基于滞后序列分析的学生合作学习行为模式研究

采用滞后序列分析法对合作学习过程中学生的学习行为模式进行量化分析,结果发现,学生在合作学习的过程中,小组成员之间产生了9条具有显著意义的学习行为序列,其中代表学习者正在进行高阶思维以及知识建构的行为序列占70%;在合作解决问题过程中,产生了3条具有显著价值的行为序列路径,解释了小组成员是如何互相支持、围绕着共同的目标解决问题的。合作学习有助于学生理解和建构知识,形成问题解决等高阶思维,进而提高课堂参与度。分析学生在合作学习情境中的学习行为,能够帮助教师把握学生的学习行为模式,诊断影响学习效果的潜在问题,从而调整教学策略以促进其获得更好的学习结果。

基于TPACK理论—滞后序列分析的中职教师课堂教学行为研究

通过研究常州某中职校交通运输类X教师和加工制造类W教师的课堂教学行为,旨在揭示中职教师的课堂教学行为、教师TPACK能力的现状,并提出优化策略。研究采用滞后序列分析和TPACK理论框架,通过视频分析软件和GSEQ程序对教师课堂行为进行编码和分析。发现W教师和X教师的课堂均以教师主导,学生参与度有待提高,两位教师在TPACK能力的应用上存在不足。建议提高学生主动性,提升课堂互动质量,优化课堂控制行为,并深化教师的TPACK能力。未来应采取多元策略,拓展研究范畴,持续跟踪教学行为对学生学习成果的影响,并加强教师培训与专业发展。

昼夜温差对乌鲁木齐市慢性肾脏病日住院人次影响的时间序列分析

目的探讨昼夜温差(diurnal temperature range,DTR)影响慢性肾脏病(chronic kidney diseases,CKD)日住院人次的影响。方法收集2019年1月1日至2020年12月31日乌鲁木齐市4所三甲医院、4所二甲医院、1所一甲医院CKD日住院人次数据,同期气象及污染物数据来自于乌鲁木齐市主城区的6个国控监测点,采用分布滞后非线性模型,控制星期几效应、假期效应、长期时间趋势及其它因素,分析DTR与CKD日住院人次的关系。结果CKD日住院人次与DTR(滞后0~21 d)的暴露-反应曲线呈“N”形,CKD患者住院风险随DTR的升高呈先上升后下降趋势。低度和高度DTR对CKD患者住院的影响存在一定的滞后效应,中度DTR对住院影响较小;DTR=5℃时,单日效应出现在第3天[RR=1.081,95%CI(1.020,1.145),P<0.05],最大效应出现在第21天[RR=1.090,95%CI(1.014,1.173),P<0.05];高度DTR=14℃(P_(95))时,单日效应出现在第4天[RR=1.086,95%CI(1.007,1.172),P<0.05],最大效应出现在第5天[RR=1.089,95%CI(1.009,1.176),P<0.05],累积滞后均暂未发现有统计学差异。男性和年龄<65岁的CKD患者更易受到DTR的影响,寒冷季节和四季更替时DTR变化对CKD患者住院的影响更大。结论男性与<65岁CKD患者更易受到DTR的影响,在寒冷季节和四季交替DTR变化时更应重点保护易感人群免受DTR的影响。

基于滞后序列的智慧学习环境下课堂师生互动行为分析

智慧学习环境是教学信息化改革与发展的新趋势,是提升教学质量和学生创新能力的重要支撑。探索智慧学习环境下的课堂师生互动行为的特征,对教师改革教学模式,践行以学生为中心的课堂教学有重要意义。滞后序列法是分析互动行为序列的有效工具,通过对传统多媒体环境和智慧学习环境下课堂师生互动行为的对比分析发现,智慧学习环境下学生主动参与学习活动的行为序列特征明显,课堂互动充分体现了学生的主体地位,表明智能技术与课堂教学的深度融合对教学模式的改革起到了很好的支撑作用。

