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   6篇
  免费   0篇
教育   5篇
综合类   1篇
  2021年   2篇
  2018年   1篇
  2014年   1篇
  2011年   1篇
  2010年   1篇
排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
学习者特征是影响混合学习的重要因素.这就要求我们对学习者特征开展研究,探究其对混合学习效果的影响,从而促进教师改善教学策略和学习者有效学习.本研究以某大学现代教育技术混合课程为依托,对参加该课程学习的1257名学习者进行调查,并采用多元线性回归分析方法,系统探究人口学特征、认知、情感、意志、行为等因素(共14个变量)对混合学习效果的影响.研究发现,学习行为、学科背景、学习动机、学习自我效能感、计算机水平、学习态度、性别等七个因素(按影响大小排序)共同显著影响混合学习效果,模型拟合R2达0.619,其他因素对混合学习效果无显著影响.学习者特征对混合学习效果的影响是个开放的复杂系统,本研究建议采用辩证、整体、开放、发展、层次的观点看待学习者特征对混合学习效果的影响.  相似文献   
2.
随着计算机与网络的快速发展和广泛应用,网络学习已经是学校教育教学的重要组成部分。已有研究表明,网络学习行为与学习效果密切相关,因此探究网络学习行为与学习效果对有效开展网络学习具有重要意义,也是目前研究的热点与趋势。本研究以陕西师范大学参加"现代教育技术"网络学习系统学习的2801名学习者作为研究对象,以数据库数据作为网络学习行为特征数据来源,采用数据挖掘方法与统计学方法对网络学习者的行为特征进行定量分析,并探讨了网络学习行为特征与学习效果的关系。  相似文献   
3.
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   
4.
随着信息技术的高速发展,WAP手机网络逐渐成为体育信息传播的主要途径之一。本文分析了体育信息在WAP手机网络传播过程中的特点,阐述了WAP手机网络中体育信息受众和内容的特征,最后探讨了WAP手机网络体育信息传播过程中存在的问题,并提出了相应的对策。  相似文献   
5.
慕课作为具有较强体验性特征的教育产品,在为广大学习者提供在线学习机会和优质资源的同时,也带来了独特的情感体验。通过对一门教师教育类慕课前、中、后期与情感体验表达有关的724条学习者反思文本的质性分析,确定了25种积极和消极情感体验,体现了慕课学习情感体验的特有状态,其中,较为常见的有满意、激励、期待、不满、警觉、充实、感兴趣、轻松、高兴、喜欢。从整体情感倾向来看,绝大多数情感体验是积极的,满意、激励与期待三种主要情感体验约占总体的80%,情感体验积极且集中。从课程阶段来看,三个阶段均以积极情感体验为主,前期情感体验表达最为丰富且种类多样,中期的消极情感体验最多。从情感体验指向对象来看,七成指向学习内容,两成指向学习者自身,而指向慕课学习形式、课程资源、学习活动和教师的情感体验相对较少。  相似文献   
6.
一、问题的提出人工智能(Artificial Intelligence,AI)是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科,涉及数学、计算机科学、控制论、信息学、心理学、哲学等学科,是一门边沿学科。通过文献分析发现,随着人工智能和教育技术的发展,  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