基于大数据的学生个性化学习行为与精准教学策略研究

现代教育追求导向精准化、方式智能化,以适应学生个性成长,培养社会发展所需的创新型人才。文章为尝试挖掘学生学习行为中的隐性行为,全面准确地分析学习者的特征,基于大数据的个性化学习关键技术,以及开展基于深度强化学习的个性化学习的反馈机制,对基于大数据技术的个性化学习进行深入分析,给出促进精准教学的方法与策略,为个性化学习的研究与实践提供一定的参考。     

基于MOOC数据挖掘的学习行为和学习成效分析

随着近年来慕课教学的兴起,教育大数据的分析与挖掘正成为一个新的研究方向。本文基于Canvas Network提供的MOOC开放数据,使用数据统计和数据挖掘的方式,对学习者的类型与行为进行了统计分析,并探究了学习行为与学习成效之间的相关性,并基于分析结果对个性化的在线学习方式提出了有益的建议。     

教育大数据环境下基于学习画像的个性化学习路径设计研究

在线学习环境下,探索符合学习习惯和偏好的学习活动路径能够降低学习者学习盲目性、提升学习者的课程体验。研究以教育大数据为背景,以MOOC为研究案例,以个性化学习路径为研究内容,通过对学习结果分类理论、教育目标分类法以及三维目标分类理论的分析、对比、归纳、借鉴,对MOOC平台学习者行为数据进行了维度划分,并从态度和认知两方面入手构建了包含学习兴趣、知识水平、综合能力三个维度的学习者学习画像特征模型。在此基础上,通过交叉使用Apriori All算法和贝叶斯网络对平台行为数据进行差异处理,使其转化为具有信息价值的具体数值,设计出了学习画像与个性化学习路径拟合系统。在此基础上,运用蚁群算法实现个性化学习路径的生成与推荐,为学习者提供精准的学习路径指导,降低学生迷航率。研究结果表明:基于学习画像的个性化学习路径推荐具有精准性;学习画像可以实现MOOC环境下平台数据和学习者之间的耦合;交叉使用多种算法实现不同维度数据的差异性处理,使数据分析、处理、应用具有合理性,是实现个性化学习路径生成推荐的良好基础。     

基于数据的在线学习个性化学习支持服务模式构建与实现途径

后疫情时代在线学习的地位得到进一步提升。基于文献研究与开发研究,构建了基于数据的在线学习个性化学习支持服务理论模型,并探讨了其实现途径,指出基于大数据的在线学习个性化学习支持服务能有效提升学习质量,提高学习支持服务与学习者需求的匹配程度,实现“类同伴”的陪伴效果,减少在线学习参与的孤独感,提高情感体验,实现高品质学习。基于此,构建了人、大数据、资源、时机、方式和途径为作用元素的学习支持服务模型,实现数据支持的精准决策和智能服务。提出实现基于大数据的在线学习个性化学习支持服务需要关怀生命,系统培育大数据驱动的积极学习支持服务理念;完善基础,构建大数据收集平台对学习者精准画像;建设资源,围绕学习者个性化学习支持服务形成优质学习支持资源;强化体验,围绕“高品质学习”优化学习支持服务机制。     

基于大数据的个性化自适应在线学习分析模型及实现

通过大数据学习分析模型,能够深入探究学习者的学习过程与情境,发现学习规律,根据每一个学生的需求和能力为其提供个性化自适应学习。本研究综述了大数据的内涵及应用,从微观视角提出了大数据之“大”,不在于其表象的“大容量”,而在于分析数据的全面性和潜在的“大价值”。基于大数据分析,从数据与环境(What)、关益者(Who)、方法(How)和目标(Why)等4个维度构建个性化自适应在线学习分析模型。以《C语言程序设计》课程学习为例,从基于大数据个性化自适应的学习过程结构、学习过程可视化及学习效果实证等方面进行分析,研究结果表明对学生学习行为与知识掌握的数据分析,能够推荐合理的学习路径与恰当难度的学习资源,可对学生的学习效果做及时准确的反馈,提供个性化服务干预,有利于促进教与学。     