滞后序列分析法在学习行为分析中的应用

学习分析技术的出现为实现高阶的个性化在线学习提供了新的解决思路。学习行为分析是学习分析的重要组成部分,通过对学习过程中记录下来的相关行为数据进行有目的的分析,挖掘出隐藏在行为数据背后的有价值信息。该文从分析方法的角度切入探讨学习行为分析,重点介绍滞后序列分析法(LSA)在学习行为分析中的具体应用思路和策略。LSA可以帮助研究者和教学者准确把握学习者潜在的行为模式,从行为视角阐释技术增强学习效果的原因,同时有效指导后续教与学活动的设计与实施。LSA既可以分析外显操作行为也可以分析内隐交互行为。实际应用中主要有三种策略,分别是分析整个活动过程的行为模式、分析不同阶段行为模式以及分析高低成就组行为模式。

基于LSA的在线学习行为序列演变分析

本研究针对在线环境下教与学时空分离,致使在线学习过程不易掌握的问题,分析了不同阶段的学习行为变化,阐释了优秀群体与中等群体间的差异化行为模式,展示在线学习过程全景,以期为掌握在线教学规律、优化教学策略、提升教学效率等提供依据。

基于滞后序列分析法的在线学习者活动路径可视化分析

研究从学习分析视角出发,以365大学平台《<资治通鉴>导读》2015年某班次学习者为研究对象,采用滞后序列分析法,探究了观看视频和完成作业两种学习活动的发生顺序所揭示的行为逻辑。首先,对每一课程章节学习中的四个关键时间节点进行编码,并生成学习路径图;其次,通过Gephi将分析结果可视化。研究结果表明,在学习过程中,学习者观看课程视频热情较低,且课程章节间、章节内的学习回溯行为较少。基于此,研究对于致使学习者出现积极、消极学习行为的原因进行了讨论,并根据学习者对外部资源和知识构建的需求,为教学资源、活动的设计,课程及平台功能的设计与开发以及自适应学习路径规划应用提供合理建议。

基于行为序列分析的智慧课堂有效教学行为辨识

随着信息技术在教学应用中的飞速发展,智慧课堂行为相比传统课堂变得更为复杂多样。为发现智慧课堂教学中存在的问题,促进教师专业发展,需要对智慧课堂有效教学行为进行辨识。但是,当下教学行为研究多以定性研究为主,难以深刻剖析课堂运转规律,因此文章首先进行文献梳理以发现可以借鉴和需要改进的研究点;然后文章以10个智慧课堂获奖课例与普通课例作为研究样本,在ITIAS的基础上对课例中的教学行为进行编码,经由滞后序列分析法和课堂观察法分析后,借助智慧课堂行为占比与频次、残差值和行为转换图对师生的有效教学行为进行辨识;最后,文章基于辨识结果,从以情燃情、借技赋能、由技启智、入境升华四个方面提出优化智慧课堂中的师生教学行为策略,以期促进有效教学行为发展,让智慧课堂彰显智慧。

基于滞后序列分析的智慧课堂教学行为研究

课堂教学行为分析有助于教师发现教学问题,并促进教学反思和教师专业发展。文章以10个小学主科的智慧课堂教学视频片段为研究样本,采用滞后序列分析方法对课堂教学行为进行分析,共得到3161个行为样本和21组显著行为序列,分析结果表明:两组教师在智慧课堂教学行为模式上存在显著差异,且分别映射浅层地使用、讲授式应用、导学式应用、反思性应用等四个层级的教师信息技术应用能力。基于此,文章提出智慧课堂教学行为的优化策略,以期提升智慧教室环境下教师的信息技术应用能力。

小学人工智能课堂教学行为分析研究

课堂教学行为分析能有效帮助研究者、教学者了解课堂特征、发现教学问题,促进其进行教学反思并提升课堂质量。本研究以12节2022学年G市中小学人工智能优秀课例的教学视频为研究对象,采用滞后序列分析法,对所选取的优秀课例的教学视频进行对比分析,并结合具体的教学片段进行个案分析,从教学主体、教学内容、教学范式、教学设备等4个维度进行辨识,总结出优质小学人工智能课堂特征,并在此基础上提出了相应的建议,以期提升人工智能教师的教学能力。

