenanalyse, r¨aumlich-zeitlich Trajektorien, k¨unstliches neuronales, Netz

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Ahcène Boubekki
URN:urn:nbn:de:gbv:luen4-opus4-10488
URL: https://pub-data.leuphana.de/frontdoor/index/index/docId/1048
Title Additional (German):Analyse des Benutzerverhaltens
Advisor:Ulf Brefeld (Prof. Dr.)
Referee:Robert Jenssen (Prof. Dr.), Hendrik Drachsler (Prof. Dr.)
Document Type:Doctoral Thesis
Language:English
Year of Completion:2020
Date of Publication (online):2020/08/11
Date of first Publication:2020/08/11
Publishing Institution:Leuphana Universität Lüneburg, Universitätsbibliothek der Leuphana Universität Lüneburg
Granting Institution:Leuphana Universität Lüneburg
Date of final exam:2020/07/08
Release Date:2020/08/11
Note:
Kumulative Dissertation enthält 7 Beiträge
Institutes:Fakultät Wirtschaftswissenschaften
Fakultät Wirtschaftswissenschaften / Institut für Wirtschaftsinformatik (IIS)
Dewey Decimal Classification:3 Sozialwissenschaften / 33 Wirtschaft / 330 Wirtschaft
Licence (German):License LogoDeutsches Urheberrecht