分析学习智能元胞自动机及优化的城市模拟

元胞自动机被广泛应用于城市及其他地理现象的模拟,模拟过程中的最大问题是如何确定模型的结构和参数。该文提出一种基于分析学习的智能优化元胞自动机,该模型在逻辑回归模型的基础上,基于分析学习的智能方法,寻找元胞自动机模型的最佳参数。该方法允许用户控制空间变量影响权重,进而模拟出不同的城市发展模式,可为城市规划提供重要参考。

医学病例分析学习系统在医学培训中的应用

目的建立医学病例分析学习系统,提高实习医生的学习效果。方法选取来我院泌尿外科实习学生55名作为研究对象,将其随机分为两组,实验组25名,使用病例分析学习系统进行教学,对照组30名,使用传统教学模式进行教学。6个月实习期满后对学生进行出科考核,并对两组学生进行满意度问卷调查,分析医学病例分析学习系统存在的问题并寻求解决方法,调查完毕后核实整理数据,进行统计分析。结果实验组学生对该系统教学满意度达100.00%,对照组学生对教学满意度为73.33%;实验组出科考试总成绩为(88.60±3.27)分,对照组出科考试总成绩为(81.32±4.98)分,差异有统计学意义(P <0.05)。结论通过建立病例分析学习系统,可以提高实习医生的学习效率,建议完善及推广该模式,培养大批合格的临床医生。

大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示

"数据驱动学校,分析变革教育"的大数据时代已经来临,利用教育数据挖掘技术和学习分析技术,构建教育领域相关模型,探索教育变量之间的相关关系,为教育教学决策提供有效支持将成为未来教育的发展趋势。"大数据"的出现,将掀起人类教与学的又一次变革。2012年,美国国家教育部发布了《通过教育数据挖掘和学习分析促进教与学》报告,对美国国内大数据教育应用领域和案例,以及应用实施所面临的挑战进行了详细的介绍。借鉴此报告,我们认为未来我国教育领域的大数据研究和应用,应加强国家和地方对相关的研究和应用在技术层面、管理体制层面以及法律制度层面的支持,按需合理规划具体研究和应用,整合现有资源,发挥后进优势,借助"大数据"实现真正意义上的个性化学习,进而实现教育公平。

数学分析学习中“错误”导引与利用

讨论学生在学习《数学分析》过程中产生错误的成因并提出妥善处理的对策,以充分、有价值的事例进行佐证,强调错误是一种不可多得的教育资源。

近十年我国学习分析领域研究热点及发展趋势——基于CNKI (2013~2023)核心期刊文献分析

本文的目的为系统梳理学习分析研究复杂脉络,探索学习分析前沿热点主题,追踪学习分析研究发展趋势。本文通过文献梳理对国内学习分析实践进行了探索性描述研究,采用CiteSpace软件基于中国知网数据库中权威期刊绘制了2012~2023年学习分析领域研究图谱,并通过高频热点词挖掘及聚类分析对该领域的研究现状、热点主题、发展趋势进行可视化整理。研究表明:我国学习分析领域以数据挖掘、学习投入、精准教学、学习科学等为研究热点,呈现出初步萌芽、快速发展、深入拓展三个主要阶段。结论:我国目前学习分析研究正处于拓展应用领域与规范研究伦理阶段,未来研究将趋向于更精准学习分析方法、更广泛的应用领域、更完善的分析机制及更符合伦理的研究规范。

智慧教育环境中促进教与学的可视化学习分析

大数据的时代背景促进了智慧教育的发展,也给教学的变革与发展带来了前所未有的挑战——海量的教育大数据使教师难以凭借个体经验理解和解决多样化的教育问题,具有主观性的教学策略极大影响了教学成效。从所构建的可视化学习分析理论框架中发现,可视化学习分析能够应用于多样化的典型教育场景和教育模式,包括线上的自主学习、线下的课程学习和线上线下混合学习,以教师为主导的传统教学课堂和以学生为中心的建构主义课堂等。评价可视化学习分析的应用效果应从不同指标维度进行评估,例如视觉吸引力、可用性、理解水平、使用频次、使用满意度、感知有用性、学习效果和行为改变。未来研究需要关注如何提高教师、学生应用可视化学习分析的相关能力素养,更科学地考证可视化学习分析工具的实际使用效果。

基于画像技术的在线学习行为分析研究

由于在线学习的时空分离特性,如何监督和掌握学生的学习状态并提供及时的学习干预,成为在线教学首要解决的难题。文章从学生学习画像的角度出发,将画像技术和学习行为分析技术相结合,构建时效性较强的学生个体和群体画像,可视化地呈现了学生行为数据并进行干预,以提高学习质量。

