基于学习分析的大学生深度学习数据挖掘与分析

在信息化时代的学习中,网络化学习是大学生学习模式的重要组成部分。在网络学习平台上如何利用学习分析技术来收集学生学习大数据,从而引导学生开展深度学习?针对这一问题,文章选取某所高校,利用网络教学平台收集了学生学习及教师教学的大数据,将这些数据根据深度学习过程意向模型的三个部分进行分类,采用具有学习分析的定量研究方法对网络化学习中教师在线备课行为、学生自主学习行为、教师在线指导行为、学生学习反馈行为、师生交互行为进行量化,研究这些行为与深度学习过程意向模型之间相关性。     

在线学习研究30年

本文介绍了作者对过去30年在线学习研究的研究进展。研究如何设计在线教学是将学习科学应用于教育的一个案例。在线教学设计研究有助于发展学习科学(如认知负荷理论、多媒体学习的认知理论,以及学习的元认知、动机和情感的综合),教学科学(如有研究证据的教学设计原理不断发展)和评估科学(如多侧面的迁移测试,同时辅以保持测试和自我调查报告,学习过程中的日志文件数据,以及学习认知过程中的认知神经科学测量等)。文中反复提到的观点:学习有赖于运用教学方法,而不是单凭教学媒体就能够奏效的,在线教学设计研究应该关注数字化学习环境的特性;教学实践应建立在严谨、系统的研究基础上,包括旨在确定在线教学中有效成分的增值实验;在线学习研究应确定教学技术最有效的边界条件;在线学习研究应该起到检验和发展学习理论的作用。     

基于大数据的在线学习预警模型设计——“教育大数据研究与实践专栏”之学习预警篇

学习预警是提升在线学习质量的重要途径。如何基于大数据成功地实现在线学习预警,是在线教育发展过程中亟需解决的重要问题。文章从预警的实现形式、内容与方式、采用的技术算法和工具、成效及不足等方面比较分析了国外五个典型学习预警系统,在此基础上提出了学习预警系统的通用设计框架,并构建了学习预警系统的功能模型和过程模型,最后就在线学习预警系统的设计开发和预警研究提出了建议,以期能为我国在线学习预警系统的建设与发展提供借鉴。     

基于大数据的在线学习平台建设研究

随着大数据的兴起,将大数据引入教育领域,改善现存的教学问题,促进教育信息化的发展已是大势所趋.文章采用文献分析法,通过分析大数据在建设在线学习平台的优势,促进个性化学习的发展,从在线学习平台的学习推送模块、学习诊断与干预模块、学习评价模块和教育决策模块的建设四方面分析如何将大数据技术引入在线平台建设中,改善现有的在线学习平台的弊端,使在线学习平台更加符合学习者个性化的学习需要,进而促进在线学习的发展.     

基于大数据的在线学习平台建设研究

随着大数据的兴起,将大数据引入教育领域,改善现存的教学问题,促进教育信息化的发展已是大势所趋.文章采用文献分析法,通过分析大数据在建设在线学习平台的优势,促进个性化学习的发展,从在线学习平台的学习推送模块、学习诊断与干预模块、学习评价模块和教育决策模块的建设四方面分析如何将大数据技术引入在线平台建设中,改善现有的在线学习平台的弊端,使在线学习平台更加符合学习者个性化的学习需要,进而促进在线学习的发展.     

在线学习行为对混合学习绩效的影响研究

混合教学中在线学习行为影响着学生的学习绩效。文章对在线学习行为进行了分类,并运用因子分析、回归分析等学习分析技术,对混合教学案例在线学习表征数据进行定量分析,构建学生在线学习行为与学习绩效相关模型。通过关系数据分析可知:学生的在线学习行为正向促进其网络学习自主效能感、自主学习能力和知识建构水平的提升,正向影响学习绩效的提高。基于此,文章提出了四点提高在线学习绩效的策略,包括注重在线学习环境、强调目标—任务—技术匹配的线上活动设计、注重教师参与指导、改革学习评价内容。     

