共查询到19条相似文献，搜索用时 796 毫秒
1.
学生的学习行为投入是影响学习效果的重要因素。为了了解疫情防控期间高职学生在线学习行为投入现状,在学习行为投入、在线学习行为投入内涵界定及测量研究的基础上设计了6个维度的高职学生在线学习行为投入测量量表,并基于学校电子商务学院2018级237名学生在安徽省网络课程学习中心(e会学)平台上进行在线学习的系统后台数据以及课后针对学习过程调查的问卷数据,对20个测量指标进行描述性分析、阶段性变化分析以及与终局性在线考试成绩进行相关分析。最后提出有效激发学生在线学习行为投入的实践启示,包括强化线上教学的过程管理;丰富线上教学设计,激发学生学习积极性;坚持线上教学的高要求。 相似文献
2.
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
3.
《现代教育技术》2019,(7):87-91
随着教育步入智能时代,智能化的学生课堂行为识别变得越来越重要。但由于学生的课堂行为复杂多变,使得智能化的学生课堂行为识别存在困难。为了提高智能化学生行为识别的精度,文章首先采集了300名学生的7种典型课堂行为图像,并进行了数据预处理。随后,文章将已在ImageNet数据集上训练好的经典深度网络模型——VGG16网络模型迁移到学生课堂行为识别任务中。最后,通过与其它深度学习模型进行实验对比,文章验证了VGG16网络模型对学生课堂行为具有较高的识别精度。上述研究表明,基于深度学习的学生课堂行为识别能及时、精准地反馈学生的课堂学习情况,有利于教师改进教学方法、优化课堂教学与管理,从而提高教与学的效率,助力教学改革。 相似文献
4.
基于移动学习终端的智能化课堂学习数据分析多是基于教学互动和学习结果反馈等显性学习行为实现的,可穿戴的脑机接口设备能够测量学生的认知负荷、注意力、情感等内隐状态,为智能化课堂教学提供新的技术支持。本文构建了基于脑机接口的智能化课堂应用模型,通过脑机接口与移动终端的结合,实现师生教与学风格识别匹配、学习者脑波状态测量、教师教学行为智能化支持、学生复杂能力评测等智能化教学任务。为验证模型的可行性,本文开展了两项实证研究,验证基于脑机接口实现学习风格分类的可能性,分析了常态课堂教学中学生注意力特征,并基于学生教学活动的注意力特征提出课堂教学优化策略。 相似文献
5.
6.
7.
学生在线学习满意度是衡量在线教学质量高低的标准之一.研究高中生在线学习满意度,能够把握高中生在线学习现状,提升在线学习效果,有助于疫情后教学工作的正常开展及信息化技术的融合.文章采取混合研究方法,对天津市滨海新区高中生展开调查.第一阶段的质性分析,得出影响高中生在线学习满意度的17个范畴,将其归为教师维度、学生维度、课程设计、互动环节、网络环境和学习效率共6个维度.第二阶段的定量分析,通过探索性因素分析得出5个影响因素,分别为互动环节、学生维度、教师维度、课程设计和为网络环境.通过采取逐步多元回归方法,得出标准化回归方程,得出学生和教师是高中生在线学习满意度的重要影响因素.最后提出合理化建议,主要包括提升学生自主学习能力与教师在线教学能力;加强师生互动交流,使用过程性评价;精心设计在线课程,优化课程质量. 相似文献
8.
物理智慧课堂利用先进的信息化技术,可提高教学效率,优化学生实践学习体验,并充分发挥智慧化平台的优势。信息化背景下构建初中物理智慧课堂应遵循整合多媒体技术原则、强调互动与合作原则、个性化学习原则、实践与应用导向原则。教师需要在预习阶段、核心课程学习阶段、问题讨论与分析阶段、课后实践探索阶段以及教学评价阶段,充分利用智慧化平台和先进技术,辅助学生完成物理课程学习任务,并优化学生对物理知识的学习体验。 相似文献
9.
基于大数据的学习分析技术在现代教育教学领域日益得到应用,能够有效辅助基于网络大数据的教与学及教学管理,为教学过程提供智能性的决策支持,提升教学效果和质量。从学习分析技术的视角,对网络开放课程“新理念英语”的运行情况进行分析研究。通过对课程在慕课平台两轮教学实践生成的数据和信息进行收集和分析,揭示网络环境下学生的学习习惯、学习行为、课程互动模式、学习成绩分布等情况,整体了解课程健康度,为后续课程进一步优化设计及实施应用提供依据,进而切实提高高职英语教学的水平。 相似文献
10.
11.
12.
推动学生由浅层学习走向深度学习是提升混合式教学质量的关键.本文通过文献述评、案例分析与课堂观察,以促进情感深度参与、行为深度参与和认知深度参与为目标建构了指向深度学习的"三维度十六方面"的混合式教学策略体系,并开展为期一个学期教学实证.随后,采用问卷调查、内容分析法对学习态度数据、学习行为数据以及学习认知数据进行分析,... 相似文献
13.
