共查询到20条相似文献，搜索用时 46 毫秒
1.
教育数据挖掘是分析教育数据背后所蕴藏的教育规律的一种新途径.美国作为高等教育发达国家,重视基于实证研究传统的院校研究,整合高等教育院校研究与计算机信息技术和数理统计的研究成果,以教育数据挖掘汇集聚焦高等学校招生、学生学习行为、教育经费的收支等现实困境,探索教育大数据、富数据背后的内在机理,寻找应对高校发展挑战的决策支持方案,推动美国高校形成数据支持决策的管理模式. 相似文献
2.
教育数据挖掘是综合运用数学统计、机器学习和数据挖掘的技术和方法,对教育大数据进行处理和分析,通过数据建模,来预测个体未来的学习趋势。其应用领域主要包括个体的知识与行为建模以及学习趋势分析。纵观我国比较教育研究近些年的研究趋势,逐渐将数据挖掘纳入其研究方法之一,这使得比较教育学有了更加广泛的研究队伍。对数据挖掘与运用的趋势对比较教育学科本身也带来了挑战,因为数据的可获取性与公共性巩固和加强了实证主义跨国比较与研究,而忽略了地方的社会文化背景,导致比较教育研究的"去情境化"以及"过于简化"。有鉴于此,比较教育学者应该充分把握研究对象的社会、文化环境,不应该让单一研究范式过度主导自己的思维。 相似文献
3.
4.
5.
应用数据挖掘和分析技术提升大学生个性化课堂学习效果是教育高质量发展的时代要求,也是大数据技术不断发展的必然选择。从教学过程出发,应用数据挖掘和分析技术提升大学生个性化课堂学习效果的实施还存在课前学生个性化学习特征的量化研究缺乏、教学数据区块化孤立化问题凸显、学生成绩包含的隐含信息缺乏进一步挖掘等问题。因而,应用数据挖掘和分析技术进一步提升大学生个性化课堂学习效果就要着力建构个性化学习者模型,有效承接课堂教学;加强教学中实时数据整合,推动学生个性化综合分析;建立学习效果个性化考评指标体系,促进学生个性化培养方案的改进。 相似文献
6.
在线学习行为特点及其影响因素分析研究 总被引：2，自引：0，他引：2
中央广播电视大学和全国不少网络教育学院的网上教学检查表明,学生在线学习时间投入普遍偏低。已有研究表明,网络资源和学习支持服务等两个外部因素是影响学生在线学习投入的重要因素。本研究以中央电大开放教育入门课程"开放教育学习指南"网络课程为例,以2010年春季学期江苏电大9369名新生学习该课程时所产生的登录数据、资源浏览数据和形成性考试数据为分析对象,采用数据挖掘的方法得出登录、资源浏览、作业、测试等在线学习行为的特点及其影响因素。 相似文献
7.
Moodle平台数据挖掘研究——以一门在线培训课程学习过程分析为例 总被引：1，自引：0，他引：1
魏顺平 《中国远程教育(综合版)》2011,(1)
Moodle开源教学平台已在我国教育领域得到了广泛应用,有许多刚绕Moodle平台的应用研究.然而,Moodle平台强大的口志功能尚未引起关注,很少有人利用这些丰富的日志信息开展数据挖掘研究.为推动Moodle半台更深层次应用,本文借鉴国外相关成果开展Moodle平台数据挖掘研究,通过常规统计方法、可视化方法、聚类方法、社会网络分析等方法,对网络学习半台的日志和交互论坛数据进行数据挖掘,揭示出某一网络培训班在线学习过程中师生活动的总体情况,发现学生的模块访问偏好和学习时间偏好,分析得出师生交互网络的结构特点.这些挖掘结果可为评估网络培训开展情况、优化学习支持服务等提供参考. 相似文献
8.
随着计算机与网络的快速发展和广泛应用,网络学习已经是学校教育教学的重要组成部分。已有研究表明,网络学习行为与学习效果密切相关,因此探究网络学习行为与学习效果对有效开展网络学习具有重要意义,也是目前研究的热点与趋势。本研究以陕西师范大学参加"现代教育技术"网络学习系统学习的2801名学习者作为研究对象,以数据库数据作为网络学习行为特征数据来源,采用数据挖掘方法与统计学方法对网络学习者的行为特征进行定量分析,并探讨了网络学习行为特征与学习效果的关系。 相似文献
9.
《现代教育技术》2016,(6):87-93
近年来,随着教育信息化进程的不断推进,教务管理、学生信息系统及各种网络教学平台等已被广泛应用于教学实践中。网络教学的开展为学生自主学习提供了平台,但却缺乏对学习过程的监督和管理。文章在分析教育数据挖掘技术及其应用的基础上,建立网络学习过程监管的教育数据挖掘模型,并以本校外研社大学英语教学管理平台为例,借助教育数据挖掘技术中的统计分析与可视化、关联规则算法和聚类算法,分析了网络学习过程中产生的大量学习数据,并根据分析结果给出了网络学习过程监督与管理的思考和建议,以期为教师评判学生网络学习效果、了解学生网络学习状况、改进网络学习过程提供有益的参考。 相似文献
10.
