基于在线作业数据的学习行为投入画像构建研究

学习者画像是描述学习者特征、实现智能化推送、实施个性化教育的重要基础。如何挖掘并利用在线学习平台中的数据构建学习者画像是当前亟待解决的问题。研究以在线作业为目标场景,以在线学习行为投入为切入点,构建了以参与、坚持、专注、学术挑战和自我调控为主要维度的分析框架和测量指标,利用7695名小学生在线作业数据进行了27个测量指标的有效性验证,采用K-Means聚类方法对在线学习者的行为特征和结果特征进行了标签分类,形成了四类学习者的群体画像,提出了相应的学习指导建议。研究发现,学习者的学业成绩与作业行为投入之间存在显著相关,不同的行为投入平台指标与学业成绩呈现不同的相关性,学习品质相关指标与学业成绩呈现强相关。因此,在线教育平台应通过画像技术,持续跟踪学习者的在线学习行为投入,评估学习者的学习品质,提出个性化的指导建议,推送精准化的学习资源,进而提升学习者在线学习效率。

美国大学招录标准评介及启示

当前中国高校正在实施招生录取试点改革,美国是世界上高等教育最发达的国家,其大学招生录取标准值得借鉴.美国大学招生注重定量和定性与形成性和终结性评价相结合,彰显完整性评价取向,尤为重视形成性定量评价,招生具有标准但不完全囿于标准的格局.通过对美国大学招录标准的评析与归纳概括并结合中国大学招录现状,提出三大改革路径:构建完整性评价体系,提高人才选拔效度;深化综合评估改革,推进育人为本的落实;开发多样性标准系统,助力大学特色化发展.