.png){kind=icon}
返回
Does sequence mining uncover generalizable behavioral patterns? A methodological case study
.png){kind=icon}
PRE
AI
DOI：10.1186/s40536-026-00289-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
序列挖掘技术为从时间戳动作序列中揭示模式提供了强大的工具。然而，使用选定方法提取的信息可能并不一定具有意义或能推广到特定数据和任务之外。在本案例研究中，我们考察了在PISA 2025“数字世界中的学习”领域四个任务中识别的行为模式的泛化能力。我们比较了两种子群发现方法：基于原子特征（如序列长度、任务用时）的聚类和基于成对相似性的序列聚类。两种方法均在任务间识别出一致的行为子群，揭示了相似的转换模式，在任务得分、先验知识和努力与聚类的关系上表现出可比性，且彼此间高度一致。这些发现表明，两种方法均捕捉到了应试者在任务处理方式上相似且可泛化的差异。基于我们的结果，我们推导出关于动作序列数据挖掘的启示，强烈主张即使在探索性分析中也应纳入理论考量。
Keyword:
Action sequences
Data mining
Clustering
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
查看更多机构