数据驱动下的在线学习状态分析模型及应用研究

学习状态是决定学习者在线学习效果的重要指标。针对在线学习中学习者学习状态的测量方法,探究学习者的学习状态与学习行为之间的关系,可以为教师、学习者和教育管理者提供评估、预测与干预的依据。基于"云平台"上269名学习者的12912条在线学习操作数据,构建数据驱动的学习状态分析模型,对投入、挫折、困惑、分心四种学习状态的行为特征进行了分析。其精确度和科恩的一致性的结果表明:机器分析结果与自我报告结果一致性较高,具有一定参考性。对其的进一步应用研究结果表明:学习者的学习状态与其学习效果显著相关,这为基于学习者学习行为数据的状态分析研究提供了参考。

网络探究社区教学性存在测量框架

随着在线教学的普及应用,教学性存在成为当前教育研究的热点。教学性存在是教师在线教学支持行为的总称,决定着在线教学的质量。目前研究者对教学性存在的测量框架还未达成一致结论。据此,本研究基于探究社区理论和已有研究,构建了教学性存在测量框架,并运用调查法对教学性存在测量框架进行验证。本研究以参与在线学习的大学生为样本,收集到有效问卷408份,采用探索性因子分析和验证性因子分析的方法对问卷数据进行统计分析。在探索性因子分析阶段,本研究抽取了设计与组织、促进对话、直接教学、评价和技术支持五个因子;验证性因子分析结果显示该一阶五因子相关模型的适配性较好,与实验数据能较好的拟合。研究提出的教学性存在测量框架鉴别性和一致性良好,能为网络探究社区中教师教学性存在的测量提供工具支持,为教师的在线教学实践提供指导。