共查询到19条相似文献，搜索用时 703 毫秒
1.
郎文香 《赤峰学院学报(自然科学版)》2015,(14)
在当今社会的发展中,随着信息技术以及网络技术的普及,逐渐进入了信息时代。在信息化的环境下,高校档案资源需要进行优化整合和共享,以便更好的适应教育信息化环境的发展,从而更好的实现高校档案资源的优化管理,促进高校不断的发展。在教育信息化的环境下,要想对高校档案资源进行整合和共享,就必须要充分利用现代化的信息技术,以便对档案资源的管理和技术服务进行优化整合,从而构建成基于网络的档案信息资源服务平台。本文就教育信息化环境下高校档案资源整合和共享的内涵、必要性、存在的问题以及措施四个方面进行分析研究,以便提高高校档案资源整合和共享的水平,为用户提供更好的服务。 相似文献
2.
教育信息化环境下高校档案资源的整合与共享 总被引：1，自引：0，他引：1
柯友良 《中国教育技术装备》2009,(18):15-16
档案资源整合与共享是网络环境下高校档案部门适应教育信息化需求,实现自身与学校不断发展的必然选择.教育信息化环境下高校档案资源整合与共享的基本途径在于充分运用现代信息技术对档案资源、管理、技术与服务进行全面有效地整合,创建基于网络的档案信息共享与服务平台,为用户提供更为全面、快捷、优质的服务. 相似文献
3.
云计算作为当前影响未来教育发展的重要技术之一,其安全可靠的数据存储能力、强大的计算能力、方便快捷的服务将为整合教育资源,消除系统间信息孤岛,建立开放、兼容、共享的教育信息化平台提供可行的技术方案;教育云代表云计算技术在学习上的应用,“云”的思想和理念改变了传统的学习方式,演化为一种教育资源的整合手段,由此发展出新的教育模式。 相似文献
4.
云计算带来的服务整合与按需供给大大提高了当前计算资源的利用率,降低服务的能耗量,更好地解决信息处理成本、海量数据管理、信息安全等问题。结合当前教育信息化中注重技术在教学中的应用与整舍的问题,提出了在学校之间通过云计算模式共同构筑信息共享空间,构建教育云,实现教育信息资源的共建与共享,提高高校的资源共享效率。 相似文献
5.
学习分析:正在浮现中的数据技术 总被引：4，自引：0，他引：4
随着教育信息化的普及与逐渐深入,学习管理系统已经获取并存储了大量的有关学生复杂学习行为的数据,从这些数据中挖掘出改进教学系统、提升学习效果的信息,在教育信息化领域一直有着巨大的吸引力。因此,有必要从分析数据以改进学习的角度,对日益受到关注的学习分析技术进行解读。首先,学习分析技术是测量、收集、分析和报告有关学生的学习行为以及学习环境的数据,用以理解和优化学习及其产生的环境的技术。接着,综述学习分析技术的发展,指出其在教育中有着广泛的应用前景和巨大的发展潜力:学习分析技术可作为教师教学决策、优化教学的有效支持工具,也可为学生的自我导向学习、学习危机预警和自我评估提供有效数据支持,还可为教育研究者的个性化学习设计和增进研究效益提供数据参考。最后,提出学习分析技术也存在隐私、准确性和兼容性等诸多挑战和问题。 相似文献
6.
一、开放的信息环境席卷全球的信息化浪潮和“信息高速路”的建设,计算机技术和多媒体技术在文献信息领域的应用,形成了一个开放的信息环境,使信息的存贮形式、服务形式和利用手段等都发生了彻底的变革。信息化使得资源可共享,交流合作易于实现,学习时空不受限制,具体表现有:(1)信息载体多元化。随着电子技术、多媒体技术的飞速发展,电子类书刊作为一种新的信息载体异军突起,许多连续出版物在出版印刷版的同时,也出版电子版。允许随时更新教育内容,使得教育内容开放化,内容空间可无限扩展。(2)信息服务网络化。作为“信息社会代名词”的因特… 相似文献
7.
