教学管理视域下高校大四学生到课率低的成因分析

调查显示,高校大四学生到课率普遍较低。究其成因,可以从多方面进行归因分析。而这一现象的出现又与高校教学管理工作存在着很大的关联：低年级教学工作遗留的隐患是其历史成因．大四学年课程设置的不合理是其现实原因。文章从教学管理角度进行成因分析,以期学校管理工作者重视教学管理工作,解决高校大四学生到课率低的问题。     

关于思想政治课“到课率、抬头率和点头率”的探索

高校思想政治教育课的教学方法一直是一个热门研究课题。高校思想政治教育课教学效果究竟怎么样,其衡量的一个重要标志就是大学生思想政治教育课的到课率、抬头率和点头率。文章从教学实践出发,以解决学生的到课率、抬头率和点头率为切入点,分析了如何提高思想政治教育课的吸引力和感染力,改进思想政治课教学效果,并对思想政治课的改革提出了相关政策建议。     

以大数据提升思政课教学管理科学化水平

基于移动大数据应用的思政课交互式教学样态,为保证教学实效提供了有力支撑。精准把握、主动适应、有效驾驭大数据技术,使其有机融合并高效服务思政课教学,是新时代思政课教师必须审慎对待的一项重大课题。大数据为思政课教学管理科学化、精细化提供了新的技术支撑。通过快速获取、分析思政课教学管理大数据,能够解决思政课教学管理无数据可用的主观判断问题、有数据不用的经验决策问题、有数据难用的粗放管理问题及数据失真的责任追究问题,及时制订更加科学合理的思政课教学管理对策,提升育人质量,增强高校办学实力。     

数字智能技术赋能高校思政课深度学习研究

在教育数字化转型的战略背景下，推进数字智能技术融合驱动高校思政课深度学习的崭新样态，是解决思政课浅层学习难题、推动数字智能技术与思政课融合贯通、契合新时代大学生个性特点与成长发展需求的理性选择。数字智能技术赋能高校思政课深度学习，呈现出大学生深度认知学习内容、深度参与学习过程、深度感悟学习情境的应然图景；但也要警惕技术赋能推进形式创新而对内容与价值有所忽视、技术过度依赖导致主体地位消解与情感互动弱化、数据过度采集与数据泄露滥用带来数据安全问题等实践困境。为此，需提升师生数字素养，解决本领恐慌问题；构建数字学习平台，实现资源共建共享；加强数字技术规范，促进人机协同发展，持续优化高校思政课深度学习效能。     

大学生到课率的调研与分析

对某高校学生到课率的调研发现,大学生到课率在79.8%-89.0%之间,大学生到课率不很高或逃课主要是因为教师教学、学生学习以及学校教学管理存在问题,到课率随学生就读学院、年级、性别、类型、课程类别、课程教学时段的不同而不同,不同学院的学生到课率有差异,到课率随年级上升下降,男生到课率低于女生,功利型学生更少到课,专业课到课率更高而政治理论课较低,课程的首末时段到课率高而中间时段低。提高大学生到课率,需要学校、教师、学生三方的共同努力。     

在线同伴反馈情感识别与可视化：促进教师深度反思与教学问题改进

在线课例研究是由教师学习共同体围绕特定的专业发展目标,借助在线学习平台合作开展教学设计修改、教学实施、课堂观察、课后研讨与教学反思的专业发展实践活动。在课例研究活动中,教师获得了大量的同伴反馈文本数据。智能识别与可视化同伴反馈文本情感,有助于及时发现教师集体共识信息与关键教学问题。为此,本研究基于机器学习技术构建了在线同伴反馈文本情感识别与可视化模型,包括同伴反馈文本数据采集、基于BERT模型的文本情感识别、文本主题抽取和情感可视化报告自动生成。研究采用实验研究与案例研究法分析了应用效果,结果表明：反馈文本情感识别模型具有较高的准确率,支持快速发现教师集体共识信息,生成的同伴反馈情感可视化报告有助于教师进行深度反思和教学问题改进。     

