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。

学习行为分析框架设计与应用案例

多模态数据为学习行为分析和教育研究的发展带来了新范式,加快了多模态学习分析理论的研究和实践模型的构建。文章以智慧学习环境下学习行为分析研究进展为基础,明确划分了智慧学习环境下学生多模态学习行为数据采集类别,构建了多模态学习行为分析框架并将分析框架应用实践,实践研究表明:智慧学习环境下多模态学习行为分析框架立体地刻画了学生学习行为轨迹,科学地展示了学生学习状态。

面向MOOC的学生在线学习行为分析

针对开放式在线课程(MOOC)易产生辍学率高与学习效果较差等问题,基于MOOC课程后台数据提取学习行为特征,根据数据集的具体情况提出课程探索类特征,该类特征在多处检验中均展现出较为明显的优势;提出一种基于孤立森林算法的无监督异常值筛选方法;对提取的学习行为特征进行非参数检验、联合检验,以及特征权重计算。最终,使用提取的学习行为特征预测辍学率,取得了较好的预测效果。

《大学物理实验》课程学生线上学习行为分析

分别采用全开放式“线上学习”与“线下为主+线上资源为辅”两种教学模式,依托学习通平台的《大学物理实验》课程数据,利用频次统计、数据可视化方法,对学生的学习主动性、学习进度、学习效果等进行跟踪,对比传统的线下实验教学方法,选择更适合实验学习的教学模式。实践表明,相较于传统的线下实验教学模式,“线下为主+线上资源为辅”的模式,学生能够主动利用线上教学资源高效完成线下实验操作,更有利于实验教学的开展;全开放式“线上学习”模式对学生的自律性、主动性及学力能力等有较高的要求,只适用于部分同学。

学习行为分析视角下高职教师线上培训模式研究

从高职教师培训学习行为分析角度出发,分析了学习行为与高职教师培训效果之间的关系,梳理了高职教师培训的特点和线上培训相关研究的现状,以学习行为分析的视角为切入点构建了以问题解决为导向的高职教师任务驱动线上培训模式和以技能为核心的高职教师线上授导互动培训模式,以期为高职教师线上培训的组织、管理提供参照。

“互联网+”背景下学生网络学习行为分析及预警

随着“互联网+”模式的飞速发展和普及,信息技术改变了传统的教学模式,网络学习和智慧教学受到了大众的青睐.笔者针对当前网络学习行为分析存在的不足,基于工程教育认证理念,采用数据挖掘方法、机器学习算法和可视化技术对学生的网络学习行为、课程目标达成度及期末成绩进行多维度分析,并根据学生学习行为对期末成绩进行预测,给出预警.该研究有利于探索蕴含在数据背后的学习规律,为管理者提供决策支持,为教师教学提供支撑数据,为学生提供学业指导和预警.

基于学习行为分析的混合式教学模式设计与实践

近年来,由学生自主学习与教师翻转课堂相结合的新型混合式教学模式受到普遍关注。然而,混合式教学过程中如何量化、评测学生的学习效果,开展以学生为中心的个性化教学成为影响教学效果的难点和瓶颈。结合课程教学中面临的问题和学生的需求,提出基于学习行为分析的混合式教学设计,开展学生自主学习、学习行为分析与教师翻转课堂有机融合的教学模式重构:建立在线虚拟课堂辅助学生开展自主学习,同时采集学习行为数据量化、评测学生自主学习的效果;教师基于学习行为分析了解学生对知识点的掌握情况及其疑问,线下翻转课堂,讲解重点难点,解答学生疑问,并进行案例研讨,加强教师在学生知识建构中的引导作用。实践表明,基于学习行为分析的混合式教学模式填补了学生自主学习和翻转课堂教学的鸿沟,实现了以学生为中心进行知识建构和能力培养。

