共查询到20条相似文献，搜索用时 15 毫秒
1.
学习投入与学生的学习持续性、学业满意度、学习绩效以及学业完成情况高度相关,对其进行有效测评能够准确预测和干预学生的学习结果和学习行为.为了提升学习投入测评的有效性和准确性,首先,对现有六种学习投入测评方法进行了比较分析,即自我报告、编码分析、日志分析、观察评价、智能测量以及生理测量;然后,提出了多模态数据表征的学习投入测评框架,包括数据收集、数据处理、数据融合以及数据应用四个关键步骤;最后,选取参与同伴互动活动的两名不同成就学习者的多模态数据,依托该框架进行探索性案例分析,从多维时空尺度揭示学习投入的深层机制.研究发现,多模态数据表征的学习投入测评有望突破传统测评方法中单一数据源难以实现的逻辑整合问题,揭示学习投入的动态演变规律,为课程设计、学习活动或教学工具的质量提升提供有价值的参考依据,提升教师帮助学生和改善教学的能力,推动数据驱动的研究范式发展以及教与学规律的研究. 相似文献
2.
情感投入在混合协作学习中发挥重要作用,厘清其作用机制是当前亟待解决的问题。混合协作学习场景下多模态情感计算技术的支持为更加精准地分析学习者情感投入提供了可能。文章从情感数据的多模态融合、情感发生的情境解释、情感状态的动态变化、情感发展的层级建构和情感反馈的调节干预五个层面构建了混合协作学习者情感投入的研究框架,并从改善混合协作学习过程和探索混合协作学习规律出发,阐述了混合协作学习者情感投入的分析路径。一方面,融合多模态数据,输出可视化的情感状态识别结果;根据环境、认知、行为、动机及任务等因素,进行情感归因;预防情感危机,采取反馈与调节措施。另一方面,探索情感投入与人际互动、学习资源、认知发展的关系,以期揭示混合协作学习的内在规律。 相似文献
3.
4.
学习投入是学生学习表现的关键影响因素,学习投入的自动识别是被广泛研究的问题。随着信息与传感技术的发展,在真实课堂中采集学生的多模态数据成为可能,如何利用多模态数据提升学习投入识别的准确率是值得研究的问题。文章分析基于外显或内隐信息的单模态模型和基于早期、晚期、混合融合方法的多模态模型,探究：（1）多模态数据相比于单模态数据在识别学习投入状态上的优势;（2）多模态数据融合方法对学习投入状态评估的影响。结果表明：结合外显与内隐信息可以更准确地识别学习投入状态;基于早期或混合融合方式的多模态模型在学习投入状态识别任务上有更佳的表现;融合方式对于最终结果准确性非常重要,不当的融合方式可能引入噪声,降低模型表现。 相似文献
5.
进入数字化知识经济时代,社会发展对教育活动提出了更高要求,旨在培养高阶思维和创新能力的深度学习备受国际社会的高度关注。为此,“深度学习如何发生”和“如何评估深度学习发生程度”,也成为亟待研究的两个关键学术问题。认知心理学、教育神经学和具身认知为理解深度学习提供了理论基础,指引人们从人—物互动视角认识个体的认知变化过程,打开了个体学习的内隐机制“黑箱”,实现内隐机制和外显表征的桥接与理解。基于这一认识与分析,通过信息输入、深度加工和学习生成三个环节,初步构建了深度学习的发生机制模型,并设置相关的学习状态指标。而要实现对深度学习发生程度的精准评价,则应依据深度学习的多模态数据测评框架,综合性采集与分析学习者的生理数据、自我评估数据、在线学习平台数据和课堂参与数据等多模态数据。但是,在采用多模态数据测评深度学习的发生及其程度时,多模态数据仍存在异质性差距、数据建模缺乏精确度、常态化评价开展困难、数据安全和伦理道德难以得到保障等问题,亟需未来开展更为深入的研究与探索。 相似文献
6.