幼儿园半日活动中的师幼互动行为研究——基于滞后序列分析

师幼互动是幼儿园教学质量的重要因素,对幼儿发展起着重要作用。对北京市3所幼儿园中的师幼互动过程进行多次半日观察,并对各种类型的教师互动行为和幼儿互动行为进行编码。采用滞后序列分析法绘制行为序列转换图,探究师幼互动的行为模式。结果发现,认知激发在教师互动行为中占比最高,任务导向在幼儿互动行为中占比最高。师幼互动中存在较强的情感和认知积极循环,教师和幼儿通过互动在情感和思想上的相互促进;师幼互动也存在管理的消极循环,班级秩序难以改善;此外,同伴互动和教师的认知激发是促进幼儿参与任务的重要因素。研究进一步提出了相应的建议:增强师幼互动敏感性,营造温暖关爱的园所情感环境;打破师幼互动消极循环,采用建设性协调策略;发挥同伴和教师的作用,促进幼儿参与任务。

基于滞后序列模型的图书情报专硕研究生学习行为路径分析

随着MLIS招生规模的扩大与跨专业生源比例的增加,人才培养问题日益突显,而构建学习行为路径图既有助于教学困扰溯源,还能为MLIS课程安排、教学改革以及学业指导提供参考和依据。文章以吉首大学MLIS两门学位课程所记录的行为数据为例,依据学习行为编码表和滞后序列分析模型对25位研究生的学习行为进行筛选与编码,统计其行为频次、相关程度和时间位次,再结合GSEQ软件生成行为转换频率表和调整后残差表,最后以显著行为序列为基础分别绘制独立与协作形式的学习行为路径图来呈现学生行为特征、阶段成果和认知过程。在行为数据上,协作形式比独立形式的行为种类更为丰富且更能促进多方交流;在路径结构上,两者均呈现网状结构且小组学习更能激发个人投入度和贡献度;在成果转化上,协作形式比独立形式的成果产出更多且更有利于构建“四位一体”的学习共同体;在实践上,提出了以学习行为路径图协助解决教学困扰、提高学习投入和把握“教-研”规律等建议。

基于学生学习行为序列的成绩预测模型构建研究

基于学习投入理论,依据学习者在线学习过程中产生的行为数据,采用滞后序列分析法与GSEQ工具进行行为序列分析,利用PSO-BP算法在Matlab编程软件中构建基于学习行为序列的成绩预测模型。实验结果表明,训练集与预测集的准确率均大约为80%,基于学习行为序列的成绩预测模型具有一定实用意义。

基于LSA的同步课堂教学行为事理图谱研究

同步课堂在实现优质资源共享、推进教育公平中发挥着重要作用,智能技术在一定程度上可以推动同步课堂的优化发展。基于此,本研究以智慧环境下的同步课堂为研究课例,采用滞后序列分析法(LSA)对课堂教学行为进行分析,并构建其教学行为事理图谱。结果表明,智慧环境下的同步课堂活动是以学生为主、技术辅助于教学、师生远程协同合作的教学活动,调动学生自主学习是发展其深度学习能力的重要途径,教师的教学行为可以影响学生的学习效果,减少无效沉寂行为发生的关键在于设问之后是否给予学生充分的思考时间。

基于行为序列分析对在线学习参与模式的探索

该文基于开放大学2131名学生在课程Moodle平台上的日志数据,通过相关分析、滞后序列分析和聚类分析对在线学习行为序列和参与模式进行了实证探索。研究发现,15个Moodle平台日志记录行为所形成的122个行为序列中,有36个行为序列与成绩显著相关,其中包括四个测试行为相关序列与成绩呈中度相关。研究采用滞后序列分析发现六个发生概率达到显著性水平的行为序列,并构建出在线学习行为转换模式。通过聚类分析,研究将学生样本根据其行为序列特征划分五种类型,并定义出五种在线参与模式:低投入式、浅层次投入式、绩效投入式、循序渐进式和随机参与式。文章最后从行为序列分析的价值、有效的行为序列与模式以及对在线学习行为转换特征的反思等方面对研究结果进行了讨论与总结。该文期望该研究能够为在线学习的分析、评估与促进提供有益的研究视角和研究支持。

