在线众筹:高校数字教育资源建设的新模式

众筹众创是“互联网+”背景下的一种新型资源供给与服务方式,在高等教育领域,采用在线众筹方式筹集数字教育资源,既能充分发挥学生群体的集群力量,满足用户资源需求,又能促进数字教育资源的供给与管理创新。在对在线众筹服务分析的基础上,凝练出在线众筹模式,在此基础上,根据高校数字教育资源建设的现实需求,借鉴互联网思维及长尾理论等理念,构建以服务用户为本、自下而上的高校数字教育资源在线众筹模式。该模式由要素(众筹发起者、资源众筹平台和跟投者)、激励规则、众筹运作三部分组成,对转变高校数字教育资源建设思路、优化数字教育资源配置方式、提升数字教育资源的用户满意度和应用效能具有重要的借鉴价值。

基于GETAMEL的师范生微学习行为影响因素实证研究

微学习是一种新型的学习方式,师范生微学习行为对其未来职业生涯和专业发展都有一定的影响。以GETAMEL为理论框架,在对师范生微学习行为相关文献进行梳理的基础上,提出了17个研究假设,并自编师范生微学习行为影响因素调查问卷,采用整体+随机的抽样方式,从全国随机抽取1000名师范生进行调查,采用SPSS、AMOS等对调查数据进行统计分析。研究发现:社会影响、学习经验、自我效能感、系统功能和感知娱乐对师范生微学习的感知有用性有正向显著的影响;学习经验、自我效能感和感知娱乐正向显著影响师范生微学习的感知易用性。感知易用性和感知有用性正向显著影响师范生微学习态度,社会影响、学习态度正向显著影响师范生微学习行为意愿。技术素养正向调节了社会影响和感知有用性之间、感知有用性和行为意愿之间的关系。

大数据视阈下学习资源智能推荐模型构建

借助大数据和人工智能提供的技术基础和思维框架,构建了以学习者大数据分析和学习资源大数据分析为基础、以智能推荐引擎为核心、以个性化资源服务为目的的学习资源智能推荐模型。该模型由数据源模块、学习者分析模块、学习资源分析模块、智能推荐引擎模块和个性化服务模块等六部分组成。该模型既关注对学习者的知识水平、学习行为、学习风格、学习兴趣等方面的大数据分析,又关注对学习资源的属性、类型、效能、进化等方面的大数据分析,还注重学习资源检索Agent、匹配Agent、管理Agent、算法优化Agent和推荐Agent的协同工作,该模型具有适应性、个性化和易用性等特征。