智慧学习空间中学习行为分析及推荐系统研究

智慧学习空间是智慧学习理念下构建的学习空间新形态,学习分析是智慧学习中不可或缺的组成成分。文章围绕智慧学习过程中面向学习者对于知识内容的"呈现与获取"、"个性化建构与拓展延伸"两大环节以及学习者所处的学习状态,构建了学习行为分析及推荐系统。该系统利用W eb挖掘技术,从学习内容、学习路径和空间使用记录三个方面针对智慧学习过程模型中的学习行为进行数据分类挖掘,通过与优秀学习者路径及路径知识点相关学习行为进行相似性比对,为学习者进行个性化学习推荐路径。

自带设备环境下学习者学习行为分析实证研究

从BYOD在高校课堂教学中的具体应用出发,利用学习分析技术和相关工具研究BYOD支持的高校课堂教学中学生的学习行为,包括个体学习行为和社会性学习行为两大维度.研究发现,BYOD在促进社会性学习方面独具优势,主要表现在BYOD支持的期末作品同伴互评活动中学生之间互动频繁;BYOD支持的个体学习行为呈现一定的时间特性,主要表现在学生阅读学习资源的时间表现出一定的规律性.相关性分析发现,学生阅读课程资源的及时性、随堂小测的成绩以及同伴互评中的受欢迎程度均对学生的期末考试成绩有显著性影响.从学习资源的供给时间、课程考核方式和课程互动设计三方面为BYOD支持的高校课堂教学实践提供相关建议.

面向网络教育学院的学习行为分析

随着网络学习的普及,网络学习者的数据分析正成为一个新兴的研究方向。网络教育学院是一种以从业人员的继续教育为主的远程学历教育。通过对西安交通大学网络教育学院的学习日志进行分析,力图展示网络学院学习者的学习行为,并探索典型网络学习行为与学习成绩的关系。在对大量日志数据进行了统计分析的基础上,通过对学习者学习知识点个数及有效知识点完成率进行聚类分析,将网络学院学习者分类;采用Spearman相关系数分析了学习者各种学习行为和学习成绩间的相关性,这为后续网络教学的改进、更加准确地对网络教学进行测评提供了一种依据。

大规模网络课程中学习者学习行为分析

针对MOOC平台上学习者学习状况不易把握的现状,阐述在MOOC平台中对学习者进行学习行为分析的重要性,依托辽宁省精品资源共享课程平台,提出学习者学习行为属性模型,以模型是展开对学习者学习行为分析的展开研究,便于任课教师掌握学习者的学习情况,并以此为依据调整课程组织和教学方式,从而达到最优的教学效果。

中美MOOC学习者学习行为分析——基于edX公开数据集和国防科技大学梦课数据集

选取哈佛大学和麻省理工学院联合发布的ed X平台开放数据和国防科学技术大学MOOC教育平台数据作为研究基础,通过数据的处理、整合、分析,从平台、课程、学习者类型三个方面针对中美MOOC学习者学习行为进行分析,并从学习者类型出发,指出当下热点问题MOOC"高辍学率"的影响因素。

基于线性回归算法的在线学习行为分析

互联网的快速发展带动了教育领域的发展,促使在线学习迅速兴起并深受教育人士认可。因此各种在线学习平台中的教学数据飞速递增,对于如何充分利用、深度分析平台存储数据的价值,引起了教育从事人员的关注。应用机器学习技术,对学习者在线学习行为与学习结果之间的相关性进行了一系列学习分析。通过收集在线平台上学生学习时的数据,对收集到的数据进行预处理。基于K-means聚类算法对学习者聚类建模,将学生聚类成不同的类型。教师给予不同群体的学生相应的资料,有效地提高学生的学习效率。基于线性回归算法分析学生学习行为,确定学习行为对于学生最终成绩影响程度,教师在众多在线平台学生活动中筛选出对学生最终成绩影响较大的活动,完善教学方式。

