基于深度学习的协作学习投入分析方法研究

协作学习投入的自动分析是动态追踪协作学习过程、提升协作学习效果的重要手段。现有研究大多使用浅层机器学习分析个体学习投入,较少关注协作学习投入,并且存在准确度受限且泛化能力较差等问题。为了解决相应问题,首先,研究提出以BERT-BiLSTM深度学习模型为核心的协作学习投入自动分析方法,包括收集数据、建立数据库、建立训练集、构建深度学习模型、检验模型效果、批量识别数据以及统计分析等流程。其次,研究应用该方法分析了某高校数学建模活动中20个小组的协作学习投入,验证了方法的有效性,并进一步探索了高低成就小组协作学习投入的差异以及动态变化特点。研究突破了传统学习投入自动检测方法在准确性和泛化能力上的局限性,将学习投入的自动分析对象从个体拓展到了小组,并揭示了协作学习投入的时序变化特征及其与协作成效的复杂联系,为未来实时监测及干预协作学习提供了重要支持,进一步推动了该研究领域的理论与实践发展。

协作学习投入的结构模型构建与机理阐释

协作学习投入是在丰富的交互关系中形成的复杂状态,涉及学生的行为参与、协作知识建构以及社会情感交互等多维要素,与学生的学业成绩呈显著正相关。但是,目前学界对协作学习投入的内涵、结构以及内在机理等缺乏深层次的理解,影响着协作学习投入研究的深度和广度。为此,文章梳理了协作学习投入的概念演变历程,将其定义为一种集体贡献,取决于所有小组成员参与协作学习活动的程度,从而产生预期的学习结果。随后,文章对已有相关模型进行比较分析,并在此基础上以动态系统理论、社会认知理论等为基础,构建了协作学习投入的结构模型,揭示了个体与小组学习投入之间的相互作用关系,以及行为、认知、情感等维度之间的动态交互关系,同时阐释了该模型蕴含的五大内在机理。基于该模型,未来研究者可以从协作学习投入的多维刻画、自动化标记、演变机制分析、关键事件挖掘以及智能代理开发五个方面开展研究,以加强协作学习投入研究的深度与广度,提升协作学习效果。

合作写作任务中协作学习投入群体特征对语言学习的影响研究

协作学习投入是影响同伴互动质量和语言学习效果的重要因素,但尚未得到学界应有的关注。本研究基于问卷调查、小组录音和写作文本考察了72名大学英语学习者在合作写作任务中的协作学习投入状态及其语言学习表现。研究发现:(1)协作学习投入具有差异性、交互性、集体性、动态性等特征,且不同个体和小组协作投入类型的群体特征差异明显;(2)协作学习投入对互动过程中语言注意和语言问题的解决有积极影响;(3)高水平的协作学习投入有利于学习者语言水平发展。研究建议教师参考协作学习投入群体特征开展教学实践,促进合作写作效果。