共查询到20条相似文献,搜索用时 15 毫秒
1.
大数据学习分析支持个性化学习研究——技术回归教育本质 总被引:1,自引:0,他引:1
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。 相似文献
2.
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
3.
4.
5.
随着计算机与网络的快速发展和普及,网络学习已成为互联网+时代教育发展的重要组成。近年来随着大数据被广泛关注,基于数据挖掘的网络学习行为研究成为重要的研究方向和研究热点。当前关于网络学习行为的分类,大多数基于学习者本身属性,缺乏比较详细而深入的行为类型分析。基于数据挖掘的聚类分析,可以借助大数据的优势,发现数据背后的规律。利用陕西师范大学"现代教育技术"在线开放课程学习者的网络学习过程记录,采用数据挖掘工具对网络学习者行为进行聚类分析,研究发现:根据学习特征,网络学习者可以分为高沉浸性型、较高沉浸性型、中沉浸性型、低沉浸性型四种群体;学习行为与学习效果密切相关,沉浸性高的学习者学习效果往往较好。教师可借助技术工具,对学习者进行不断更新、实时、循环的聚类分析,及时发现学习者的个体及群体学习特征,因材施教,推送适应性的个性化服务,并给予及时的学习预警与恰当的教学干预。 相似文献
6.
教育智能体是人工智能领域的重要研究方向,可助力实现教育的智能化、精准化和个性化,其对学习者的学习动机、学习情感、学习效果等有着直接且显著的影响.人工智能与教育的结合愈加紧密,但教育智能体尚处于探索阶段,为使教育智能体更好地服务教与学,文章通过对既有文献的梳理和归纳,对教育智能体的发展历程和应用现状进行了总结,并进一步明确了教育智能体的内涵和特征.教育智能体已在支持个性化学习、扮演虚拟教学角色、实现人机情感交互等领域取得应用,但仍存在决策精度较弱、对话能力有限、外观设计简单、情感交互不足等问题.未来,教育智能体将与大数据、深度学习、情感计算等技术深度融合,以其"智能"促进学习者的"智慧"发展,赋能教与学的变革与重构. 相似文献
7.
在"互联网+"在线学习环境下,探索符合学习习惯和偏好的个性化推荐路径能够降低学习者学习的盲目性、提升学习者在线学习体验.文章提出了一种基于学习者画像的个性化课程推荐方法,首先,利用爬虫技术获得Bilibili网站30多万名学习者的数据,然后对学习者学习数据进行定量分析,尤其是在个性化特征最明显的情感表达方面,采用了基于注意力机制的双向长短时记忆网络进行情感分析,从而构建了包含学习者基本信息、行为和弹幕文本三个维度的学习者画像特征模型.在此基础上,利用深度神经网络建立了教学资源与学习者画像之间的关系模型,用该模型预测学习者新的学习需求.实验结果表明,当学习者登录后,输入要选择的课程,模型能够根据学习者画像推荐相似学习者学习过的课程,提供个性化课程推荐服务,且推荐评价指标也表明该模型能够提高推荐性能. 相似文献
8.
9.
10.
王芳 《黑龙江教育学院学报》2013,32(6)
进入到新世纪以来,随着我国国民经济水平的提升,我国的科学技术也有了广阔的发展空间.近几年来,我国的网络用户群体的数量日益增加,越来越多的学习者也开始通过网络获取他们所需要的知识,然而由于网络中的数据库和信息量过于庞大,所以很多的学习者都还没能找到适合自己的科学合理的学习模式.数据挖掘技术是一种信息资源广泛并且更加智能化的前沿技术,将其与传统的网络资源以及WWW网络学习的实际特点相结合,对传统的网络学习模式进行了一定程度的改进,从而创建了一个新型的个性化的网络学习模型,从而真正地满足学习者的各式各样的学习需求.基于此,对个性化网络学习模型提出的背景、Web数据挖掘技术的概念,以及个性化网络学习模型的构建三个方面的内容进行详细的探讨,从而详细地分析了Web数据挖掘在个性化网络学习中的应用情况. 相似文献
11.
随着在线教育的蓬勃发展和教育大数据时代的来临,一种新型学习支持工具——学习仪表盘(LearaingDashboard)应运而生。学习仪表盘基于信息跟踪技术和镜像技术,对学习者的学习行为、习惯、情绪、兴趣等信息进行记录和追踪,通过分析与可视化、个性化的显示,为在线教育的学习者、教师、研究者、教育管理者等提供多层次的学习支持,帮助学习者实现自我认知、学习反思以及意义建构,促进学习新方法或模式的产生。目前,学习仪表盘发展快速,正逐渐从关注学习登录次数、学习时间和进度等浅层学习信息的辅助性学习工具,逐渐发展为集学习、分析、评价、反馈等多功能于一身的统领学习资源、支持学习过程的强大集成化系统。随着其功能和形式的不断创新与完备,学习仪表盘将在更多学习情境中得以应用,以更精妙的数据分析设计框架和更l喻悦的使用体验为学习者提供更为高质高效的学习支持。 相似文献
12.
