共查询到10条相似文献，搜索用时 109 毫秒
1.
成人学习方式因移动互联网的发展而发生改变,"移动学习"成为很多成人学习者的学习方式之一。从严格意义上讲,移动学习并非学习方式或模式,而是一种学习环境,以及由此决定的学习特征;基于移动互联网技术支持和移动客户端接收装置的学习形式越发显现出学习的自主性和随意性,并对成人学习者的在线学习参与度带来影响。在失去传统课堂"面对面"监管的条件下,在线参与不仅是实施学习的基本前提,而且是促进学习的重要手段。因此,研究移动环境下成人学习者在线参与度的影响因素,对于促进移动学习和现代远程教育的发展将具有十分重要的现实意义。 相似文献
2.
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
3.
4.
在线协作学习依靠学习者之间的交流和协作来维持和发展,因而对于学习效果的测量,不仅要重视实际学习效果,也应该重视学习者主观的学习感知.基于上述思路,本文以一门混合式教学的网络课程为例,分析学习者在参与在线协作学习过程中,个人和小组特征对学习满意度的影响.研究发现,社会临场感、学习者对协作学习的态度、学习者每天的在线时间、学习者对顺应型学习风格的偏爱,学习者在学习网络中的入度以及小组内部冲突会显著影响网络学习满意度.最后,研究者对分析结果进行了讨论并提出了后续研究计划. 相似文献
5.
在线学习投入程度影响在线学习质量,探究在线学习投入影响因素对于改善在线学习效果具有重要意义。将解释结构模型（ISM）和层次分析法（AHP）相结合,在文献研究与专家访谈基础上建立在线学习投入影响因素多层次结构,确定各层级因素的综合权重系数。研究结果表明：学习动机、自我效能感和教学方法是最直接影响因素,网络技术环境、学习动机、自我效能感、教师参与度、学习支持服务和在线交互环境为最主要影响因素。提出引导和激励在线学习者,提供良好的情感支持;提升教师存在感和参与度,提供充足的教师支持;营造积极的在线交互环境,提供多元的学习支持等策略,提升学习者在线学习投入。 相似文献
6.
游戏化学习作为一种新型学习模式,能有效发挥游戏的教育价值并兼顾教学的知识传递性与学习趣味性的特点,提高学习者的积极性和参与度.文章基于概念支架理论,针对"装机模拟器(PC Building Simulator)"游戏设计了图文和视频两种外部概念支架,采用准实验研究法研讨不同支架条件下的学习者在游戏化学习过程中的心流体验和学习效果.结果表明:在游戏化学习环境中,外部概念支架能够帮助学习者在游戏内容和学科知识之间建立联系;同时,外部概念支架与无支架相比,学习者在游戏化学习过程中的学习效果存在显著差异;图文版外部概念支架使学习者在游戏化学习过程中的心流体验显著提高,并且学习者的心流体验与学习效果之间存在正相关性. 相似文献
7.
《现代教育技术》2018,(1):121-126
学生参与度被认为是面向过程的、考核学生学习效果的重要指标。文章首先分析了国内外学生参与度研究现状;随后对项目式STEM(Science,Technology,Engineering,Mathematics)教学中学生参与度测量量表进行了设计,并通过问卷调查,对学生参与度及其四个子维度(包括认知参与度、行为参与度、情感参与度、社交参与度)与成绩、性别之间的相关关系进行了分析;最后针对测量结果,提出了项目式STEM教学中学生参与度的提高策略。文章的研究结论可为项目式STEM教学中教师有效指导学生参与学习提供理论参考,也有利于推动学生个性化学习的进一步发展。 相似文献
8.
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
9.
个性化学习推荐模型的研究 总被引：1，自引：0，他引：1
通过分析个性化学习的特点,构造了个性化学习推荐模型.为保证学习效果,设计了基于ISM的学习序列生成方法,从整体上引导学习者的学习过程;在单个知识点学习时,采用关联规则挖掘,推荐符合学习者特征的学习材料. 相似文献
10.
媒体多任务通常被认为是影响在线学习的主要负面因素之一,而这种消极影响可能取决于多任务处理的频率。文章通过即时信息干扰数学视频学习的实验,对54名八年级学生在不同干扰条件下的学习效果进行了比较,结果发现:多任务处理频率是影响在线学习效果的关键条件,媒体多任务经验是影响在线学习效果的重要条件;对于媒体多任务经验丰富者来说,一定范围内的即时消息干扰并不影响学习效果,但当多任务处理超过一定范围时,学习效果将显著降低。基于实验分析结果,文章指出学习者可适当进行媒体多任务训练,以适应在线学习环境;在线学习过程中,教育工作者需注意将多任务处理频率控制在一定的范围内。 相似文献