个性化学习资源推荐中文本情感识别的作用及关键技术

基于数据智能分析的学习资源推送是精准支持个性化学习的教学服务方式之一。随着人工智能技术和学习分析技术的发展，通过对行为数据、测评数据和日志数据等的分析进行资源推送虽已有较成功应用，但未能实现学习者个人情感状态为引导的资源推送。为此，该研究针对个性化学习资源推荐中情感价值、情感控制理论和实践的缺失，以实现个性化学习多维度情感识别为目标，采用BERT模型和TextCNN构建个性化学习资源推荐文本情感识别模型，并提出了基于学习者作业、论坛内容等的文本情感识别模型实现过程。学习资源推荐文本情感识别模型和实现过程可为真实应用提供方法支持和技术路线指引。     

基于学习者建模和数据挖掘的个性化学习路径推荐研究

在线学习作为一种新型的学习方式,能够为学习者提供个性化的学习支持。有效推荐个性化学习路径是学习服务研究中的重点问题。文章结合大数据背景下个性化学习的特征,建立学习者模型,通过数据挖掘技术深入分析学习者的学习行为信息以及知识之间的关系,结合基于内容的推荐和协同过滤的推荐方式,设计个性化学习路径推荐的具体方案,为解决在线学习过程中学习者面临的“信息过载”和“知识迷航”问题提供参考和借鉴。     

学习分析:大数据时代高等教育变革的重要动力

高等教育大数据时代的到来,引发了新的教育革命。学习分析是信息技术应用于高等教育的新领域。利用学习分析技术对学习者学习活动的有关数据进行分析,其关注点在于学生的个体差异与需求。这与注重提供差异化及个性化教学的高等教育教学新理念相适应,是教师进行有效教学诊断、教学介入、改善教学和学生进行自我评估、自我调整的关键环节。面对学习分析的质疑,我们需要明确的是,教育的根本目的还在于人的发展,技术只能作为手段而存在。     

基于学习分析的在线学习用户画像研究

画像技术在当前精准营销中的应用非常广泛,而其在教育领域尤其是在线学习者的特征识别方面研究较少。文章从学习者的一般特征、学习准备、学习风格、行为特征四个方面对学习者进行分析,提出在线学习者画像描述的总体框架。同时,通过机器学习对在线学习行为数据进行挖掘,文章分别从以上四个方面对学习者画像进行建模研究,重点讨论了学习风格的建模过程,并通过对在线学习者个案分析,阐述了学习者画像在指导学习资源精准推荐、评估在线学习者学业失败或退出风险等方面的应用,为个性化教育实施提供了实践案例。     

智慧学习环境下学习分析的理论模型及其机制

智慧学习环境为学习者提供了个性化学习服务。在智慧学习环境中,学习分析技术是其关键技术之一,因此开展学习分析模型的研究是为学习者提供个性化服务的重要基础。文章通过对国内外学习分析模型要素的综述,以联通主义学习理论、学习目标划分理论、数据分析方法及教育评价与测量理论为基础,从学习数据变量、学习数据类化、学习数据处理和学习测评服务四个方面建构了智慧学习环境下学习分析的理论模型,并据此提出了学习服务智慧化导向下的学习分析机制:多源动态学习数据的高效采集和存储机制、多模态异构学习数据的智能管理和分析机制、多通道分析结果的模型自适应反馈机制。文章所提出的学习分析理论模型及其机制,将提高智慧学习环境下学习分析的有效性。     

大数据与智慧教育

智慧教育是教育信息化发展的最新愿景。教育大数据汇聚存储了教育领域的信息资产,是发展“智慧教育”最重要的基础,而数据挖掘和学习分析技术是连接教育大数据与智慧教育的桥梁。建构基于大数据与学习分析技术的智慧教育教学,需要从教育网络大平台建设、学习者学习方式变革、课程教学方式创新、教育数据挖掘与学习过程分析、学校教育系统重构等多个角度去推动。     