来华留学生感知的在线学习环境对学习成效的影响——学习方式的中介效应分析

本研究分析了来华留学生感知的在线学习环境、学习方式对其核心技能、研究能力、汉语水平和全球理解能力发展的影响。数据来自一项全国性调查,涉及在我国41所高校就读的1010名来华留学生。研究结果表明,来华留学生感知的在线学习环境、学习方式与学习成效之间存在显著的相关。结构方程模型分析结果显示,在线学习环境的可访问性、灵活性、知识获取性以及深层学习方式对来华留学生在线学习成效有显著的直接影响。中介效应分析证实,深层学习方式是在线学习环境影响其学习成效的重要中介。     

在线学习评价中的反馈方法应用与反思

信息和通信技术的快速发展使得信息技术与教育活动的融合成为必然。在线学习,即通过互联网进行开放和远程学习,被认为是一种有效的知识转移机制,而在线学习评价的主要任务是为学习者提供"丰富"的反馈。文章通过系统梳理网络学习环境下学习评价过程中的反馈研究,重点呈现了评价反馈具体应用方法以及与之相关联的效果分析结果,以期为进一步提升在线学习评价反馈应用水平提供有益帮助。     

基于行为序列分析的建筑类高职学生在线学习特征研究

智慧教育是信息化教育应用的一个新范式,学习分析技术也必将在智慧教育发展中随着大数据应用产生不可预估的价值。通过分析行为序列这一主流的学习分析技术,结合聚类分析、相关分析对高职学生在线学习课程行为序列和参与模式进行了实证探索,得出在线学习行为序列频次和与成绩显著相关的行为序列,参与模式划分为低投入型、浅层次投入型、目标投入型和深层次参与型四类。最后对在线课程教与学过程、有效的行为序列、学生的最佳参与模式和在线课程设计进行讨论总结,以期对高职院校学生在线学习的分析、评估、改进提供参考和借鉴。     

基于协同过滤的学习资源个性化推荐应用

分析了基于协同过滤的推荐算法及实现过程,结合远程教育在线平台的学习特点,提出运用该技术在远程教育在线学习平台进行资源推荐的解决方案,并对基于协同过滤推荐算法中存在的数据稀疏及冷启动问题提出了解决方法.     

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。     

基于MOOCs大数据的学习分析和教育测量介绍

大规模在线开放课程区别于传统的远程教育和网络公开课,是基于课程与教学论以及网络和移动通讯技术发展起来的新兴在线课程形式.这类新型在线课程重在教学设计和研究,运用了丰富的教学模式,并采集网络大数据进行学习分析,以提高教学质量、完善网络课程系统.本文从大数据的定义和分析方法、学习分析和教育测量新思路、以及问题与挑战的角度对此进行介绍和探讨.本文认为对网络课程大数据的分析和研究将大大推动教育测量和学习分析的发展,促进教育质量的提升,但面临的挑战和困难也不容忽视.     

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。     

学习分析技术支持下的教师在线学习行为特征分析

在线学习已成为教师专业发展的主要途径,参加学习的人员规模大、行为表现复杂。为了探析教师在线学习行为的群体特征,该文以Y市四期教师在线培训为例,应用统计分析、序列分析、关联规则、社会网络分析等方法,从学习活跃、学习投入时间、学习行为序列、社会交互四个方面分析了教师在线学习行为的群体特征。研究发现:教师在线学习活跃性较高;在线学习时间投入充足;在线学习目的性较强且行为活动方式简单;社会交互情况不够理想。因此,建议实施在线学习与线下集中研讨相结合的混合式教师培训,培训安排与支持服务、学习内容与活动设计应符合教师在线学习规律,并提供有效的技术脚手架和干预机制,以期提高教师培训效益。     

“慕课+”情境下的学习行为和学习效果研究

慕课在蓬勃发展的同时,其学习效果一直受到质疑。慕课情境下的学习行为研究逐渐受到重视。国内外学者都力图通过学习者的学习数据来预测学习者的学习成绩以及评估学习效果,但受制于各平台的数据限制,相关研究仍处于起步阶段,没有较有影响力的观点和著作。基于《文献管理与信息分析》慕课在"好大学在线"及"中国大学MOOC平台"的学习者数据收集,具体分析了学习者的选课、退课情况,在线互动及提交作业情况,在线时间以及学习成绩情况,分析了学习者的在线学习规律,了解学习者的在线学习行为。传统的课程考核方式和知识认知已不适应甚至阻碍了慕课的发展。网络时代的学习者不再以成绩和证书为导向,而是以获取技能和知识为重点。国内的慕课课程并没有彻底摆脱传统课堂的影子,仍然把重点放在"教"的环节上,缺乏对整个学习过程的管理以及对互动的反馈,都抑制了学习者的学习热情。     

