排序方式: 共有62条查询结果,搜索用时 31 毫秒
1.
教育数据在教育领域不断渗透,教师的数据素养水平对于有效利用教育数据、合理判断学生的行为具有重要影响。本研究旨在用德尔菲法构建中小学教师数据素养评价指标体系,为评估中小学教师数据素养提供参考依据。通过文献分析梳理中小学教师数据素养评价指标,选择相关领域专家12人,采用德尔菲法进行2轮专家意见征询,根据专家打分计算指标权重,形成中小学教师数据素养评价指标体系。问卷征询专家的积极系数为100%,专家权威程度均值为0.72,确定的一、二级指标重要性均值均大于4.00,变异系数均小于0.25,符合德尔菲法要求。最终形成了包含数据意识、数据知识、数据操控技能、数据应用能力、评价交流数据、数据思维6个一级指标和19个二级指标与40条具体内容的中小学教师数据素养评价指标体系。对46位教师进行小范围试用,验证了其科学性与可靠性,该评价指标体系可作为评价中小学教师数据素养发展水平的参考测量工具。 相似文献
5.
智慧教育代表了技术变革教育的未来发展方向。如何发展智慧教育,是世界各国面临的共同挑战和重要机遇。该文重点剖析了新加坡、韩国以及美国的国家智慧教育发展战略,剖析了三个国家发展智慧教育的优势与不足,进而探讨了对我国发展智慧教育的有益启示,即正确认识国际智慧教育发展形势,构建适合信息时代特点的教育理论,建设以学习者为中心的智慧教育环境,以实现教与学方式的根本性变革为核心目标,多方参与加速实现智慧教育生态系统的构建。 相似文献
6.
7.
学习资源评价是引导资源建设方向、提高资源质量、促进优质资源传播与共享的重要手段。当前学习资源质量评价研究更侧重于资源终极质量的评判,少有对资源进化过程进行评价,同时也无法预测资源未来的进化效果。本文从"进化"的视角出发,在借鉴已有资源评价规范的基础上,采用文献调研法和专家访谈法,构建了生成性学习资源进化评价指标体系。该指标体系包括5个一级指标(资源内容、资源结构、标注规范、资源教学性、资源活性)和22个二级指标。本文依据该指标体系编制了相应的资源进化评价量表,并在学习元平台进行了试用。研究结果表明:该指标体系具有较好的完整性,能对资源进化评价提供系统指导;资源进化评价量表具有较强的可操作性,可以有效评判资源进化的结果和过程。 相似文献
8.
学习元与学习对象的多维比较研究——学习资源聚合模型发展新趋势 总被引:3,自引:0,他引:3
在新技术与学习理念的双重推动下,学习资源正朝着可进化、分布式、社会性、情境性、开放性和复合性的方向发展.支持传递接受范式教学的学习对象已经无法满足泛在学习对学习资源进化生长、过程性信息跟踪、人际智慧聚合、多终端支持、无限群体的个性化学习等多方面的实际需求.学习元是在学习对象基础上发展起来的适合泛在学习的一种新型资源组织方式,顺应了学习资源的发展趋势,是未来学习资源设计与共享发展的新方向.本文从历史背景、概念特征、学习理念、信息组织、信息模型、存储结构、质量控制、共享范围等多个层面对学习元和学习对象进行了对比分析,并在此基础上总结了学习资源聚合模型发展的新趋势. 相似文献
9.
我国教育数字化已经进入纵深发展期,呈现全方位协同改革、全要素质量提升、全程化强力驱动、全员化深度参与等新特点。“数据充分赋能”是2023年全国教育工作会议对于推进教育数字化战略行动的最新指示,是教育数字化战略纵深发展的关键所在。数据在教育数字化转型中承担“加速器”“润滑剂”“仪表盘”的重要作用。数据充分赋能强调数据在驱动教育数字化转型中的全流程赋能、全要素赋能、全场景赋能、全业务赋能,实现对教育组织形式、教学形式、服务形式及治理形式等的模式和流程再造。就内在逻辑而言,数据充分赋能是基于数据环路充分激发数据活力与价值,实现对个体、学校、教育企业、科研机构等的价值层赋能、行动层赋能以及绩效层赋能,形成“知道—行动—评估”的数据赋能链条。就实践路向而言,为推进数据充分赋能教育数字化转型的纵深发展,可以从如下五个方面入手,包括建设全国一体化教育大数据中心,优化数据驱动的教育治理新模式,统筹推进教育数据应用绩效评估,加快建立教育数据要素交易机制,以及着力推进教育数据应用示范工程。 相似文献
10.
教育正迈向智能化时代,人工智能与教育的融合创新已成为未来教育变革的重要趋势。当前教育人工智能在面向特殊人群的补偿性教育、针对常规业务的替代式教育和服务个性发展的适应性教育方面已经形成典型的应用模式。但从整体上看,教育人工智能仍处于起步发展阶段,面临四大发展难题:一是教育数据的数量与质量存在"短板",人工智能技术的价值难以发挥;二是教育业务复杂多样,通用人工智能技术"嫁接"教育的难度增大;三是教育用户对人工智能技术存在应用价值与角色关系的双重困惑,人机信任危机难以消除;四是缺乏人工智能专业教师队伍与课程体系,人工智能融入教育进程缓慢。未来教育人工智能应在以下方面实现突破:技术研发层面,加大教育人工智能产品研发力度,提升技术服务品质;教育创新层面,拓宽人工智能教育应用空间,构建和谐共生"人机结合"新生态;合作机制方面,建立"政企学研"多方合作机制,推进多学科交叉协同融合发展;实践模式层面,建立教育人工智能示范点,以点带面,逐步推广教育人工智能应用模式。 相似文献