智慧校园是教育信息化发展的最新愿景.军事教育大数据汇聚存储了军事教育领域的信息资产,是发展军事院校“智慧校园”最重要的基础,而数据挖掘和学习分析技术是连接军事教育大数据与智慧校园的桥梁.本文基于部队院校的特点,在技术上与安全性方面进行建构基于大数据与学习分析技术的智慧校园教学,需要从军事教育网络大平台建设、学习者学习方式变革、课程教学方式创新、军事教育数据挖掘与学习过程分析、学校教育系统重构等多个角度去推动. 相似文献
11.
12.
本文设计了一个基于数据挖掘的课程管理系统,采用了关联规则、分类、聚类等几种主要的数据挖掘方法,对学生学习过程中各类数据进行分析,挖掘学生成绩与教学过程中各类课堂数据之间隐藏的关系,为教师教学及学生日后的学习提供指导。 相似文献
13.
伴随我国高等教育由精英化教育向大众化教育逐渐转变,势必给学校学生管理带来诸多问题。学生的信息是大量的和复杂的,学生管理者越来越感到管理的复杂性,对于学生的状态和发展越来越难以预测。因此学校希望学生海量数据不只是简单的备份和查询,而更迫切地需要学生管理信息系统能够具备辅助决策的能力。经过分析研究,数据挖掘技术正是解决这个问题可行而有效的方法。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘研究是信息技术… 相似文献
14.
随着数字化学习系统的使用和流行,学生在与系统交互的过程中产生了大量的原始数据。因此,数据挖掘技术可以用来从这些数据中提取出有用的信息以改进高等教育机构的管理、教学和研究效率。例如将聚类算法、决策树和关联规则方法应用到高等教育过程中,可以帮助改进学生的学习表现、辅助选择课程和学校补助基金的最优化管理等等。本文以江南大学网络教学平台为例,采用数据挖掘技术,根据学生的相似特性对学生进行聚类分析,以分析对课程成绩影响的各种因素。另外,还对学生在课程讨论区的活跃程度进行了社会网络分析。 相似文献
15.
16.
随着大数据时代的到来和在线学习的蓬勃发展,个性化自适应学习日益成为人们关注的热点。本文从教育数据挖掘的目标和关键技术出发,在个性化自适应学习系统中应用教育数据挖掘技术,研究了学习者模型、领域知识模型和社交网络模型的构建、融合和应用,设计出基于教育数据挖掘的个性化自适应学习系统的架构和流程,探讨了模型的构建和个性化自适应学习引擎机制的建立,提出了基于聚类的个性化自适应学习内容呈现、基于序列挖掘和关联规则的最佳学习路径推荐、基于协同过滤和社交网络的个性化资源推荐方法。 相似文献
17.
多模态数据凭借其全面、精准、保真地刻画学习画像的优势,成为支持教育科学研究的新兴趋势,但其二十余年的发展脉络并未得到系统探析。对此,本研究结合计量统计分析与内容分析方法,对209篇国内外核心期刊文献进行了全面、深入的解析,发现:国内外多模态数据支持的教育科学研究均大致经历了萌芽期、扩列期、裂变期三个阶段;在内容方面,国外研究呈多模态话语和多模态生理两个“小宇宙”态势,国内则集中于后者;在数据分析方面,国内外均呈多模态话语分析和多模态学习分析并驾齐驱之势;其理念发展经历了三方面的演变,在数据证据方面由行为证据扩展至生理证据,在数据分析方面由统计分析向多模态学习分析转变,在学习机制方面由以事件为中心向以人为中心转变;多模态数据融合、研究范式转变和数据隐私依然是当前面临的发展挑战。这些发现有利于研究者全面认识多模态数据在教学实践与科学研究中的作用、价值,精准把握其研究与发展的取向。 相似文献
18.
19.
周剑云 《中国远程教育(综合版)》2014,(9)
在传统教育中,教师通过与学生面对面的交流,获得学生学习行为的表现信息,较为容易掌握学生的学习情况和课程教学效果,但随着现代教育技术的发展,网络学习方式的普及,以及学生学习行为的变化,研究网络课程的教学方法受到了越来越多的关注。本文以Moodle网络课程管理系统为研究基础,分析并提出有针对性的数据挖掘方法构架,以达到对课程建设情况和学生学习情况的跟踪分析,为教师改进教学策略、提高网络课程教学质量提供有力支持及方法借鉴。 相似文献
20.
根据中小学生体质现状的研究和分析,发现了学生体质健康存在的问题,找出了学生体质健康下降的原因,发现社会经济发展引起生活方式的变化、家庭、周围环境和学生个人原因及学校教育中存在的问题是造成这些问题的主要原因,我着重对这些原因进行研究分析,努力寻找解决的途径和方法：努力转变传统思想观念,树立全面发展的素质教育思想;减轻学生学习负担;培养学生终身体育意识,让学生掌握科学的体育锻炼方法,积极推进学生大课间活动和课外体育活动;针对学生体质健康方面存在的突出问题开展学生的疾病防治、生理卫生和营养健康方面的教育,完善学生体质健康检查制度;加强对学生的思想品德教育和心理健康教育。 相似文献