首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   7篇
  免费   0篇
教育   6篇
综合类   1篇
  2023年   1篇
  2021年   1篇
  2020年   1篇
  2018年   1篇
  2015年   1篇
  2013年   2篇
排序方式: 共有7条查询结果,搜索用时 13 毫秒
1
1.
学习投入与学生的学习持续性、学业满意度、学习绩效以及学业完成情况高度相关,对其进行有效测评能够准确预测和干预学生的学习结果和学习行为.为了提升学习投入测评的有效性和准确性,首先,对现有六种学习投入测评方法进行了比较分析,即自我报告、编码分析、日志分析、观察评价、智能测量以及生理测量;然后,提出了多模态数据表征的学习投入测评框架,包括数据收集、数据处理、数据融合以及数据应用四个关键步骤;最后,选取参与同伴互动活动的两名不同成就学习者的多模态数据,依托该框架进行探索性案例分析,从多维时空尺度揭示学习投入的深层机制.研究发现,多模态数据表征的学习投入测评有望突破传统测评方法中单一数据源难以实现的逻辑整合问题,揭示学习投入的动态演变规律,为课程设计、学习活动或教学工具的质量提升提供有价值的参考依据,提升教师帮助学生和改善教学的能力,推动数据驱动的研究范式发展以及教与学规律的研究.  相似文献   
2.
运用社会网络分析法对广州市中小学教师继续教育远程学习中的一个网络课程学习社区进行社会网络分析,研究该网络学习社区的网络结构属性和凝聚子群,探讨教师继续教育网络学习社区的特点,最后对网络学习社区的建设提出建议。  相似文献   
3.
个性化学习路径推荐是智能技术驱动教育服务智能升级的关键力量,是实现大规模个性化教育的重要驱动。然而,目前个性化学习路径推荐的研究与实践仍未成熟,难以满足学习者因人而异、因时而变的个性化需求。个性化学习路径推荐的主流推荐框架包括基于机器学习、基于进化计算和基于知识图谱三种方式,具有不同的模型机理和适用的教育场景,经历了起步探索、预测推理、改进优化和融合创新的技术演进历程。其对教育的价值导向体现在赋能课堂教学、助力因材施教,优化在线学习、驱动服务升级,支持场馆学习、增强智能感知,改善游戏学习、优化交互体验,为破解大规模与个性化相结合的应用难题提供了重要支撑。随着智能技术的迭代升级及深入应用,未来个性化学习路径推荐呈现四大发展趋势,即关注信息要素的深度融合、迈向全方位多尺度的形式化建模,融合多种技术优势、构建以知识为主导的高性能推荐框架,注重可视化呈现和动态感知、推动个性化服务模式的优化升级,重视全景性应用策略研究、促进推荐技术与真实教育情境的紧密耦合。  相似文献   
4.
大规模在线学习中,学习者面对数量众多、种类繁杂的学习资源容易产生"信息迷航""信息过载"等问题。因此,为学习者提供个性化的学习推荐服务是大规模在线学习的重要任务。但目前的推荐系统大多只考虑了学习者与学习资源特征,对其内在社会联系考虑不足,推荐效果有较大的提升空间。许多研究表明,引入社会化因素,对于提升推荐系统效果有显著的帮助。社会化推荐系统需要根据应用情境,深入地理解用户、推荐对象以及影响他们之间相似关系和社会关系的要素。大规模在线学习中的社会化推荐系统要素模型包括学习者特征、推荐对象特征、社会关系和应用情境四个方面。相较于传统的推荐方法,在这一要素模型基础上设计的基于兴趣主题的社会化推荐方法更好地结合了大规模在线教育场景,以及学习者和资源服务要素,并进一步研究了用户间的内在社会关联,挖掘了用户、学习资源间的隐性联系。实验结果也说明,该推荐方法在教育场景中可以实现更好的推荐效果。  相似文献   
5.
在协作学习中学习投入与学习成效紧密相关,是学生进行有效参与和深度学习的必要条件。但目前的研究大多针对个人学习投入,缺乏在协作学习中小组学习投入的相关研究。在前人研究基础上,本研究从认知投入、行为投入、社会投入、情感投入四个维度构建了在线协作学习中小组学习投入的分析模型,并通过实证研究进一步探索小组投入分析模型各维度与小组学习成绩之间的关系。结果表明,在小组学习投入中行为投入、社交投入与小组成绩呈显著正相关关系,而积极、消极、困惑三类情感投入则与小组成绩呈负相关关系。研究同时发现,高分组在中立情感投入、认知投入的问题和元认知维度中的均值都高于低分组。最后,通过分析在线小组学习投入与成绩之间的关系,为今后优化学习支持服务以及提高小组成员协作质量提供了依据。  相似文献   
6.
在大数据时代下,学习分析成为目前教育技术领域的研究热点之一.在学习分析研究快速发展的情况下,该领域存在定位不清,概念泛化等问题.为了明确学习分析的特点,区分学习分析与其他研究领域的关系,本文从学习分析的概念、要素与过程出发,结合文献和实践分析了学习分析的特点及其与其他研究领域的区别.本文认为学习分析有着“面向大数据”、“混杂性”和“分析相关关系”的大数据特征,同时由于分析对象是教育系统这一复杂、特殊的系统,学习分析是以现有的教育理论、规律为基础, “学习者分析”为核心的一个应用性的领域.它与大数据处理技术、教育数据挖掘、统计分析等传统的研究领域有着明显的区别.本文提出的学习分析的特点与区别,为明确学习分析的研究领域与边界提供了参考与借鉴.  相似文献   
7.
通过对网络成员、师生关系、网络学习规模等存在差异的两个典型虚拟学习社区的社会网络结构进行比较研究,得出不同结构的虚拟学习社区之间社会网络存在差异,这些差异体现了中小学教师继续教育虚拟学习社区中的社会互动过程具有网络成员多、网络规模大、连接复杂、结构松散、密度低、连通性不高、可达性不好、成员间交互不紧密、教师不在网络权力中心但在交流中心等特点。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号