基于超星平台的职教在线教学案例研究

由于新冠肺炎疫情防控的要求,教育部提出了“停课不停教,停课不停学”。在前三周在线教学过程中,对比公共基础课(英语课)和专业课的出勤率和作业提交率,发现第二、三周英语课出勤率分别为97.7%和99.7%,明显高于专业课的出勤率(分别为90.8%和91.7%),具有统计学意义(p值分别为0.002和0.000),由此分析可能由不同任课教师的专业课程设计差异所造成。因此以中职金融事务专业金融风险管理课程基于超星平台的在线教学为例,从课前预习、课上教学和课后复习三个方面设计并实施教学方案。通过在线教学方案的设计、实施和结果研究反馈因此发现,充分挖掘教育平台的功能和服务,利用在线教学优势让精准教学辅导充分调动学生自主学习内驱力;在实施过程中,通过定时签到,班级群及时沟通互动,课堂上参与讨论并及时反馈等方式营造在线教学的“仪式感”;在目前疫情的特殊情况下,还要结合新情况要引导和调整家校合作的方向和模式,发挥家长的主观能动性,协助家长做好角色转换,变被动为主动。

试析在线职教发展指数OVEI的应用

本文运用基于Sarma指数原理构建的在线职教发展指数模型对在线职业教育发展水平进行测度,避免了过去只能通过参与人数、学习时长等一元化指标对其进行描述的弊端,得出的测度结果具有客观性、实用性,指出根据测度结果对在线职教发展水平及其影响因素进行评价更为科学。

职业教育平台个性化学习推荐算法研究

在线职教平台的兴起使个性化学习推荐技术成为当前的研究热点。传统PMF推荐算法仅利平台用户与对象的历史行为等显示数据进行预测估计,这使得推荐值准确度不高。为此,提出了基于深度学习的cnnPMF算法,算法通过卷积神经网络将平台资源中的边信息进行特征提取,再基于提取出来的特征向量与显示数据采用概论矩阵分解模型进行预测估计。仿真结果表明cnnPMF算法在推荐值准确度方面忧于传统的PMF算法。