协作学习投入面临多维、动态数据采集与多元数据融合分析的挑战,而多模态交互分析能够提取并融合动态、多维度的投入信息,对表征协作学习交互过程具有重要价值。基于此,文章构建了基于多模态交互信息的协作学习投入分析指导框架,并从投入水平的整体性表征、投入状态的多维性分析和投入信息的时序性挖掘等角度,阐述了协作学习投入分析应考虑的关键问题。此外,文章还提出了包含多模态信息采集、多模态特征提取、多模态特征融合分析等三大模块构成的多模态交互信息分析路径。研究结论显示,多模态交互信息能实现对协作交互过程全方位、细粒度地记录,进而对小组协作学习投入的状态进行动态表征与持续分析。未来研究可能的方向在于基于智能语音处理技术的交互会话分析、基于仪表盘的投入信息可视化呈现以及基于智能代理的协作投入适应性支持。 相似文献
7.
随着计算机支持的协作学习在教育教学领域的深入应用,如何促进高质量的协作互动备受关注。多模态视域下的群体感知蕴含着丰富多元的感知信息,有助于学习者充分感知协作群体/同伴的协作状态,能够有效提升协作互动质量。然而目前有关群体感知工具内部机理和外部作用间关系的研究尚不明确。基于此,从多模态视域出发重新审视群体感知的内涵,系统回顾与分析国内外有关群体感知的相关研究。研究发现,群体感知工具通过采集多模态的学习者协作学习数据,对数据进行处理,并以可视化方式呈现给学习者,以帮助学习者获取对协作群体/同伴状态的有意识理解,促使学习者调节内部和外部的协作策略。在厘清群体感知工具内部机理和外部作用间关系的基础上,构建了多模态视域下的群体感知实现框架,并指出多模态视域下的群体感知在多模态展示和感知监控两方面的实现路径,以期为促进高质量协作交互提供参考。 相似文献
8.
多模态学习分析被认为是学习分析研究的新生长点,其中,多模态数据如何整合是推进学习分析研究的难点。利用系统文献综述及元分析方法,有助于为研究和实践领域提供全景式的关于多模态数据整合的方法与策略指导。通过对国内外363篇相关文献的系统分析发现:(1)多模态学习分析中的数据类型主要包含数字空间数据、物理空间数据、生理体征数据、心理测量数据和环境场景数据等5类。在技术支持的教与学环境中,高频、精细、微观的多模态学习数据变得可得、易得、准确。(2)多模态学习分析中的学习指标主要有行为、注意、认知、元认知、情感、协作、交互、投入、学习绩效和技能等。随着技术的发展和人们对学习过程的深刻洞察,学习指标也会变得更加精细化。(3)数据与指标之间展现出"一对一""一对多"和"多对一"三种对应关系。把握数据与指标之间的复杂关系是数据整合的前提,测量学习指标时既要考虑最适合的数据,也要考虑其他模态数据的补充。(4)多模态学习分析中的数据整合方式主要有"多对一""多对多"和"三角互证"三种,旨在提高测量的准确性、信息的全面性和整合的科学性。总之,多模态数据整合具有数据的多模态、指标的多维度和方法的多样性等三维特性。将多模态数据时间线对齐是实现数据整合的关键环节,综合考虑三维特性提高分析结果的准确性是多模态数据整合未来研究的方向。 相似文献
9.
群体投入特征画像是教育与信息技术交叉学科关注的重要研究议题。目前的研究,尚需要在群体投入维度与指标构建、多模态交互数据的融合表征,以及群体多维投入特征刻画等方面取得突破。鉴于此,如何采用多模态交互信息来表征协作学习参与者的投入状态,成为应对当前挑战的关键问题。因此,结合德尔菲法与层次分析法建立群体多重投入特征的分析指标及权重,利用多模态交互分析方法融合与表征多维投入特征,并从群体投入状态差异与时序变化等角度,刻画协作知识建构中参与者的投入特征。研究结果认为:行为参与、社会关系、观点建构和共享调节是刻画群体协作学习投入状态的重要指标,基于多模态数据刻画群体投入特征方法需处理的关键问题是多模态交互数据的融合比例与数据对齐方式;在群体知识建构活动中,个体在各子投入维度的不均衡表现与小组内部成员相互影响的投入表现是协作学习投入的主要特征。 相似文献
10.