引导与深度监管下的高效混合学习模型构建——从“第二外语教学”俄语课程到外语课程

文章以对"教室"信息传递通道的开发利用为视角,研究混合学习问题,同当下偏重对网络"虚拟教室"的开发利用不同。在实证研究的基础上,文章从监管范围设计、网络平台设计、学习任务清单设计、评价量规设计、评价操作设计和学习效果评定设计等六个方面,构建了引导与深度监管下二外俄语课程的高效混合学习模型。随后,文章将"第二外语教学"俄语课程的范围扩展至外语课程,进而构建了引导与深度监管下外语课程的高效混合学习模型。新的高效混合学习模型的构建,对网上学习自律缺失问题的解决进行了有益尝试,为当前混合学习中存在的问题提供了解决之道,可为混合学习模型的设计提供参考。     

基于增量学习算法的混合课程学生成绩预测模型研究

基于在线学习行为预测学生成绩可以辅助教师动态掌握学情,制定差异化的教学策略,然而在混合课程中仅仅依据在线数据对学生成绩迸行预测难度很大,尚处于探索中.文章选取某高校2018秋季学期和2020春季学期的"高活跃型混合课程"学生在线行为数据,采用增量学习的随机森林算法构建学生成绩预测模型,研究发现:(1)增量学习随机森林算法在混合课程样本最多的数据集中,获得预测结果准确率最高(75.1％);(2)相较于批量学习随机森林算法,增量学习算法在数据样本量较多的数据集中预测结果准确率更高;(3)当样本数量达到一定规模后,预测结果准确率波动减小、稳定性增强.本研究采用增量学习随机森林算法预测混合课程中的学生成绩,不仅取得了较好的预测准确率,而且解决了新增数据后模型的稳定性问题,将有助于模型的迭代优化,提高模型的通用性,以及可持续追踪学生在不同学期的学习行为特征.     

学校管理视域下高校大四学生到课率低的成因分析

调查显示,高校大四学生到课率普遍较低。这种状况极大影响着高校的办学效果,影响着大学生的就业成功率。究其成因,可以予以多方面地合理归因。文章从学生管理、教师管理、学校管理人员三方面分析了其成因,以期引起学校管理者的重视,解决高校大四学生到课率低的问题。     

基于人体骨架信息提取的学生课堂行为自动识别

利用计算机视觉技术和机器学习技术对学生课堂行为进行自动识别,是过程性评价的一种新方法,近年来逐渐引起了研究者的关注。文章以监控设备拍摄的实际课堂教学视频为数据源,采集、标注了学生课堂行为数据,提取了学生的人体骨架信息。在此基础上,文章采用Boosting算法和卷积神经网络算法,对基于这两类不同机器学习算法的5种模型进行了学生课堂行为自动识别准确率实验。实验结果表明,在学校教室这种识别比较困难的场景,基于人体骨架信息提取的学生课堂行为自动识别可以达到较高的精度,其中基于Boosting算法的XGBoost模型识别准确率最高。文章的研究推动了计算机视觉技术和机器学习技术的进一步应用,有助于解决学生课堂行为自动识别难题,并助力教师优化教学策略、提高教学效率。     

成人高校业余班学生到课率现状分析

保持较高的到课率是维持正常教学秩序所必不可少的,但目前成人高校业余班学生的到课情况不容乐观。文章根据学生问卷调查的结果,就普遍存在的成人高校业余班学生到课率较低的原因进行了分析,并据此提出了相应的举措,以期改善到课率不高的状况,从而提高教学质量。     

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。     

对基层电大远程教育教学到课率的研究

本文对2011年上半年吉林市电大远程教育教学到课率进行统计、比较分析,发现到课率具有的一些特征,结合网上答疑抽查结论和2010年1月份形成性考核成绩分析,发现教学管理中存在的问题。从学员、教育主体、外部环境三个方面深入分析影响到课率的因素,然后针对影响因素提出提升到课率的建议。     