大数据时代网络学习资源组织策略的探索

随着教育信息化的深化,学习资源的数量已经不是影响网络学习支持效果的关键因素。针对当前主流学习支持平台在学习资源组织方面的一些不足,结合大数据时代新型的数据处理模式和呈现方式,文章提出了基于大数据理念的网络学习资源组织策略:通过构建以知识点为核心的知识元,把学习资源有机地组织起来;借助动态知识地图组织知识元,以便更好地呈现学习资源之间的内在联系;支持资源的重组、重构和共享、共建等,强化面向教师和学习者的个性化操作,从而帮助学习者更加智能化、个性化地学习。     

学习仪表盘：大数据时代的新型学习支持工具

随着在线教育的蓬勃发展和教育大数据时代的来临,一种新型学习支持工具——学习仪表盘（LearaingDashboard）应运而生。学习仪表盘基于信息跟踪技术和镜像技术,对学习者的学习行为、习惯、情绪、兴趣等信息进行记录和追踪,通过分析与可视化、个性化的显示,为在线教育的学习者、教师、研究者、教育管理者等提供多层次的学习支持,帮助学习者实现自我认知、学习反思以及意义建构,促进学习新方法或模式的产生。目前,学习仪表盘发展快速,正逐渐从关注学习登录次数、学习时间和进度等浅层学习信息的辅助性学习工具,逐渐发展为集学习、分析、评价、反馈等多功能于一身的统领学习资源、支持学习过程的强大集成化系统。随着其功能和形式的不断创新与完备,学习仪表盘将在更多学习情境中得以应用,以更精妙的数据分析设计框架和更l喻悦的使用体验为学习者提供更为高质高效的学习支持。     

基于SOM聚类法的在线学习分析研究

在E-learning学习领域,在线学习系统中大量的学习资源往往会让学习者难以及时获取适合自身的个性化学习资源。当前在线学习行为方面的研究主要关注根据学习者的学习行为和知识水平提供适切的学习资源,但学习者学习行为的差异性、学习资源的多样性和学习导航链接的复杂性成为自适应学习环境系统构建的限制因素。因此,有必要利用学习分析技术来分析学习者的相关数据,进而深入了解学习者的学习行为,并组织和维持在线学习系统中储存的学习资源。文章基于自组织映射(Self-Organizing Maps,SOM)聚类法提出了一种自适应学习环境框架,该框架有利于分析学习者相关数据并构建学习内容模型,为学习者提供适合自身需要的学习内容,最终取得高质量的学习成绩。随着E-learning中学习数据的日益增长,为了保证E-learning中学习者的学习质量,非常有必要对这些大量的学习数据进行分析,这也成为当前教育研究中的热点问题,文章有助于在E-learning环境中对学习者进行及时有效的大数据分析。     

智能学习分组:从通用模型到大数据框架

学习分组是协作学习活动设计的首要阶段。随着学习场所的快速变化、多模态交互过程复杂性的增加,采用传统的随机分组、教师指派或学生自我选择等方法进行协作学习分组的效率十分低下。研究提出基于智能技术构建自适应的协作学习小组。首先,阐述了学习分组的价值,即构建合理的协作学习环境、兼顾学生的个体差异和促进教育资源优质公平;其次,总结了影响智能学习分组的因素,包括个体属性、小组学术与物理构成以及学习者与环境的交互;最后,描述了经典场景下智能学习分组的通用模型,并讨论了大数据背景下智能学习分组的前景与挑战。针对大数据驱动智能学习分组的稳定性问题,基于机器学习中的集成学习思想构建了大数据共识分组框架。此框架有望为人工智能促进未来规模化的个性化教育提供支持。     