在线学习如今成为人们获取知识的一种重要方式,但许多研究表明,在线学习者的学习效果不理想,很大程度上与学习者的在线学习能力有关。在已有文献基础上界定在线学习力概念与发展模型,综合Moodle平台学生实际学习情况,尝试将行为数据分析技术应用于学生在线学习力分析中。采用滞后序列分析方法可从学习行为序列角度分析学习者在线学习过程中的学习行为,从而在一定程度上评估在线学习力各个维度的能力体现情况,以期为教师教学与学生学习提供指导,达到优化学生在线学习效果的目的。 相似文献
14.
大学一年级是大学生在学习观念、学习方式等方面实现转变的关键期。帮助大学生顺利地实现过渡是后续课程教学效果的有利保障。文章在对大学生适应不良状况进行分析的基础上,以发展的视角,从知识和技能、过程和方法、情感态度价值观三个目标维度对本院教育技术学专业大一第二学期开设的"数字化学习"课程的学习活动进行了设计,并对学习活动的实施效果进行分析。 相似文献
15.
翻转课堂作为信息技术与教育深度融合的一种新型教学模式,是教育教学改革研究的重点之一。翻转课堂的实质是颠倒教学流程,由被动学习转向主动学习,关注学习过程中学生的“做”或“活动”,在很大程度上弥补了传统教学单一授课的缺点。学习投入不仅关注外显的行为投入,还关注情感、认知方面的投入,能够较为全面地反映学生的学习收获。探讨翻转课堂教学模式下的大学生学习投入水平以及影响因素,设计学习投入维度量表与调查问卷。实验结果表明,翻转课堂中丰富的交互活动与多样化的学习途径,能够有效支持教师引导学生进行自主学习、协作学习与答疑讨论等,对提升大学生行为、认知、情感层面的学习投入水平可起到显著作用。 相似文献
16.
混合式学习综合利用线上和线下两种学习模式,让学生经历与传统教学截然不同的学习体验。该文在建构主义理论的指导下,构建了“云班课”混合式学习模式,并将该模式运用于英语语言学课程教学。结果表明,混合式学习相较于传统教学模式学习成效更高;学习经验值与期末考核成绩具有显著的高度正相关关系。由于学习经验值源于学习活动的参与,为了改善混合式学习成效,该文提出教师应围绕教学资源、学习活动、学习监控、形成性评价等方面改善教学策略;学生应在学习行为、学习方式、学习动机、学习反思等方面改善学习策略。 相似文献
17.
传统的大学英语教学模式,教学效果不理想,引起众多批评。于是正在进行的大学英语教学改革里,提出要培养学生的自主学习能力,然而实践中出现对自主学习的认识偏差,忽视了课堂教学活动的重要性,轻视了教师的主导地位,对学生的主体地位的定位不准确等等问题。针对以上情况本文尝试探讨通过何种模式来培养学习者自主学习能力。 相似文献
18.
从教与学的行为数据中洞察教与学的行为规律,打破现有的以经验为主、人工分析课堂教学行为,转为以大数据为支撑的智能化教学行为计算,已成为智能时代教学行为分析的重要趋势。研究从教与学行为的视角切入,梳理传统课堂教学行为分析到广义学习行为分析的历程,结合行为计算,提出教学行为可计算的概念,构建教学行为计算的通用框架,并梳理学习者与参与者、学习者与环境、参与者与学习成就、学习环境与学习成就四个研究方向。大规模教学行为数据的获取、表征、挖掘和呈现,将为实践教学提供指导,助力智能时代新型教学模式和教学过程的构建。 相似文献
19.
多源学习活动流的提出,可有效反映学习者穿梭于不同学习生态空间的数字活动轨迹,而将这些数据汇聚在一起加以追溯和分析,可全面理解学习者整个学习生态的需求和问题,从而有效支持智慧教育下的精准教与学。在借鉴ADL xAPI的活动描述模型、CAM的分层结构和Paradata的多用户视角的基础上,多源学习活动流的描述模型以及汇聚层次被加以讨论,补充了在以往学习分析研究中少有考虑到的数据记录的多源性以及汇聚分析的层次问题。首先,六类数据要素(Actor、Action、Object、Tool、Session和Source)逐渐递增组合、22条"情境-应用-数据"数据分析规则被提出,并按照个体性情境、任务性情境、社会性情境、时空性情境和环境性情境加以归类,以指导多源学习活动流数据分析的具体应用。然后,借助由Slack(一款App聚合协作学习平台)和Trello(一款学习项目管理平台)所搭建的多源学习环境,将提出的数据分析规则应用于实践:实验对象35名大二学生被分成10组,所收集的6179条学习活动行为数据使用Actor{1,n}-Action{1,n}/Tool{1,n}-Source等规则,从小组和个人的不同层次,解读学习者的行为模式偏好和学习状态变化,初步验证了所提分析规则的可用性。最终得到的研究成果指向解决今后必然越发复杂的数字学习生态中的学习分析问题,以期为其他研究者和教育一线工作者,提供一定的分析思路引导和框架指南。 相似文献