《佳木斯教育学院学报》2019,(1)
多模态话语分析是近年来多模态研究领域的后起之秀,本文在阐述了多模态话语分析的基础上,分析了现国内一款颇受欢迎的手机英语学习APP"英语趣配音",提出对英语学习者的口语教育应创设多模态立体教学环境、丰富课堂设计、加强交互性等规则,旨在以多模态话语分析的视角为口语教学提供一些启示。 相似文献
11.
智能感知技术的发展推动了学习分析领域的变革,使多模态数据的获取和融合分析成为可能,也使传统在线教学评价向“第四范式”数据密集型评价迈进。文章首先立足于当前学习评价现状,剖析军事职业教育侧重结果性评价、评价主体单一、缺乏智能化手段支撑等问题;其次基于具身认知理论将多模态数据分为基础信息数据、个体特征数据、交互行为数据三类,依据数据感知技术和数据表征方式构建在线学习多模态数据测评框架;最后从多模态数据采集、多维度数据融合、多元化分析建模、精准化反馈改进等四个环节,探索数据驱动下的精准化学习评价路径,不断促进军事职业教育的内涵式发展。 相似文献
12.
《兰州教育学院学报》2016,(6):145-148
以广东某高职院校商务英语专业二年级英语阅读教学为对象,本研究通过对比传统阅读教学模式和多模态自主阅读教学模式,采取语言测试和访谈调查等方法分析多模态自主阅读教学模式对英语学习者多元识读能力和自主阅读能力的影响;结果表明,多模态自主阅读教学模式能够有效提高学习者的多元识读能力和自主学习能力。 相似文献
13.
《现代教育技术》2019,(4):19-25
智慧学习环境为学习者提供了个性化学习服务。在智慧学习环境中,学习分析技术是其关键技术之一,因此开展学习分析模型的研究是为学习者提供个性化服务的重要基础。文章通过对国内外学习分析模型要素的综述,以联通主义学习理论、学习目标划分理论、数据分析方法及教育评价与测量理论为基础,从学习数据变量、学习数据类化、学习数据处理和学习测评服务四个方面建构了智慧学习环境下学习分析的理论模型,并据此提出了学习服务智慧化导向下的学习分析机制:多源动态学习数据的高效采集和存储机制、多模态异构学习数据的智能管理和分析机制、多通道分析结果的模型自适应反馈机制。文章所提出的学习分析理论模型及其机制,将提高智慧学习环境下学习分析的有效性。 相似文献
14.
吴贵江 《新课程学习(社会综合)》2012,(2)
由于现代话语的多模态性,传统语法教学“讲授——学习”的单一模式已不能满足学习者的需求。培养英语语法教学中的多模态识读能力势在必行,合理利用各种多模态资源,从英语语法课堂教学、学习者的语法学习以及实践中充分发挥各种模态的优势,从而达到多种模态协同表达信息,最终实现英语语法教学中培养多模态识读能力的目标。 相似文献
15.
近年来,认知负荷过载成为影响在线学习效果的一个重要因素。为解决此问题,文章聚焦在线学习认知负荷评估,首先设计了基于多模态数据的在线学习认知负荷评估研究框架,包含多模态数据采集、多模态特征提取和评估模型构建三个部分。接着,文章通过实验,采集学习者在特定在线学习环境下的多模态数据,提取人脸表情特征、眼动追踪指标特征和脑电信号特征,构建在线学习认知负荷评估模型。之后,文章对评估模型的准确性进行验证,发现在五种机器学习算法模型中,KNN模型的综合性能最佳,故将此模型作为最终的在线学习认知评估模型;同时,文章对多模态数据进行了分析,发现多模态融合方法在认知负荷评估上具有优越性。文章构建的评估模型可赋能在线学习平台实现认知负荷的实时评估,进而实现基于认知负荷的个性化学习,增强学习动机,提升学习效果,促进在线教育质量提升。 相似文献
16.