基于大数据的个性化学习方案设计

随着大数据时代的到来,学习模式发生了重大变化,个性化学习成为现代教育的重要趋势.然而当前的相关研究大都只是针对个性化学习某一个环节的论述,缺乏对个性化学习整体解决方案的探索与研究.本文提出利用现代信息技术、基于学情大数据设计构建一套完整的个性化学习方法体系,包括学生个性特征认知、个性化学习资源推荐、学习行为与学情风险预警、多维度个性化学习评价及个性化学习综合服务信息系统等具体解决方案.研究结果有利于解决传统教育中存在的学习对象认知不充分、学习资源难以满足个性需求、学情分析缺乏预警机制、学习评价方式单一、缺乏综合信息系统支撑等问题,从而促进以学生为中心的个性化学习理念的实践,促进教育现代化与智慧化的发展.     

个性化网络学习支持系统的构建

现代远程教育存在＂两个远距离＂。一个是教师和学习者的＂物理远距离＂,另一个是教师和学习者共同面对的与无生命的计算机的＂心理远距离＂。物理和心理上的远距离导致教师和学习者、学习者与学习者之间相互沟通困难,学习者与资源之间沟通困难。这种远距离的状态使得现代远程教育缺乏传统教育中师生面对面的交互及情感交流。因此要使学习者的个性化网络学习能顺利进行必须克服这两个远距离。而克服＂两个远距离＂最有效的办法是为学习者的个性化自主学习提供有效支持和人文关怀。个性化网络学习支持系统是指整合了现代网络技术和个性化支持技术的网络学习支持系统,它的本质是为学习者提供个性化的学习服务,使学习者的个性化网络学习顺利进行。概括地说,个性化网络学习支持系统就是为学习者的个性化网络学习提供支持的软件系统。     

学习分析：从源起到实践与研究

学习分析是“大数据”在教育领域的应用,引发了教育技术发展的第三次浪潮,并获得学术界的广泛关注。本文梳理了学习分析的形成过程,然后从利益相关者、研究目标、研究对象、技术方法四个维度,回顾了近五年来国内外学者在学习分析方面的研究成果,并提出未来发展趋势和可能遇到的挑战,便于相关人员制定教育决策、优化教育管理过程以及完善学习过程。研究结果表明,学习分析研究主题主要涵盖学习者知识建模、学习情绪建模、学习行为特征抽取、学习活动跟踪、学习者建模、学位获取分析、教学资源和教学策略优化、自适应学习系统和个性化学习、在线学习影响因素分析九个方面;分析数据主要来源于集中式学习环境、分布式学习环境以及身体活动数据;常用分析方法包括统计分析、信息可视化、数据挖掘、社会网络分析、话语分析和网站分析。目前,学习分析研究遇到的挑战包括教育数据预处理难度大、数据访问权限不明确、学习分析适用性有限。虽然学习分析尚处于发展初期,但由于能够为教育系统各级决策提供科学参考,已经成为教育信息化的重要内容之一。     

混合学习环境下基于学习分析技术的深度教学模式研究

随着MOOC教学方式出现,导致教育大数据呈几何级数式增长。如何利用教育大数据(Big Data)对学习者的学习行为进行定量和定性分析,其结果用以切实提高教学质量是高等教育机构和从业者亟待解决的重要课题。学习分析技术是指通过采用先进的数据分析工具及分析方法对学生的学习效果进行预测与评价,从而做到学习问题诊断,最终实现学习效果优化的一系列技术方法的集合。文章在介绍学习分析技术外延与内涵之后,提出一种混合学习环境下基于学习分析技术的深度教学模式,并展望对如何利用技术进行教育创新,以期为高等教育改革提供借鉴与参考。     

EFL中自主学习的学习支持

自主学习是外语学习者必须具备的一种能力,新的大学英语教学改革提倡网络环境下学生个性化、自主式的学习方式,因此,外语教育者和教育机构应该通过建立自主学习语言中心和帮助学生掌握语言学习策略等方式鼓励学生进行自主学习,为之提供自主学习的环境,从而对学习者自主学习进行必要的学习支持.