教育大数据为教育信息化的发展带来了新的机遇,而对教育大数据应用的实现首先依赖于对来源广泛的教育数据的获取。在这些有待获取的海量的教育数据中,学习经历数据作为一种承载着学习者在学习过程中的学习行为、学习活动、学习进程和与之交互的学习环境等教育信息的数据,蕴含着丰富的学习分析价值。随着相关学习技术的迅速发展,学习经历的跟踪在技术层面已经得以实现,但学习经历的复杂性、多样性和数据劣构性等特点阻碍了对其广泛的应用。由美国“高级分布式学习”组织发布的Experience API（xAPI）规范为破解这一难题提供了可行途径。xAPI规范利用“活动流”来描述学习经历,通过Statement来记录学习经历,并通过语义定义将其转化为良构且易于扩展的数据,为大数据背景下学习经历数据的获取提供了指导性的框架,同时通过实现了接口规范的学习记录仓储（LRS）来共享学习经历数据,由此实现对教育大数据尤其是学习经历数据的获取和共享。 相似文献
8.
教育信息化是当前世界各国教育改革和发展的重要战略选择,教育信息化的效益评估,一直是教育信息化研究中的重点和难点之一.教育城域网是各地推进教育信息化的重要载体,从兴起至今已有10余年之久,对其进行效益评估的时机已经成熟,也显得迫切.本文采用政策分析的方法,立足于政策目标,从技术效益和教育效益2个维度构建了教育城域网运行效益评估指标体系.在技术效益上,从技术的流通力、利用力和发展潜力三个二级指标考核教育城域网的技术功能和技术目标;在教育效益上,则从信息化教育管理、信息化教学和信息化学习这三个教育城域网在教育教学应用中的功能体系出发,分别考查了教育城域网在这三个方面的主体了解度、利用率、参与度和满意度. 相似文献
9.
关于高校图书馆与院系资料室资源整合共享的构想 总被引：1，自引：0，他引：1
周岩 《陕西教育学院学报》2007,23(4):117-119
网络化信息化过程的不断发展和数字化信息环境的日益形成,随着学校教育规模的迅速扩大,愈来愈凸现出学校信息资源的匮乏。本文分析了目前高等学校图书馆与院、系一级资料室在资源整合和共享方面相存在的若干问题,提出了学校图书馆与院、系级资料室资源整合与共享的初步构想。 相似文献
10.
随着我国经济社会不断发展进步，各项事业全面进入高质量发展的新时期，高质量发展已成为新时期老年教育转型的必然选择。经过长期的积累，我国老年教育事业取得了一定的发展成就，主要体现在办学规模持续扩大、政策环境显著优化、“五位一体”的发展模式初步形成、课程教学质量不断提升、信息化服务功能初步显现等方面。在推动高质量发展的过程中，老年教育还面临着一些卡点瓶颈，如政策建设的体系性有待提高、供需矛盾依然比较突出、志愿服务社会效应有待提升、教育资源共建共享程度有待增强等问题。为破解老年教育高质量发展的困境，提出明晰全域部门协同共治机制、强化内涵式建设、构建数字化智慧学习环境、持续推动综合性供给结构优化、强化老年人力资源开发等发展路径。 相似文献
11.
随着大学教学信息化进程的不断深化与发展,如何测量、挖掘、分析与利用在学习平台中积累的大量数据,以更好地支持教学与学习,进而改善和提升教与学的质量与效能,已成为摆在大学教学信息化研究者与实践者面前的现实课题。学习分析的兴起则为解决这一难题,提供了一系列的方法、工具和手段。文章将基于国内外学者的已有研究,通过对学习分析的发展脉络的梳理,对学习分析的内涵、过程、工具和方法作较为深入的解读,并尝试从推动大学教学创新的视角,阐释学习分析对促进大学教学信息化深入发展的重要价值和深远影响。 相似文献
12.
