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.     

大数据学习分析的研究与应用——以浙江省教师教育MOOC培训平台的课程为例

数据为王的大数据时代正在来临,如何将大数据关联于教育变革以及由此衍生的学习分析的应用逐渐成为了热点课题。文章以浙江省教师教育MOOC培训平台为例,任选其中的某门在线课程,通过常规挖掘、频次统计、跳转聚合、数据可视化等方法,以渐进深入的方式,对选课学员的学习行为和日志进行数据挖掘,并根据学员在平台中的学习行为数据,展示学员与课程的相关性和适应度,发掘学员模块的学习规律和学习喜好,定位平台中的模块功能和课程资源缺陷,优化适应性教学资源,定制个性化学习路径,促进个性化发展。研究表明:上述这些举措将大大提高选课学员的用户体验感和满意度。     

基于教育大数据的大学英语阅读混合式精准教学设计

以大学英语（阅读模块）课程为例,将教育大数据和精准教学引入线上、线下混合式教学,构建基于教育大数据的混合式精准教学模式。首先通过在线平台布置预习任务并收集学习数据,精准确定分层教学目标;然后以预习数据和教学目标为基础,精准构建课堂教学内容;最后根据预习和课堂学习数据,精准设置课后巩固作业和学习评价,实施教学干预,实现个性化教学。     

大数据学习分析支持个性化学习研究——技术回归教育本质

大数据时代的来临,引领学习者学习方式发生变革,基于大数据学习分析技术的个性化学习成为教育学和认知科学的研究趋势。提供给学生有针对性的个性化学习是教育发展方向,是技术回归教育本质的实践。大数据应用需要经历数据收集、数据分析和数据可视化等三个必要阶段;大数据学习分析对个性化学习中的教师、学生和教育管理者等利益相关者均产生积极的影响;大数据对实现个性化学习的价值体现在五个方面:完善个性化的学习者档案、分析预测个性化的学习行为、优化个性化的教育决策、改善个性化的学习评估、提供个性化的学习反馈及建议。最后采用德尔菲法、头脑风暴法构建了基于大数据的个性化学习体系框架。利用大数据学习分析反思教育现状,对推动个性化学习的研究具有重要意义,同时将大数据视为一种新的思维方式和学习路径,需要辩证地看待其优势和劣势。     

基于人工智能的职业教育个性化学习和多元评价研究

随着人工智能的发展,技术与教育的融合更加深入。在教学实践过程中,利用人工智能技术,对现有职业教育在线学习平台进行整合创新,搭建基于人工智能的职业教育精准教学系统,针对学生提供个性化教学方案,实现精准教学,促进师生、学生之间的互动,分析职业教育学生学习情况、学习过程中的情感状态,更精准地制定个性化的教育内容,创新教育内容的推送形式,构建虚拟教学场景,丰富学生的实践体验,实现“知行合一”的教学理念,可以促进职业教育达到最优效果。同时,引入情感分析模块,对学生学习情况进行多元评价,解决现有课程评价单一的问题,并针对学习评价发现的问题及时反馈给教师,可以为教学提供决策支持。     

电子书包中基于教育大数据的个性化学习评价模型与系统设计

根据大数据技术的模块构成和电子书包所包含的系统和功能,对电子书包中教育大数据的模块内容进行分析。之后,在评价内容上从课程内容学习、参与互动交流、考试与作品和课外资源学习四个方面进行了细分和聚类．构建了基于电子书包的个性化学习评价模型。在评价结果上,依据柯氏四级评估模式和布鲁姆教学目标分类理论设计了基于教育大数据的个性化评价层次塔,该层次塔包括学习成效、概念转变、学习迁移和学习力四个层级。最后,结合教育大数据、教育云服务、个性化评价模型和评价层次塔,设计了个性化学习评价系统模型,包括信息采集模块、数据分析与处理模块、个性化评价模块和可视化反馈模块,并通过云管理层实现对教育云服务平台、云存储池和云集群计算平台的调控和管理,以期为后面开展个性化评价系统的设计与开发提供有益的指导。     