基于SPOC平台日志数据的在线学习行为分析及其影响因素研究

MOOCs区别于传统的网络公开课和远程教育,是基于课程与教学论以及网络移动通讯技术发展起来的新兴在线课程模式。很多全球顶尖学府如哈佛大学、加州大学伯克利分校等也在尝试一种更加精致的课程类型——SPOC,SPOC教学模式保证了MOOCs在大学校园能够落地生根。利用SPOC的优势通过对学习者在线行为学习分析对网络课程大数据进行分析和研究,以提高教学质量、完善网络课程系统,既推动了大学的对外品牌效应,也提升了校内的教学质量,重新定义了教师的作用,创新了教学模式,赋予学生完整、深入的学习体验,提高了课程的完成率。对SPOC网络课程的在线学习行为分析和研究将大大推动教育测量和学习分析的发展,促进教育质量的提升,但面临的挑战和困难也不容忽视。

梦课学习平台官兵学习行为分析与研究

MOOC作为一种新兴的网络教育模式,对于建立符合我军特色的现代军事职业教育模式具有重要的参考价值。借鉴MOOC理念,国防科学技术大学自主开发了梦课学习平台为全军官兵提供远程开放学习服务,进而积累了海量的官兵学习行为数据。分析官兵的在线学习行为数据,对洞悉学习者的在线学习规律、改进教师的课程建设质量和提升平台的教学组织管理能力,具有重要的作用。本文从部队官兵在梦课学习平台的选课学习、成绩考核和互动交流3个行为方面分析总结了部队MOOC学习者的行为特征,对院校和部队开展基于MOOC平台的军事职业教育有一定的启发。

学习行为分析与质量评估的技术和模型研究

探讨学生网络学习行为分析与质量评估的技术与模型,提出一套完整的学习行为分析与质量评估方案,并以Blackboard网络教学平台的学习分析实例指出学习分析技术在网络学习分析中的应用。

多元分析框架下的MOOC学习行为分析

MOOC学习行为分析研究已从描述性研究转向以大数据为证据、学习行为模型和分析框架为理论基础的深入研究阶段。MOOC课程数量激增,平台的功能愈发强大,学习者学习行为的印记被多种数据形式记录,分析学习绩效、学习行为产生的原因及相关性已有了研究环境和研究基础。本文结合中国大学MOOC平台上的X课程,梳理学习者学习行为类型,运用系统的观点和方法,从学习行为、行为分析维度、数据来源及类型、分析目的等要素及相互关系分析的视角,构建了多元学习分析框架,根据框架中的学习行为及影响要素,分析了X课程数据,对学习行为的整体趋势进行了分析,得出了目前MOOC课程学习中学习者持续力不强、学习投入不足、参与度不高的结论。在此基础上讨论了改善学习支持服务、优化课程设计的思路。

基于网络学习平台的在线学习行为分析与评价

网络学习已成为当前另一种主要的学习形式,对学习者的在线学习行为进行分析与评价,能够极大地促进、改善网络学习的效果。在现有的网络学习平台基础上,分析学习过程中学习者的主要在线学习行为,从学习结果和学习方式两个维度构建一个在线学习行为评价体系,旨在更为科学、合理地评价学习者的学习过程。

基于雨课堂的智慧课堂教学学习行为分析——以“数据库原理与应用”课程为例

随着教育信息化3. 0的逐步推进,智慧课堂成为了云教学、大数据、人工智能与教学深度融合的主要代表。通过介绍智慧课堂的教学实现工具——雨课堂,从实现架构、课程模式,结合软件工程的一门专业课——"数据库原理与应用",探究并实现了基于雨课堂的课程教学方案与教学流程,让课程教学"课前—课中—课下"不下线。根据雨课堂提供的全过程学习数据从各方面分析了学生的学习行为和学习规律,指导教师调整学习内容和学习计划,并实现学生个性化指导。

基于学习行为分析的大学商务英语混合式课程体系优化研究

信息技术发展使课堂面授教学模式和互联网线上教学模式互相融合,这就使混合式教学全面运用到教学中,大学商务英语教学适合混合式课程体系,在应用该体系过程中,需注意构建相应的教学环境,提升学生学习的开阔度,把线上资源有效融入线下教学内容,建立特色化教学。