Web3D虚拟实验中探究式学习行为建模与分析研究

当前,探究式虚拟实验已在转变科学教育方式、落实核心素养目标方面发挥了积极作用,但有关探究式学习行为分析的研究较少,尚未形成系统的理论成果以更好地指导教学实践。为此,文章针对Web3D虚拟实验中的探究式学习活动,构建了具备行为记录属性的学习行为模型,并借助该模型设计实施了教学应用实证研究。通过聚类分析,本研究发现大致存在四类学习者:擅长理论学习,重视测试结果的学习者;喜欢视频/动画类学习资料,重视评价与反思的学习者;擅长建构实验,对理论性概念学习不感兴趣的学习者;投入程度低,完成任务型的学习者。最后,文章结合学习者的学习行为分析结果,从激励机制、学习资源、实验设计、讨论交流四个方面提出了优化策略,以期为后续探究式虚拟实验平台的研发和应用提供参考。

基于生成式人工智能的大学生编程学习行为分析研究

生成式人工智能可以为教育提供高效且个性化的智能化服务和技术支持。作为典型的生成式人工智能语言模型,ChatGPT在编程中的应用已然获得业界的广泛关注。然而,鲜有学者从实证研究的层面探究学习者如何利用ChatGPT来进行编程学习。研究通过细粒度地采集学习者的编程行为和知识探究问题,对36位学习者的编程过程进行分析。研究结果表明:(1)学习者将ChatGPT视为有用的编程学习资源,依赖其指导学习过程,并倾向于将代码或调试错误信息拷贝至ChatGPT,进而复制其反馈信息;(2)高绩效组主要在前期使用ChatGPT辅助编程,低绩效组在整个编程过程中更频繁地使用ChatGPT进行编程;(3)学习者在使用ChatGPT时主要关注浅层和中层知识的探究,其中,高绩效组通过自主提问获得ChatGPT的反馈,中低绩效组则依赖对ChatGPT反馈内容的追问获得问题解决方案。研究针对如何利用ChatGPT辅助大学生开展编程学习提出了相关的建议,以期为提高编程学习效率提供参考。

传感数据:智能时代学习分析的新视角

智能时代,各种智慧教育场所、移动智能终端和可穿戴设备中应用的传感技术可以对学习者的生理特征、行为动作及学习场所等相关数据进行捕捉,使学习者“身体”重新回归到教育者视野,并通过低倾入性的方式采集真实情境中的序列数据,为实现全方位、情境性和过程性的学习分析提供条件。当前,在教育实践中,传感数据已逐步应用于认知监测、行为分析、情感识别以及自适应情境学习等方面,为智能化学习分析与评价提供了良好支持。随着技术与实践的发展,学习分析中的传感技术将从“有感”走向“无感”,传感设备将从单一设备转变为集成系统,应用目的将从对学习过程的合理解释走向精准干预,并从实验研究走向多样化实践。在传感数据应用于学习分析的实践中,教育部门、研究机构和企业应共同努力,以应对理论基础、技术成本和伦理隐私等方面的挑战。

大学生在线编程学习行为投入与学习效果分析研究

基于EduCoder平台的C语言程序设计实践项目学习者行为投入和测试成绩数据,构建在线编程学习行为投入测量框架。采用系统聚类和K-Means聚类方法将学习者划分为出色突破型、努力完成型、边缘落后型三个类别,并依据不同类别学习者特征提出指导策略。使用逐步回归方法测量在线编程学习行为投入对学习效果的影响程度,结果表明:“参与”维度的出勤次数、“专注”维度的关卡完成数和“学术挑战”维度的附加训练对学习效果具有显著性正向影响,“专注”维度的实训总耗时对学习效果具有负向影响,“坚持”维度对学习效果未表现出显著影响。根据研究结果,提出开展小组协作学习、加强学习互动、合理划分学习难度、提升编程学习效能感等相关建议。

学习分析视角下大学生线上自我调节学习干预设计与检验

学习分析视角下大学生线上自我调节学习的干预框架,包括学生学习数据的收集、分析和自我调节学习的干预三个部分。学生学习数据的收集包括线上收集和线下收集两种途径,学生学习数据的分析是对线上学习状态和任务完成质量两方面的综合分析,学生自我调节学习的干预是环境干预、个人干预和行为干预相互融合的三维干预机制。学习分析视角下大学生线上自我调节学习的实证检验,以84名大学生为研究对象,采用单因素完全随机独立组设计,以线上自我调节学习量表为研究工具。研究结果表明:干预框架所设计的干预策略能够显著提升大学生的线上自我调节学习水平。研究为混合教学模式下大学生线上自我调节学习干预提供了理论基础和实证支撑。