混合学习环境下学习者的在线自我调节学习潜在剖面分析及行为过程挖掘

混合学习强调线下课堂教学和线上自主学习的混合以实现优势互补,其中学习者的在线自我调节学习能力显得异常重要。文章旨在揭示学习者的在线自我调节学习能力存在哪些潜在类别,不同类别学习者是否具有不同的在线自我调节学习行为过程模型,以及这对于在线自我调节学习环境的设计有何启示。研究首先对239名学习者的在线自我调节学习能力进行测评,然后使用潜在剖面分析方法对测评数据进行分析,发现样本学习者可以分为高、中、低三种不同水平的自我调节学习剖面类别。然后分别对三种类别学习者的在线自我调节学习行为数据进行过程挖掘,研究发现:(1)学习者的自我调节学习能力更多体现在执行阶段的行为上;(2)中高水平自我调节学习者的在线学习行为表现出更强的认知和元认知策略;(3)高水平自我调节学习者体现出更有效的时间管理策略与更强的整体规划能力。因此,在线自我调节学习环境需要引入自适应支持机制,为学习者提供适应性的过程和策略支持。     

基于学习状态分析的混合式学习效果优化研究

文章以大学生在线学习状态变化为例,构建了在线学习状态分析理论框架,确定学习资源、教师教学方式、交互活动和学生学习情绪等四个学习影响因素。基于分析理论框架,将疫情时期的在线教学和后疫情线上与线下混合学习两个时期学习状态变化通过在线调查问卷、访谈等方式收集相关数据,然后通过文本分析和统计分析方法分析数据,明晰大学生居家在线学习状态以及混合学习状态的真实对比情况,提出开展混合式教学的可能性和必要性,最后给出提升混合式教学与学习效果优化的实施路径,以促进信息技术和教育教学深度融合的混合式学习效果最优化。     

基于在线学习共同体的教师专业发展模式

Web2．0技术为构建教师在线学习共同体、促进教师专业发展提供了良好的技术支持。在线教师专业发展的循环过程包括了需求分析、计划与设计、实施与监控、评估与反馈、调整与适应的基本过程。基于在线学习共同体的教师专业发展模式是以支持教师在线学习为基础,通过构建教师学习共同体,使教师在社会化学习过程中分享教师个体实践性知识,发挥教师集体智慧,推动教师专业成长,提升教师的教学智慧。     

数据驱动的在线学习倦怠预警模型研究与实现

在线学习倦怠是学习者由于学习压力等因素影响而产生的一种倾向于逃避学习的消极心理状态,对其进行有效识别与适时预警是实现高效在线学习的重要途径.鉴于此,文章首先确立了在线学习倦怠的内涵与结构维度,并基于学习倦怠量化表征依据分析构建了数据驱动的在线学习倦怠预警模型;然后从在线学习倦怠预警过程出发,详细阐述了数据驱动在线学习倦怠预警的实现方案;最终依托iStudy学习平台完成了在线学习倦怠预警系统功能的设计与开发,并以H大学在线学习者为研究对象进行系统应用和实证分析.实践效果表明,该预警模型可以有效降低学习者倦怠水平并显著提升课程学习效果,为在线教育中的学习倦怠评估与智能化预警奠定了一定的基础.     

高职学生在线学习投入量表构建与实证分析

学生的学习行为投入是影响学习效果的重要因素。为了了解疫情防控期间高职学生在线学习行为投入现状,在学习行为投入、在线学习行为投入内涵界定及测量研究的基础上设计了6个维度的高职学生在线学习行为投入测量量表,并基于学校电子商务学院2018级237名学生在安徽省网络课程学习中心(e会学)平台上进行在线学习的系统后台数据以及课后针对学习过程调查的问卷数据,对20个测量指标进行描述性分析、阶段性变化分析以及与终局性在线考试成绩进行相关分析。最后提出有效激发学生在线学习行为投入的实践启示,包括强化线上教学的过程管理;丰富线上教学设计,激发学生学习积极性;坚持线上教学的高要求。