13.
泛在学习是基于泛在计算技术的一种学习形式,泛在学习可以实现随时随地的学习、学习者个体的自由发展,是实现终身学习的主要方式。在泛在学习的视域下,传统的媒介素养教育应该在教育内容、价值取向和教育方式方面发生变革,只有这样才能使学习者在泛在学习环境中有效的自由发展,实现终身学习。 相似文献
14.
在线学习作为一种新型的学习方式,能够为学习者提供个性化的学习支持。有效推荐个性化学习路径是学习服务研究中的重点问题。文章结合大数据背景下个性化学习的特征,建立学习者模型,通过数据挖掘技术深入分析学习者的学习行为信息以及知识之间的关系,结合基于内容的推荐和协同过滤的推荐方式,设计个性化学习路径推荐的具体方案,为解决在线学习过程中学习者面临的“信息过载”和“知识迷航”问题提供参考和借鉴。 相似文献
15.
随着数字化学习的普及和发展,如何及时发现网络学习过程中学习者的个体学习需求,并实时地提供满足他们需求的数字化学习资源和学习服务已日渐成为E learning研究领域的关键问题之一。利用人工智能技术,通过提取数字化学习资源中的核心概念和对在线学习行为的自动捕获,建立基于概念图的知识模型,在此基础上智能地挖掘学习者个体认知状态和学习需求,为个性化学习服务提供支持。 相似文献
16.
随着技术的发展、社会的进步,传统的无差别的传统教育模式已经无法满足学习者的个性化需求。智能技术的出现颠覆了传统课堂教学,带来了教学决策数据化、评价交反馈的及时化、互动交流的立体化、资源学习资源推送的智能化,重构了现代教育学习环境,带来了教育体系的智能化。本专题的几篇文章对智慧教育与个性化学习进行了分析,从数据环境、时间、方法、目的等维度,提出人工智能背景下个性化学习的构建方法,并对人工智能支持的个性化学习路径进行了研究;梳理出我国智慧教育研究的热点领域,相关研究主要围绕“秉承何种理念”“教师如何教”“学生如何学”“氛围如何营造”等四个层面展开,并对智慧教育研究趋势进行了展望;构建了智慧课堂,进行了教学试验,并对智慧课堂效果进行了分析。本专题文章可以看作智慧教育与个性化学习研究与实践的一次有益尝试。 相似文献
17.
当前,基于教育大数据的实时决策、数据可视化和个性化学习服务受到人们的热捧,但很少有人从伦理规范和质量保证等视角对基于教育大数据的研究和应用进行反思。本文首先厘定了教育大数据的内涵、特征,然后分析了教育大数据与教育虚拟社区的契合以及教育大数据当前研究和应用中在技术器物、运维机制、使用主体三个层面所凸显出的问题,认为以学习者为中心、具有生态交往文化特性和一定伦理规范的教育虚拟社区可以规避教育大数据当前所面临的问题。基于上述论述,文章提出教育大数据回归教育虚拟社区将是必然,并阐述了实现教育大数据向教育虚拟社区回归的思路或方法。 相似文献
18.
吴晓凤 《天津职业院校联合学报》2020,(3):39-43
大数据时代,信息和数据结构的发展,对教育领域产生了重要影响力,如弥合区域间高等教育资源配置,促进教育平等,满足学习者多样化的需求,提升了教育的社会化服务,使教育规模化和个性化的达到了统一。大数据教育资源的使用提供了改变学生需求的新模式,学习模式不再限于空间和时间;运用教育大数据提供的服务,构建出的基于信息数据的自主学习环境,不仅培养学生自主学习习惯,提升大学生学习兴趣,更为学生的自主学习营造了智慧化的环境。 相似文献
19.
20.
从大数据到小数据:思想政治教育精准发展的新思考 总被引:1,自引:0,他引:1
借大数据时代的到来否认小数据的价值,是对大数据的误读和误解。小数据基于"个人行为数据"展开决策,能有效破除大数据在思想政治教育精准化过程中的应用瓶颈。大材小用、舍本逐末、舍近求远是当前大数据应用于思想政治教育领域最突出的问题表现,思想政治教育小数据以其鲜明的个体独特性、对精确性的追求、对个人隐私的关注以及投入产出比高等优势,将在思想政治教育中发挥大数据无可比拟的、更有价值的作用。小数据推动思想政治教育的精准发展可以通过建立个性化服务系统、基于教育对象小数据的精准画像、精准预测教育对象需求、个性化推荐供给内容等方面呈现。 相似文献