来华学历留学生培养模式创新研究——基于群体学习特征

当前来华学历留学生培养的基本模式缺乏针对性。应重视研究来华学历留学生群体的学习特征,因材施教。在此基础上架构具有"综合培养、单独设计、多元教学、全面评价"特色的来华学历留学生培养创新模式,并需要配套解决教育理念、师资队伍、协同机制三方面的问题。

MOOC学习结果预测指标探索与学习群体特征分析

高辍学率与低参与度是MOOC面临的一个主要问题。根据学习结果预测,及时开展有效的教学干预是改善此问题的途径之一。当前基于MOOC学习行为数据进行结果预测主要以次数分析为主,较少探索其他行为指标;在预测算法上以回归分析为主,缺少不同预测算法效果的比较分析。以ed X平台上一门MOOC课程的学习行为数据为研究对象进行的探索研究发现:学习结果预测的主要参照行为指标组合为视频学习次数、文本学习次数、评价参与时长、评价参与次数和论坛主题发起数;学习次数的预测效果要好于学习时长,并与学习时长和学习次数结合后的预测效果接近;BP神经网络预测准确率要优于决策树和朴素贝叶斯网络,且预测准确率与样本数量呈正相关;而在课程学习模块的预测比较上,评价模块和文本模块的学习行为数据预测率较高,互动模块预测率最低。研究还发现,MOOC学习群体包含三类,分别是以视频学习和学习评价为主、以互动交流为辅的学习群体;以视频学习和文本学习为主、以评价参与为辅的学习群体,以及以文本学习和学习评价为主、以互动交流为辅的学习群体。

基于数据挖掘的MOOC学习者学业成绩预测与群体特征分析

学习行为特征是学情分析的基础。基于MOOC学习行为数据对学习者学业成绩和群体特征进行预测,并及时实施教学干预,可以改善学习效果,显著降低辍学率。运用数据挖掘方法,对中国大学MOOC平台的课程数据进行探索发现:界面交互、内容交互、人际交互和参与考核4类学习行为与学业成绩之间存在显著相关关系,可作为学业成绩预测的关键指标;在预测算法方面,人工神经网络算法的性能优于决策树、贝叶斯和支持向量机,能更好地拟合学习行为与学业成绩之间的复杂相关性;MOOC学习群体主要分为优秀学习者、良好学习者、普通学习者和风险学习者4类,在整体上呈现“以内容交互、界面交互和参与评价为主,人际交互为辅”的特征。基于此,可从内容资源开发、教学方式创新与评价体系变革三方面进行教学干预,以降低MOOC辍学风险,提升学习者的参与度与完成率。

新型职业农民混合学习课程的开发与实施——以《设施草莓病虫害绿色防控技术》混合学习课程为例

混合学习是混合应用在线学习和面对面教学方式来实施学习活动的模式,能有效避免课堂集中培训的弊端,是新型职业农民学习农业生产经营技能的有效模式。现以《设施草莓病虫害绿色防控技术》混合学习课程为例,在分析学习群体特征的基础上,详细介绍了该混合学习课程的设计、开发与实施过程,以期为开发与实施类似混合学习课程提供参考借鉴。

少数民族中学生数学学习行为特征探究——以内地西藏班(校)学生为例

学习行为可以预测学业成绩并可以显著改善学习结果。针对西藏区内中学生数学学业成绩低而内地西藏班(校)学生成绩高这一事实,研究内地西藏班(校)学生数学学习行为特征并探索中学生学习行为与学业成绩的相关性,可为破解长期以来存在的民族理科难题提供新的视角。运用内地西藏班(校)学生数学学习行为自编问卷数据研究发现:学生的数学学习行为与学业成绩之间呈现显著的相关关系,且能在24.7%的水平上预测学生的学业成绩;内地西藏班(校)学生群体主要分为优秀学习者、良好学习者、波动学习者和困难学习者四类,学习动机、学习态度、学习自信心或学习策略等学习行为对学业成绩影响较大,可以成为预测学业成绩的关键指标。基于此,教师应主动摒弃传统观念,聚焦学习行为并围绕“三个转向”改革自己的教学:从教师教学行为转向学生学习行为、从外显学习行为转向内隐学习行为、从分类教学转向循类教学,从而通过影响学生学习行为来提高少数民族学生的学业成绩。