大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示CSSCI

"数据驱动学校,分析变革教育"的大数据时代已经来临,利用教育数据挖掘技术和学习分析技术,构建教育领域相关模型,探索教育变量之间的相关关系,为教育教学决策提供有效支持将成为未来教育的发展趋势。"大数据"的出现,将掀起人类教与学的又一次变革。2012年,美国国家教育部发布了《通过教育数据挖掘和学习分析促进教与学》报告,对美国国内大数据教育应用领域和案例,以及应用实施所面临的挑战进行了详细的介绍。借鉴此报告,我们认为未来我国教育领域的大数据研究和应用,应加强国家和地方对相关的研究和应用在技术层面、管理体制层面以及法律制度层面的支持,按需合理规划具体研究和应用,整合现有资源,发挥后进优势,借助"大数据"实现真正意义上的个性化学习,进而实现教育公平。     

大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示

“数据驱动学校,分析变革教育”的大数据时代已经来临,利用教育数据挖掘技术和学习分析技术,构建教育领域相关模型．探索教育变量之间的相关关系．为教育教学决策提供有效支持将成为未来教育的发展趋势。“大数据”的出现．将掀起人类教与学的又一次变革。2012年,美国国家教育部发布了《通过教育数据挖掘和学习分析促进教与学》报告．对美国国内大数据教育应用领域和案例。以及应用实施所面临的挑战进行了详细的介绍。借鉴此报告．我们认为未来我国教育领域的大数据研究和应用。应加强国家和地方对相关的研究和应用在技术层面、管理体制层面以及法律制度层面的支持,按需合理规划具体研究和应用,整合现有资源,发挥后进优势,借助“大数据”实现真正意义上的个性化学习．进而实现教育公平。     

基于学习者视角的学习分析技术优势研究

随着大数据时代的来临及教育信息化的不断发展和深入,学习分析技术的运用能否对学习者进行有效的指导逐渐成为关注的焦点.基于目前的相关文献,对学习分析技术的相关概念及内涵进行阐述,从学习者的角度探讨学习分析技术自我差异分析、自我评估分析、自我导向分析及自我预测与监控分析四个优势,以期为学习者的发展提供决策参考,也期望为日后的研究工作起到借鉴作用.     

大数据学习分析的安全与隐私保护研究

随着大数据时代的来临,学习分析技术成为了教育信息化的新浪潮,其涉及的伦理道德问题尤其是学习分析过程中引发的一系列数据安全与隐私问题也成为了教育领域研究的热点。为应对隐私泄露、访问权限模糊、数据可信性受威胁等问题,文章以技术为视角,从数据收集、数据分析和数据解释等三方面构建了数据安全与隐私保护框架,并提出了相关的数据安全与隐私保护策略,以期提高利用学习分析技术进行大数据研究的成效,实现学习分析技术挖掘教育大数据潜在价值的预期目标,充分发挥大数据学习分析的研究价值。     

疫情期间大学生在线学习困惑及对策

疫情期间,大学生在线学习成为常态.闽南师范大学教育科学学院省级精品课程《现代教育技术应用》在超星平台利用讨论区开展了主题为"疫情期间在线学习困惑"的开放式讨论,获得838条参加该课程的大学生留言.文章对该平台留言中的关键词数据利用Python进行分析,最终总结出疫情期间大学生在线学习的主要困惑并提出相应的解决对策,为高校有效开展在线学习的实践研究提供参考.     

学习分析：教育信息化的新浪潮

教育信息化经历了学习管理系统（LMS）以及Web2.0应用的变革。新技术的深入应用带来了教育＂大数据＂的高速增长,挖掘这些教育数据潜在价值的迫切需求,使得学习分析应运而生。通过文献分析法,对国内外学习分析文献进行了分析和综述,首先对学习分析进行了概念界定和历史溯源,比较了与学习分析相关概念的区别和联系,之后针对学习分析作为教育信息化新热点,对其研究、发展、技术策略等方面进行了较系统地阐释,最后总结了学习分析目前面临的挑战和愿景,以期可以对学习分析进行全方位的阐述和梳理,并促进该领域的深入研究。     

网络教育数据分类与分析研究

随着互联网技术飞速发展以及网络教育普及应用,教育成为与大数据非常相关的行业,分析教育大数据将成为优化现代远程教育的重要一环。为对网络学历教育中产生的数据进行分类并提出分析建议,首先探讨了大数据、教育大数据的概念及特征;继而以江南大学网络教育平台数据为依托,立足学习者个体的静态数据和学习过程中产生的动态学习行为数据,以大数据下网络教育模型为依据,将网络教育数据分类为教学资源数据、教育教学管理数据、教与学行为数据、教育教学评估数据,并为数据分析提出建议。     

基于大数据的生本学习作用模型的构建与应用

大数据对生本学习具有促进作用,两者的融合应用已成必然趋势。基于此,文章首先对生本学习进行了解读,随后通过与传统生本学习的比较,总结了基于大数据的生本学习的内涵与特点。在此基础上,文章构建了包含两大主体、六大模块的基于大数据的生本学习作用模型,并对该模型的运作流程和主要功能模块进行了具体分析。最后,文章将该模型应用于"学习科学与技术"虚拟社区,通过问卷调查法和实证分析法进行了该模型的满意度分析。基于大数据的生本学习作用模型的构建与应用,实现了大数据与生本学习之间更紧密的融合,有助于解密教育教学难题,助推教育发展创新。     

数据驱动视角下在线自适应学习系统设计研究

教育大数据能为学习者学习行为精准分析提供有力支持,对提升现有在线学习系统效率起到积极的助推作用,而自我学习调节算法将成为在线自适应学习系统实现的关键。文章首先对国内外自适应学习系统相关研究现状进行了梳理;接着从量化自我角度出发,提出了教育大数据驱动的在线自适应学习系统模型,并详细分析了该模型中的学习对象、自我学习调节机制;结合自适应学习服务策略和学习能力层次,构建了自我学习调节算法SLCA(Self Learning Control Algorithm)作为在线自适应学习实现的基础。     

深度学习支持下多模态学习行为可解释性分析研究

当前,学习行为分析已成为研究热点.基于大数据技术挖掘学生的学习行为特征,能为学习过程的改善、学习评价的优化提供重要依据.然而,现有研究却存在分析数据类型单一、实时性不强、结果准确度不高、缺乏可解释性等问题.文章从利用深度学习算法进行多模态学习分析入手,采用HDRBM(Hybrid Deep Restricted Boltzmann Machine,深度混合判别受限玻尔兹曼机)神经网络模型,建立多模态学习分析模型,为教育技术领域中利用多模态大数据挖掘学习者行为特征提供了新范式;接着从可解释性分析的角度,阐述利用深度学习算法进行多模态学习行为分析的算法设计与实现过程;通过实验表明,研究中所采用的方法与技术路线对提高学习行为分析的可解释性有较好成效.