网络学习行为自动监控系统的设计与实现

网络教育与自主学习紧密相关．学生能够以充分自由的方式学习。网络学习中．教师如何获取更多关于学习者学习行为和教学效果等一些相关信息是非常值得研究的。通过对学生在网络学习进程中学习行为的分析，并依据档案袋评价的启示，设计并实现了一种切实可行的学习行为数据自动记录和结果统计展示的监控系统，借助该系统。可以保证网络学习者学习的有效性。促进网络学习的发展。     

网络课程中学习行为监控系统的设计与实践

本文从网络课程学习者行为监控的角度出发,将行为控制、实时反馈和成果评价统一于一体,构建了学习者学习行为实时监控系统,并进行实践,以期为网络教学提供必要依据。该系统模型包括学习行为控制模块、学习行为成果评价模块和学习行为实时反馈模块等三大部分。     

网络学习监控探究

纵观我国网络教学的发展,由于网络学习监控的缺失,力度不够或监控功能相对薄弱,影响了学习的质量。为了保证学习质量和提高学习效果,网络学习呼唤网络学习监控的参与。本文探讨了引入、强化和改善网络学习监控的必要性。浅析了网络学习监控的含义,最后介绍了网络学习监控策略。     

网络学习行为自动监控系统的设计与实现

网络教育与自主学习紧密相关,学生能够以充分自由的方式学习。网络学习中,教师如何获取更多关于学习者学习行为和教学效果等一些相关信息是非常值得研究的。通过对学生在网络学习进程中学习行为的分析,并依据档案袋评价的启示,设计并实现了一种切实可行的学习行为数据自动记录和结果统计展示的监控系统,借助该系统,可以保证网络学习者学习的有效性,促进网络学习的发展。     

网络学习行为分析及其模型研究

网络学习行为的研究至今仍然很不充分。本文首先讨论了研究网络学习行为的意义;其次讨论了网络学习行为的内涵,界定了网络学习行为的概念;论文提出了网络学习行为的一个多维度和多层次的模型,以期反映网络学习行为在行为类型多样性和行为级别层次性上的特点;最后,给出了一个基于网络学习行为分析的学习平台结构,其中对于学习者的学习行为分析,构成了对学习者的行为评价和学习智能化、个性化调整的基础。     

关于网络学习环境下学习行为监控的文献研究

一、问题的提出目前,世界各国对网络教育的发展给予了前所未有的关注。网络教育的市场规模逐年增加,远程教育以现代网络技术的发展为基础,不受时间、空间和地点的限制,教与学的方式趋于多样化。随着网络与通讯技术的发展,     

基于中学生心理特征的网络学习行为监控与评价研究

<正>网络学习评价强调利用网络作为自我评价的工具,但目前网络学习评价仍受传统教学评价的影响,存在主体单一、内容片面、方式单一、标准单一、结果欠佳等局限,缺少针对中学生的态度、情感、价值观、创新意识和实践能力等因素的评价。因此,非常有必要对中学生心理特征进行分析,通过对其网络     

西部小学教师网络学习行为个案调查与分析

互联网技术的发展使传统的教师专业发展模式有了改变和创新的可能,通过互联网,教师们能够得到本地学校以外的高质量的在线专业学习机会,可以与专家或同伴合作,进行持续的交流磋商.本文以西宁市城西区小学教师为个案,在调查研究的基础上分析了西部小学教师网上学习行为的现状、存在的问题以及影响其网上学习的因素,并对调查研究的结果进行了总结归纳.     

Web数据挖掘在个性化网络学习中的应用研究

进入到新世纪以来,随着我国国民经济水平的提升,我国的科学技术也有了广阔的发展空间.近几年来,我国的网络用户群体的数量日益增加,越来越多的学习者也开始通过网络获取他们所需要的知识,然而由于网络中的数据库和信息量过于庞大,所以很多的学习者都还没能找到适合自己的科学合理的学习模式.数据挖掘技术是一种信息资源广泛并且更加智能化的前沿技术,将其与传统的网络资源以及WWW网络学习的实际特点相结合,对传统的网络学习模式进行了一定程度的改进,从而创建了一个新型的个性化的网络学习模型,从而真正地满足学习者的各式各样的学习需求.基于此,对个性化网络学习模型提出的背景、Web数据挖掘技术的概念,以及个性化网络学习模型的构建三个方面的内容进行详细的探讨,从而详细地分析了Web数据挖掘在个性化网络学习中的应用情况.     