指向深度学习的混合式慕课教学模式探究——以“马克思主义基本原理”慕课为例

新时代对高校思想政治理论课发挥育人的主渠道作用提出了更高的要求。在教学模式改革浪潮的推动下,高校思想政治理论课通过与慕课等先进教育技术相结合,提高了学生的学习兴趣,但其深度学习效果有待验证。为此,文章基于相关教育理论,结合"马克思主义基本原理"慕课的教学实践,构建了指向深度学习的混合式慕课教学模式。通过调查问卷结果分析和"学堂在线"平台数据分析,文章发现该模式提高了学生的深度学习能力,有助于学生形成正确的价值观,学生满意度较高,但需系统整合配套的教学资源、建立激励机制。     

大数据高校教务管理系统的构建与实施

大数据技术的不断发展及大数据技术与教育的深度融合,为教育现代化快速发展提供了契机。文章通过调研,分析了高校传统教务管理存在的问题,总结了大数据时代高校教务管理工作的特点,提出了大数据教务管理信息系统构建的思路、系统安全保障原则、运维基础。文章从教学管理信息服务、安全保障、运行维护服务三个方面介绍了高校大数据教务管理系统构建与实施的思路,为大数据时代高校构建教务管理系统提出了建设性意见。     

大数据高校教务管理系统的构建与实施

大数据技术的不断发展及大数据技术与教育的深度融合,为教育现代化快速发展提供了契机。文章通过调研,分析了高校传统教务管理存在的问题,总结了大数据时代高校教务管理工作的特点,提出了大数据教务管理信息系统构建的思路、系统安全保障原则、运维基础。文章从教学管理信息服务、安全保障、运行维护服务三个方面介绍了高校大数据教务管理系统构建与实施的思路,为大数据时代高校构建教务管理系统提出了建设性意见。     

大数据背景下应用型高校教学管理优化路径探析

大数据技术和思维已广泛应用于各个行业,对应用型高校教学管理也产生了深远影响。文章通过分析大数据特点,针对应用型高校教学管理中存在的不足,以应用大数据建立教学管理数字化模式,打造精品资源共享自主学习平台,加强教学管理队伍建设,从而提高教学管理水平,实现教学管理模式优化。     

开放教育面授课到课率影响因素实证分析

面授辅导是开放教育的教学组织形式之一,是教师传授知识和辅导答疑的主渠道之一,也是全面提高教育教学质量的关键。面授辅导课中的学生到课率在某种意义上反映了学生学习积极性、自觉性,也是学风的重要标志之一。本研究试图通过对广州电大2007-2008年度三个学期开设课程到课率数据的整理分析,查找开放教育面授辅导课到课率的影响因素,从而为提高开放教育教学管理效率、增加面授辅导课的有效性、促进学生的学习提供理论支持。     

智慧教室环境下数学课堂互动教学双编码分析系统开发与行为模式挖掘

如何充分利用智慧教室环境中积淀的教育大数据驱动课堂互动教学高质量发展,已成为我国教育数字化转型亟需解决的问题。对此,文章首先参考国内外课堂互动教学行为的量化分析成果,遵循媒体技术融合于课堂互动教学行为的理念,以5节具有高级智慧教室环境特征的数学优课为例,构建了智慧教室环境下数学课堂互动教学双编码分析系统,并采用肯德尔和谐系数验证了其有效性。接着,文章将30节用于教学行为模式挖掘的数学优课作为研究样本,采用S-T分析法,提炼出数学优课的混合型、对话型、讲授型课堂教学模式。之后,文章对混合型、对话型数学优课的课堂互动教学进行矩阵分析,并采用滞后序列法对混合型、对话型数学优课的课堂互动教学行为模式进行挖掘。最后,文章整合基于教学行为大数据的静态编码频次分析与动态前后关联分析,提炼出智慧教室环境下数学课堂互动教学的典型特征与最新趋向。文章的研究旨在挖掘教学行为大数据的应用价值,循证赋能我国教育的高质量发展与数字化转型。     

基于高校的网络学习资源评价研究

随着网络技术与高校学习资源深度结合,高校逐渐成为全社会优质学习资源的供应与整合机构。文章分析了高校网络学习资源与普通网络学习资源的本质区别,结合多个网络学习评价标准提出"三同圆"结构模型,分三个维度建立高校网络学习资源评价指标体系,并对其指标进行科学论证。对高校网络学习资源评价有助于科学评判高校网络建设与学习资源结合情况,辨识其发展阶段,为深入研究指明方向。