Doug Clow 《Teaching in Higher Education》2013,18(6):683-695
Learning analytics, the analysis and representation of data about learners in order to improve learning, is a new lens through which teachers can understand education. It is rooted in the dramatic increase in the quantity of data about learners and linked to management approaches that focus on quantitative metrics, which are sometimes antithetical to an educational sense of teaching. However, learning analytics offers new routes for teachers to understand their students and, hence, to make effective use of their limited resources. This paper explores these issues and describes a series of examples of learning analytics to illustrate the potential. It argues that teachers can and should engage with learning analytics as a way of influencing the metrics agenda towards richer conceptions of learning and to improve their teaching. 相似文献
13.
当前,大数据时代已经来临,教育领域同样积累了海量数据。教育领域已经部署了众多的学习管理系统,在这些软件系统中存储着海量的学习者信息及学习过程数据。如何利用这些数据,使这些数据转变为信息、知识,并为教学决策、学习优化服务,已成为教育工作者以及学习者们所关注的内容。学习分析技术有助于发挥学习过程数据的价值,使数据成为审慎决策、过程优化的重要依据。该文介绍了国内外学习分析技术研究现状,归纳出学习分析技术的关键技术及分析模式,并以实例从不同用户视角包括管理者、辅导教师、学习者展示了学习分析技术在网络学习过程分析中的应用过程。 相似文献
14.
随着“大数据时代”的到来,一股席卷全球的智能化在线教育浪潮正在蔓延,高校传统的教学模式趋向颠覆,高校教师的职业发展也将受到重大挑战。众多大学生在在线学习时将会产生海量的数据,高校教师如何挖掘、分析这些数据,对改进自身教学实践、促进自身专业发展都具有丰富的价值。学习分析在大数据时代的高等教育中被广泛应用已成必然趋势,并具有非常广阔的应用前景,高校教师应该具备较强的数据分析能力。学习分析从以下四个方面促进大数据时代高校教师在线专业发展：可以提升作为在线学习者的高校教师的学习效率,激发其自主的专业发展意识;可以提高高校教师作为在线教学者的教学效率,发展其在线教学实践智慧;可以提高高校教师作为研究者的研究绩效,提升其对学生在线学习的服务能力;可以提高高校教师作为管理者的管理效率,提升其在线教学领导力。 相似文献
15.
随着MOOCs在国内外迅猛发展,其高退学率低通过率导致教学效果不尽人意的问题,逐渐成为研究者关注的焦点。学习分析为解决该难题提供了一系列的研究方法和技术支持。为此,以学习分析促进MOOCs的个性化教育为核心,从学习过程、学习环境、教育环境、数据挖掘、应用支持服务、受益者等多元化视角出发,构建基于MOOCs的多元同心学习分析模型。并在已有研究的基础上归纳出支持该学习分析模型的关键技术。最终,以学习者特征识别、学习者在线学习行为分析、学习者交互分析三类典型应用来演示多元同心学习分析模型在MOOCs中的具体应用．以期为学习分析在M00Cs中的具体实施提供指导。 相似文献
16.
Foundations of dynamic learning analytics: Using university student data to increase retention 
下载免费PDF全文
下载免费PDF全文 Sara de Freitas David Gibson Coert Du Plessis Pat Halloran Ed Williams Matt Ambrose Ian Dunwell Sylvester Arnab 《British journal of educational technology : journal of the Council for Educational Technology》2015,46(6):1175-1188
With digitisation and the rise of e‐learning have come a range of computational tools and approaches that have allowed educators to better support the learners' experience in schools, colleges and universities. The move away from traditional paper‐based course materials, registration, admissions and support services to the mobile, always‐on and always accessible data has driven demand for information and generated new forms of data observable through consumption behaviours. These changes have led to a plethora of data sets that store learning content and track user behaviours. Most recently, new data analytics approaches are creating new ways of understanding trends and behaviours in students that can be used to improve learning design, strengthen student retention, provide early warning signals concerning individual students and help to personalise the learner's experience. This paper proposes a foundational learning analytics model (LAM) for higher education that focuses on the dynamic interaction of stakeholders with their data supported by visual analytics, such as self‐organising maps, to generate conversations, shared inquiry and solution‐seeking. The model can be applied for other educational institutions interested in using learning analytics processes to support personalised learning and support services. Further work is testing its efficacy in increasing student retention rates. 相似文献
17.