基于数据的在线学习个性化学习支持服务模式构建与实现途径

后疫情时代在线学习的地位得到进一步提升。基于文献研究与开发研究,构建了基于数据的在线学习个性化学习支持服务理论模型,并探讨了其实现途径,指出基于大数据的在线学习个性化学习支持服务能有效提升学习质量,提高学习支持服务与学习者需求的匹配程度,实现“类同伴”的陪伴效果,减少在线学习参与的孤独感,提高情感体验,实现高品质学习。基于此,构建了人、大数据、资源、时机、方式和途径为作用元素的学习支持服务模型,实现数据支持的精准决策和智能服务。提出实现基于大数据的在线学习个性化学习支持服务需要关怀生命,系统培育大数据驱动的积极学习支持服务理念;完善基础,构建大数据收集平台对学习者精准画像;建设资源,围绕学习者个性化学习支持服务形成优质学习支持资源;强化体验,围绕“高品质学习”优化学习支持服务机制。     

在线学习平台全程性多元可视化学习评价研究

在线学习平台累积存储了大量学生用户的学习数据,以MOOC为主的高校在线学习平台却没有很好地利用这些数据进行综合性学习分析与评价,现有的学习评价体系也不足以有效激励学生,也难以反映学生的综合素质能力.教育大数据可视化可以图表等形式将学习数据直观地呈现出来,便于教师发现教育教学数据中包含的认知规律及行为模式或其他信息,从而...     

自适应学习的内在动机对大学生自主学习效能影响的实证研究

自适应学习是人工智能时代出现的一种全新的实时互动学习模式.研究表明,自适应学习能够提高大学生学习时的愉悦感、沉浸感和个性化,大学生在自适应学习中所感知到的愉悦感、沉浸感和个性化对自主学习能力有促进作用,能有效提升学习效果.因此高校要加强自适应学习平台建设,提升大学生自主学习效能;将自适应学习加入教学模块设计,促进大学生尽早使用自适应学习平台;鼓励高校教师在教学实践中根据自适应学习特点,引导大学生使用自适应学习平台.     

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.     

面向教育硕士的个性化教育资源平台的构建与技术实现

开发优质的教育资源是提升教育硕士培养质量的重要环节之一。我们在前期问卷调研并综合分析这一特殊群体学习需求的基础上,设计开发了面向教育硕士培养的个性化教育资源平台。本文分析了该平台的设计原则、系统的组成模块及平台开发的关键技术,并针对个性化教育资源的开发与实现过程进行了重点讨论,以期能促进教育资源的研究与建设,不断提升教育硕士培养的质量。     

基于Web 2.0技术的在线学习平台设计与实现

为拓宽干部教育培训渠道,满足干部个性化学习需求,应用Web 2.0的思想与技术,引入SOA技术架构,设计了在线学习平台,实现了学员的在线学习.该平台主要由课程超市、个人中心、在线考试、在线调查、站内短信、在线直播和学习支持等组成,最大程度地满足不同类别、不同层次干部的学习需求.     

基于学习分析技术的MOOC学习者智慧管理模块设计研究

MOOC已经成为网络开放教育与传统学校教育资源高起点、高质量建设典范,对于创新在线教育和学历教育的发展产生了深远的影响。然而MOOC学习过程中的高辍学率和低参与度仍然是当前面临的主要问题之一,文章引入学习分析技术理念,从学习者视角出发,提出设计MOOC学习者智慧管理模块,设计了学习者用户、教师用户和管理用户三类登录用户及其可实现功能,构建了MOOC学习者智慧分析层,进一步设计了MOOC资源智慧服务流程,旨在实现MOOC平台资源个性化呈现、学习者数据智慧收集与模型转化、MOOC平台资源生态化发展的目标。     

基于大数据的个性化学习方案设计

随着大数据时代的到来,学习模式发生了重大变化,个性化学习成为现代教育的重要趋势.然而当前的相关研究大都只是针对个性化学习某一个环节的论述,缺乏对个性化学习整体解决方案的探索与研究.本文提出利用现代信息技术、基于学情大数据设计构建一套完整的个性化学习方法体系,包括学生个性特征认知、个性化学习资源推荐、学习行为与学情风险预警、多维度个性化学习评价及个性化学习综合服务信息系统等具体解决方案.研究结果有利于解决传统教育中存在的学习对象认知不充分、学习资源难以满足个性需求、学情分析缺乏预警机制、学习评价方式单一、缺乏综合信息系统支撑等问题,从而促进以学生为中心的个性化学习理念的实践,促进教育现代化与智慧化的发展.     