基于行为序列的学习过程分析与学习效果预测

学习过程数据反映了学习者在学习过程中的状态。当前众多对学习者学习过程数据进行挖掘与分析的研究,大多基于学习者在某一学习行为上投入的精力和时间来开展。这些粗粒度数据并不能细致地反映学习者的认知投入水平,且部分学习行为数据对学习效果的预测正确率不高。与学习者参与度相比,学习过程中的学习行为序列,更能反映学习者学习行为轨迹、意愿与认知过程。利用滞后序列分析法对DEEDS平台上的学习过程数据的分析发现:滞后序列分析法可以清晰地揭示若干重要的学习行为序列;相较于支持向量机、逻辑斯蒂回归以及决策树等数据挖掘方法,朴素贝叶斯方法具有良好的预测性能,平均正确率超过70%。研究结果证明,学习者的学习行为序列可以为教师呈现更全面的在线学习图景,帮助教师发现学习者的学习习惯、偏好以及认知过程,辅助教师对教学过程进行反思。同时,通过行为序列数据可以较准确地预测出学习者的学习成就,继而对预测模型中关键属性进行分析,为教师在后续教学过程中采取有针对性的干预措施提供建议,达到提高教育教学绩效的目的。

榆林地区降水蒸发时间序列的多尺度特征和突变分析

基于榆林地区4个站点1978～2004年降水和蒸发实测资料,采用Morlet函数作为小渡函数,对序列结构进行详细剖析,并探讨了降水和蒸发的多时间尺度变化及突变特征.结果表明:降水变化具随机性,蒸发具有一定规律性,蒸发量从南向北有逐渐递减的趋势;降水量、蒸发量演变过程存在明显的多时间尺度特征,具有16、15 a的近似主周期,3、7、9 a的次周期,且周期变化复杂,大时间尺度包含着小时间尺度;a=16、15 a比a=9 a突变点发生时间滞后3～4 a,且降水比蒸发突变约滞后1 a;在不同时间尺度上,突变点也有一定差异,降水时间序列突变点较多出现于80年代后期和90年代后期,蒸发时间序列的突变多出现于80年代中期和90年代的中后期.

基于时间序列分析的水位短期预测模型仿真

为能有效预测水位,提出一种结合时间序列分析和卡尔曼滤波的优化方法。通过自回归分布滞后模型对站点的水位数据进行分析,得到各站点的滞后期长度,求得各变量的系数后,结合相关水位数据计算得到初始预测值,利用卡尔曼滤波对预测结果进行修正,获得最终预测值,建立优化的水位预测模型。利用该组合模型进行水位预测实例仿真,仿真结果表明,该模型能有效地预测水位短期内的趋势,预测能力稳定、预测精度高。

基于LSA的大学生批判性思维在线话语分析

批判性思维作为21世纪社会发展和国际竞争的核心技能之一,已受到世界各国的普遍关注。合理有效的评估是培养批判性思维的重要一环。目前,对批判性思维能力的评估主要通过问卷调查的方式,并不能反映学习者在问题解决情境中的思考过程。因此,该文采用量化分析和质性分析相结合的方式,探讨通过持续三个月的在线协作项目是否能够促进大学生的批判性思维水平;使用内容分析法和滞后序列分析(LSA)对在线协作讨论(共809条帖子)进行话语分析,并绘制各阶段批判性思维的行为转换图。结果发现:(1)学生的批判性思维整体上有所提高;(2)依据不同的在线协作任务,三个阶段中批判性思维过程呈现不同的特点;(3)第二阶段出现的显著序列最多、最长,其涉及的任务也最具体。本研究针对高等教育中如何设计促进批判性思维的在线活动以及分析在线批判性思维行为序列提供了有效参考。

矿井涌水量时间序列的频谱分析及应用

阐述了频谱分析方法的基本原理 ,分别计算了矿井涌水量和降雨量的自谱以及它们的互谱 ,给出了隐含周期的检验方法和谱平滑的一般方法 .研究实例表明 ,频谱分析能较好地确定矿井涌水量时间序列的周期性和相关关系 ,为揭示矿区地下水系统的内在机理、矿井涌水量预测及控制提供定量依据 .图 3,参