混合教学模式下学生学习行为特征分析及提升策略研究

目的 通过对混合教学模式下学生学习行为进行分析,从而有针对性地实施教学干预,提升学生学习效果。方法 对同一课程2019级和2020级高职生在线平台课程中的学习行为数据进行分析。通过采用因子分析、聚类分析等数据挖掘方法,对学生的观看视频时长、回答问题次数等学习行为数据进行聚类分析、相关性分析,寻找影响学生成绩的重要影响因素,有针对性地对2021级学生实施教学干预。结果 高职生具有被动型学生占比大、消极型和积极型学生占比小的特点,学习质量主要受教师的关注度、章节测验、作业、课程积分等因素的影响;教学过程中,过程评价中的学习行为与学业成绩显著相关,对学业成绩有促进作用。在教学设计过程中通过关注成分矩阵中数值较高的学习行为,提高线下课堂互动参与度和线上资源辅助效率,2021级学生的整体学习成绩有所提升。结论 混合式教学模式下,线上教学是线下教学的有力补充,应充分发挥线上线下教学的优势,实施教学干预,改进教学策略,提升学生学习质量。

增强现实教育应用研究中的多模态学习分析

采用系统性文献综述法,收集来自Springer、SAGE、ERIC和CNKI等数据库的增强现实(AR)教育应用相关文献,从“数据来源”“评价指标”和“数据整合方式”对AR教育应用研究中多模态学习分析的应用情况做出解释并提出改进措施,以期通过优化学习分析手段更好地揭示AR学习的本质。研究发现,在相关研究中,多模态学习分析数据来源以文本测量为主,较为单一;评价指标基本涵盖多个维度,对较为复杂的思维水平缺少观测;数据整合方式多倾向于“一对一”,缺乏科学性。未来研究应努力实现数据来源在线化、评价指标高阶化以及整合方法关联化。

基于智能技术的多模态学习分析:内涵、模型、挑战

智能技术的发展为学习分析提供广阔的发展空间,助长了多模态学习分析的出现和发展。文章解读多模态学习分析概念,归纳多模态学习分析的平台和工具,分析多模态学习数据的复杂性和动态化,构建多模态学习分析的模型。未来多模态学习分析借助智能技术在神经科学、心理学、计算机领域的发展,将在教育研究实践中得到广泛应用。

以学习分析技术突破经验困境——基于教育大数据背景的思考

作为教师,想要突破经验主观、经验不足的教学困境,需要拥抱新时代下涌现的新方法。因此,本文立足教育大数据下的学习分析技术,为一线教师提供突破经验主观和经验不足难题的新思路,为提高教师的工作效率与学生的学习成效赋能,有效促进学生的个性化发展,激发更多的教育创新和改革的动力。

参与式教学联合费曼学习法在食品分析中的运用探究

针对食品分析课程内容抽象,学生不知道“如何使用”而引起的厌学问题和传统的灌输式教学效果差的问题,以“蛋白质的定性定量的测定”为例探索在食品分析中结合参与式教学和费曼学习法来提高学生学习效果,实现以学生为中心,以成果为导向的参与式教学理念。

学习分析的研究现状审视及未来路向思考——基于2011-2022年LAK论文的可视化分析

十多年来,学习分析的发展为描述学习过程细节、洞察学习发展趋势、评判学习参与效果、开展学习成绩预警等方面提供了有效帮助。“学习分析与知识国际会议”(LAK)作为唯一以学习分析为主题的顶级国际性学术会议,致力推动学习分析的前沿研究,也汇集了学习分析最新的实践研究成果,是学习分析研究的风向标。为了更清晰地了解学习分析的研究现状,探寻未来的发展路向,文章对ACM数据库收录的2011-2022年LAK长论文进行收集与整理,并运用CiteSpace对论文的合作网络、文献共被引、研究主题聚类等方面进行可视化分析。结果发现存在的主要问题有:学习分析作者、机构以及国家的合作与交流逐渐增加,而合作结构却比较松散;学习分析在高校研究广泛,却较少关注K12教育,并且在教育实践中的应用不够深入;学习分析研究主题虽然更加多元并贴合研究热点与现实发展,但是新技术在学习分析中的应用较为滞后,二者发展的融合度不足。基于此,学习分析的未来发展要着重从以下方面开展思考:打破研究边界,实现学科间深度融合;深化现实应用,关注用户的切实需求;结合新兴技术,优化教育和教学过程。

基于教育数据挖掘技术的大学生学习行为分析及教学启示——以某大学“高等数学”课程为例

教育信息化的高速发展为学习分析积累了大量数据,通过对这些数据进行处理和分析,能够发现教学中的规律,从中提取出可以优化教学的关键性数据,帮助提升教学效果。以某大学“高等数学”课程为例,收集和分析学习过程中的数据,发现学习者的课程访问量与课程成绩呈正相关,不同时间段的课程访问量存在较大差别。据此提出在设计教学时应该反思课程设计,实施个性化教学;及时评估教学效果,设计有针对性的教学活动;设计课程最低访问时限,及时提供反馈,分时段为学习者呈现教学资源;持续更新教学资源,及时促进学生的问题解决;有机整合学术史和学科文化方面的相关内容,提升学生的学习动机。