随着物联网、可穿戴传感设备、人工智能的快速发展,多种模态数据的连续抓取与融合分析成为可能,促成了多模态学习分析研究的诞生,并成为学习分析领域的一个重要新兴分支.多模态学习分析关注真实的学习情境与本真的学习交流方式,"返璞归真"地聚焦更普遍的物理学习情境,克服了主流学习分析过度关注数字化学习环境的局限.研究主要采用文献归纳法,阐述了多模态学习分析的发展动因、概念理解,重点从身体、生理视角概述了多模态的数据类型,并对多模态学习分析的过程模型进行了详细描述.研究认为,未来要充分借助人工智能处理多模态数据,借鉴认知带理论融合不同模态数据的意义,借力学习理论来理解真实的多模态学习交互过程,以进一步完善基于多模态数据的学习评价方法. 相似文献
17.
李俊丽 《商情·科学教育家》2011,(1)
将多模态化理论应用于大学英语课堂,从信息输入强化分析多模态教学对学习者英语学习动机和语言综合能力的作用.研究表明:多模态教学增强了学习者的自主学习能力和英语综合运用能力的提高,加强了听、说、读、写、译各方面的能力训练.由此认为,多模态话语对大学生的英语综合运用能力有显著的提升作用,值得在教学中推广. 相似文献
18.
融合教育与技术,建设“互联网+”教育新生态是现今教育发展新趋势。运用多模态理论框架结合线上教学技术受到越来越多的关注。文本将多模态理论运用于国际中文在线教学中,以语音、汉字、词语、课文、语法等内容多模态教学设计为例,充分调用学习者多模态感官,以提高学习者语言学习成效。文本进一步指出在多模态运用上应注重各种模态的供用特征、模态间的相互协同和调用模态资源以构建意义等。旨在为教师进行多模态选择提供依据,并为多样化、个性化的国际中文在线教学开发提供有益参考,以期提高国际中文在线教学的质量。 相似文献
19.
虚拟现实+教育正逐渐从"概念设想"走向"落地应用",成为促进教育发展的新型技术手段.然而,与在线学习环境相比,有关虚拟现实学习环境对学习投入影响的探讨尚不深入.本研究采用实验法,利用脑波仪、眼动仪和量表等工具收集学习者学习过程中的多模态数据,分析和对比桌面虚拟现实学习环境和在线学习环境对学习投入和学习成绩的影响.研究发现:1)两种环境下的学习投入存在显著差异,桌面虚拟现实学习环境下学习者的认知投入和行为投入更高;2)两种环境下学习成绩存在显著性差异,桌面虚拟现实学习环境下陈述性知识的学习效果更好;3)桌面虚拟现实学习环境下学习投入与学习成绩之间存在显著相关关系. 相似文献
20.
虚拟现实+教育正逐渐从"概念设想"走向"落地应用",成为促进教育发展的新型技术手段.然而,与在线学习环境相比,有关虚拟现实学习环境对学习投入影响的探讨尚不深入.本研究采用实验法,利用脑波仪、眼动仪和量表等工具收集学习者学习过程中的多模态数据,分析和对比桌面虚拟现实学习环境和在线学习环境对学习投入和学习成绩的影响.研究发现:1)两种环境下的学习投入存在显著差异,桌面虚拟现实学习环境下学习者的认知投入和行为投入更高;2)两种环境下学习成绩存在显著性差异,桌面虚拟现实学习环境下陈述性知识的学习效果更好;3)桌面虚拟现实学习环境下学习投入与学习成绩之间存在显著相关关系. 相似文献