随着教育信息化的发展,教育技术能力已成为衡量教师职业素质的一项重要内容。该课题在对教育技术学课程实验教学和相关学习资源进行深入研究的基础上,结合社会及学校对师范生教育技术能力的要求,充分利用信息技术手段,对高等师范专业教育技术学公共课实验教学的网络学习资源进行了系统地设计和开发;并在此基础上,对资源的使用效果进行了调查、分析和研究。通过丰富的实验教学网络学习资源的建设,改变了传统的教育技术学公共课单一的实验学习模式,为学习者提供了良好的信息化实验学习平台,以达到培养师范专业学生的教育技术素养,增强学生的教育技术技能,从而提高师范生运用现代教育技术的能力和水平。 相似文献
18.
Distance students' ratings of the importance of strategies to facilitate self‐directed learning were evaluated. Students from an open university in Taiwan (449 current and 140 inactive) participated in this study. Current students scored significantly higher than inactive students on internal motivation, insight about self, and self‐directed learning readiness. A combination of high internal and external motivation and high self‐directed learning readiness predicted ratings of the importance of five sets of strategies for helping students become self‐directed learners. The study provides information to help distance learning professionals enhance the effectiveness of self‐directed learning and reduce the number of students who become inactive. 相似文献
19.
Qinyi Liu Mohammad Khalil 《British journal of educational technology : journal of the Council for Educational Technology》2023,54(6):1715-1747
The field of learning analytics has advanced from infancy stages into a more practical domain, where tangible solutions are being implemented. Nevertheless, the field has encountered numerous privacy and data protection issues that have garnered significant and growing attention. In this systematic review, four databases were searched concerning privacy and data protection issues of learning analytics. A final corpus of 47 papers published in top educational technology journals was selected after running an eligibility check. An analysis of the final corpus was carried out to answer the following three research questions: (1) What are the privacy and data protection issues in learning analytics? (2) What are the similarities and differences between the views of stakeholders from different backgrounds on privacy and data protection issues in learning analytics? (3) How have previous approaches attempted to address privacy and data protection issues? The results of the systematic review show that there are eight distinct, intertwined privacy and data protection issues that cut across the learning analytics cycle. There are both cross-regional similarities and three sets of differences in stakeholder perceptions towards privacy and data protection in learning analytics. With regard to previous attempts to approach privacy and data protection issues in learning analytics, there is a notable dearth of applied evidence, which impedes the assessment of their effectiveness. The findings of our paper suggest that privacy and data protection issues should not be relaxed at any point in the implementation of learning analytics, as these issues persist throughout the learning analytics development cycle. One key implication of this review suggests that solutions to privacy and data protection issues in learning analytics should be more evidence-based, thereby increasing the trustworthiness of learning analytics and its usefulness.
Practitioner notes
What is already known about this topic- Research on privacy and data protection in learning analytics has become a recognised challenge that hinders the further expansion of learning analytics.
- Proposals to counter the privacy and data protection issues in learning analytics are blurry; there is a lack of a summary of previously proposed solutions.
- Establishment of what privacy and data protection issues exist at different phases of the learning analytics cycle.
- Identification of how different stakeholders view privacy, similarities and differences, and what factors influence their views.
- Evaluation and comparison of previously proposed solutions that attempt to address privacy and data protection in learning analytics.
- Privacy and data protection issues need to be viewed in the context of the entire cycle of learning analytics.
- Stakeholder views on privacy and data protection in learning analytics have commonalities across contexts and differences that can arise within the same context. Before implementing learning analytics, targeted research should be conducted with stakeholders.
- Solutions that attempt to address privacy and data protection issues in learning analytics should be put into practice as far as possible to better test their usefulness.