数据驱动的自我调节学习动态评价模型研究

对学习者自我调节学习过程的准确评价,是实现教学干预的必要前提。然而,已有评价方法多为总结性评价,实时性不足。为此,本研究提出了数据驱动的自我调节学习动态评价模型。以学习任务为单位对学习过程进行时序化处理,并构建学习过程中生成性数据到自我调节学习状态的映射关系。研究结果表明:(1)生成性数据是评价学习者自我调节学习状态的有力因素,模型具有较高的有效性。(2)学习者的自我调节学习状态在不同评价维度呈现出差异性变化趋势,其中任务分析、自我激励的信念和自我观察维度趋于稳定,而自我控制、自我判断和自我反应3个维度呈现明显波动性变化。(3)高低绩效群体在自我激励的信念、自我控制和自我反应3个评价维度上表现出显著差异,而在任务分析、自我观察和自我判断有3个维度上没有统计学差异。     

人工智能赋能的可信同伴互评模型构建与验证

同伴互评是培养高阶思维、提升学习绩效的重要学习策略。然而在教学实践中，同伴互评存在严重的低信任问题，即学习者对同伴的评价存在质疑或漠视，整体接受度不高。究其缘由，学习者的认知差异性是导致低信任问题的关键诱因：客观上，学习者的认知差异性导致同伴评价的不一致现象；主观上，学习者面对评价不一致现象时会产生确认偏误。人工智能赋能的可信同伴互评模型，使用可信系数标明评价的有效性，引导学习者建立正确的认同与信任，可以降低学习者的确认偏误。该模型的智能化实现过程分为4个阶段：评价及可信系数的表征、评分关系加权图构建、基于加权随机游走算法的同伴间认知水平关系挖掘、可信系数计算及评价反馈。基于该模型的教学实践表明：其能够依据评价者与被评者的相对认知水平为评价计算合理的可信系数；有助于提高学习者对同伴评价的接受度，在感知有用性、行为意愿2个维度上显著优于传统同伴互评模型；对学习者批判性思维倾向的培养具有显著的正向影响，在分析性、系统性、求知欲和思想开放性4个子维度上均有显著提升。