网络学习监控策略研究

从网络学习监控入手,寻找确保网络学习质量的微观策略,具体论及网络学习监控的必要性及其基本思想、实现手段等。     

网络学习行为个性化引导的研究

通过对网络学习中学习者在感觉通道、学习材料、学习环境和思维方式等方面偏好的分析,构建网络学习者学习风格特征结构模型。以此模型作为理论依据,提出对网络学习者学习行为进行采集、诊断和个性化引导的方法,并设计网络学习行为个性化引导系统。     

基于Web服务的网络学习行为采集研究现状

随着网络成为人们信息交流的重要平台,远程教育逐渐成为更多人选择的学习方式,同时远程教育研究领域对网络学习行为的采集及反馈也日益关注。本文在查阅大量文献资料的基础上,对国内外不同学者在网络学习行为采集方面的研究进行综述和归类分析,同时介绍了相关技术应用情况,尤其是Web服务技术以及移动Agent技术为网络学习行为采集注入了新活力。通过文献研究归纳出了网络学习行为的几个重要研究领域,以期窥探现阶段网络学习行为采集相关理论和技术的新发展。     

基于K-means聚类算法的网络个性化学习行为研究

聚类是指按照事物间的相似性对事物进行区分和分类的过程。对网络个性化学习行为中的大量数据,首先对样本数据进行了预处理,然后运用数据挖掘算法中的K-means算法进行分类,获取各类与网络学习行为属性的关系。在Clementine中的实验结果表明,该算法能够将数据准确聚类,为教师教学培养目标的制定提供一定的决策支持。     

国内网络学习行为研究的现状与分析

根据第46次《中国互联网络发展状况统计报告》统计,我国在线教育用户已达3.81亿,网络学习已成为一种重要的学习方式,国内对于网络学习行为的研究也愈加丰富.分析当前的网络学习行为研究现状,能够为后续的研究提供更加有力的帮助.本研究选取我国2005—2020年发表在国内公开学术平台上的网络学习行为论文,借助Bicomb 2...     

远程学习者网络学习行为调查研究

随着计算机网络技术的发展,对网络学习行为的研究成为热点。但目前针对远程教育学员尤其是开放教育学员网络学习的研究明显不足。本研究以长沙电大远程开放教育学生为调查对象,研究他们的网络行为能力,以更好地了解远程学习者在线学习行为规律,促进网络教育平台、网络课程资源的设计与开发。     

基于电子学档的在线学习行为监控

在线学习是一种师生分离的自主学习,对学习者的学习行为进行监控,能提高在线学习效率。利用电子学档对学习者的在线学习行为进行监控,不仅有助于促进学习者的学习反思、激发学习动机、开展更为有效的学习,而且有助于实现对学习者学习行为的全面监控。基于电子学档的在线学习行为监控模型一般包括行为信息的提取模块,整理和分析模块,成果及评价模块,反思模块,行为标准制定模块等五部分。采用这个模型,可以实现对在线学习行为的全面监控。     

网络环境下研究性学习活动的教学实施

基于网络环境平台,紧紧围绕单元内容＂Intercultural communication＂指导学生展开一系列研究性学习活动。从大学阅读课教学任务设计出发,进行教学实施。结果表明,通过网络平台与研究性学习活动的有机结合,实现了学生科学研究式的自主学习。借助网络平台,使学生个性化学习,自主性学习,帮助构建真正的知识体系,促进综合语言运用能力的提高。该教学实施具有可行性,有效性和实用性。     

基于云学习平台的高职网络设备管理课程个性化教学改革与实践

云计算、大数据、人工智能等新信息技术的飞速发展,让新信息时代下的个性化学习成为当代教育变革发展的新范式。为推进新信息技术与高职教育深度融合创新,破解人才培养难题,以高职计算机网络技术专业网络设备管理课程为例,进行课程现状和学情分析,构建大数据视野下基于云学习平台的个性化学习模型,进行课程个性化教学改革与实践,通过学习满意度调查和学习成绩分析,个性化教学改革取得良好教学效果。     

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。     

计算机类课程过程监控型学习行为分析

传统学习行为分析注重事后分析,即根据学习结果评价学习效果。计算机类课程不同于其它领域课程,实践性很强,对学生动手能力要求较高。由于学生在该课程中的学习行为涉及大量动手操作,如建模、编程、测试等,通过监控、存储与分析相关数据,可对学生学习过程持续进行学习行为分析,从而及时发现学生学习中的困难,并给予相应反馈。设计并实现一个BJUTModeling系统平台,以持续监控与记录学生的建模操作数据,并利用频繁序列挖掘技术进行学习分析,取得了较好的实际教学效果。