远程学习者在线学习危机预警及干预研究 ——英国开放大学OU Analyse项目剖析

近年来,大数据和学习分析已经成为教育变革的巨大推动力,对于提升远程教育质量产生了深远的影响.在线学习预警是学习分析技术改善和提升学生学习效果的最直接环节,可以准确识别学习危机学生,并为他们提供更加个性化、精准化的教学服务,对促进学生学业成功至关重要.然而,在我国远程教育领域,学习预警相关研究尚处于起步阶段,缺乏成熟的实践应用案例.以英国开放大学OU Analyse项目为研究对象,从学习预警数据源采集与分析、学习预警模型构建、学习预警可视化呈现、学习干预策略实施等维度,深入探讨了英国开放大学在线学习危机预警和干预方面的成功经验.最后,结合我国远程教育的实际情况提出有关建议.     

大数据驱动智慧教育发展模式研究

通过描述大数据的特点和发展态势,指出教育将会向智慧教育的方向发展,大数据将会改变传统的学习方式、教学方式和管理方式.大数据建立智能化数据采集系统获取大规模非结构化教育数据,形成教育大数据以支持智慧教育的决策、实施、评价等全过程.需要通过丰富的教育资源、丰富的教与学渠道、针对性的教学方式来构筑大数据教育平台,促进智慧学习.     

大数据下的学生个性化学习研究

信息技术的快速发展推动"大数据时代"的到来,大数据推进了教育的变革。而云课程作为变革中的典型代表,依据个性化学习需求,创建了个性化的学习平台和氛围。个性化教育在数字化环境中展开,学生的成长朝着个性化方向更好地发展。     

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。     

基于大数据的在线学习情绪测量模型构建

文章基于大数据的一般处理流程,综合视频监控、可穿戴设备、网络爬虫、情感识别、文本挖掘等技术,构建在线学习情绪测量模型,包括数据层、技术层和应用层,并按其功能划分为四个模块——用户数据模块、分析诊断模块、情绪集成模块和反馈交互模块,旨在解决在线学习中情感交流匮乏的问题。最后,文章就模型构建的关键问题进行了探讨,提出了相关建议,以期为在线学习的建设与发展提供参考。     

教育大数据环境下基于学习画像的个性化学习路径设计研究

在线学习环境下,探索符合学习习惯和偏好的学习活动路径能够降低学习者学习盲目性、提升学习者的课程体验。研究以教育大数据为背景,以MOOC为研究案例,以个性化学习路径为研究内容,通过对学习结果分类理论、教育目标分类法以及三维目标分类理论的分析、对比、归纳、借鉴,对MOOC平台学习者行为数据进行了维度划分,并从态度和认知两方面入手构建了包含学习兴趣、知识水平、综合能力三个维度的学习者学习画像特征模型。在此基础上,通过交叉使用Apriori All算法和贝叶斯网络对平台行为数据进行差异处理,使其转化为具有信息价值的具体数值,设计出了学习画像与个性化学习路径拟合系统。在此基础上,运用蚁群算法实现个性化学习路径的生成与推荐,为学习者提供精准的学习路径指导,降低学生迷航率。研究结果表明:基于学习画像的个性化学习路径推荐具有精准性;学习画像可以实现MOOC环境下平台数据和学习者之间的耦合;交叉使用多种算法实现不同维度数据的差异性处理,使数据分析、处理、应用具有合理性,是实现个性化学习路径生成推荐的良好基础。