检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

高等理科教育 2018年第1期 8-13页

作者：郭芳侠刘琦陕西师范大学物理学与信息技术学院陕西西安710119

文章以陕西师范大学参与电动力学课程改革的290名学习者为研究对象,以Blackboard教学平台数据库为数据来源,利用相关性分析和独立样本t检验从学习者的平时成绩、在线学习情况、内容区的活动、在线学习时间、论坛中的活动、小组中的活动... 详细信息

文章以陕西师范大学参与电动力学课程改革的290名学习者为研究对象,以Blackboard教学平台数据库为数据来源,利用相关性分析和独立样本t检验从学习者的平时成绩、在线学习情况、内容区的活动、在线学习时间、论坛中的活动、小组中的活动和在线测试7个方面探讨在线学习行为与学习效果的相关性及男女生之间的差异。研究表明学习者的在线学习行为与学习效果之间存在显著正相关性,男、女生的在线学习行为及学习效果存在显著性差异。

关键词：在线学习行为学习效果相关性分析翻转课堂

在线全文

学校读者我要写书评

暂无评论

基于数据分析的学习者在线学习行为研究

中国成人教育 2016年第23期 11-14页

作者：刘少伟赵长在雷少飞中国石油大学(华东)远程教育学院

随着教育大数据的飞速发展,学习行为分析逐渐成为教育工作者研究的重要方向。通过教育大数据学习分析,能够深入研究学习者的学习过程和情境,发现学习规律,最终根据学习者需求和能力提供个性化教学支持服务。本文基于石大在线平台,应用... 详细信息

随着教育大数据的飞速发展,学习行为分析逐渐成为教育工作者研究的重要方向。通过教育大数据学习分析,能够深入研究学习者的学习过程和情境,发现学习规律,最终根据学习者需求和能力提供个性化教学支持服务。本文基于石大在线平台,应用数据分析技术,对学习者在线学习行为进行了分析,研究了学生在线学习行为规律,为提高学习者的学习效果、优化教学系统设计提供了可视化的数据依据。

关键词：数据挖掘分析个性化学习在线学习行为

中国MOOCs学习者价值研究——基于RFM模型的在线学习行为分析

在线全文

学校读者我要写书评

暂无评论

现代远距离教育 2016年第2期 21-28页

作者：宗阳郑勤华陈丽北京师范大学北京100875

MOOCs自兴起以来,它的高注册人数和高辍学率特征并存,现阶段中国MOOCs大多为以视频为主要学习资源的xMOOC,对学习者的学习支持力度相对薄弱,这要求学习者具有较高的自主学习能力。在MOOCs中,怎样识别学习者价值,采用什么方法对学习者进... 详细信息

MOOCs自兴起以来,它的高注册人数和高辍学率特征并存,现阶段中国MOOCs大多为以视频为主要学习资源的xMOOC,对学习者的学习支持力度相对薄弱,这要求学习者具有较高的自主学习能力。在MOOCs中,怎样识别学习者价值,采用什么方法对学习者进行分类,进而给学习者提供有效的个性化学习支持是重点研究问题。在RFM模型基础上依据xMOOC在线学习过程特点,提出中国MOOCs学习者的价值衡量模型ML-RFT,采用模型指标原始值与所有学习者平均值比较的方法将MOOCs学习者分为八类。借鉴RFM衡量顾客价值的方法,构建ML-RFT模型,对MOOCs平台上一门xMOOC进行学习者价值识别分类,并有针对性地对每类学习者提供个性化的学习支持策略。研究结果表明采用RFM方法可以对MOOCs学习者价值进行有效识别区分,学习者分类结果可以成为MOOCs教师或管理人员对在线学习者提供个性化学习支持服务的重要依据。

关键词： RFM模型 ML-RFT模型 xMOOCs 在线学习行为学习者价值

在线全文

学校读者我要写书评

暂无评论

远程学习者在线学习行为的实证研究

远程教育杂志 2013年第6期31卷 42-48页

作者：张红艳梁玉珍北京师范大学教育学部教育技术学院北京100875 石河子大学师范学院新疆石河子830002 洛阳师范学院教育科学学院河南洛阳471022

远程学习者在线学习行为无疑会影响到远程学习效果,研究远程学习者的在线学习行为是远程开放教育重要的课题之一。研究设计了三组实验,以明确远程学习者在线学习行为的特征、影响因素及远程学习者在线学习行为与其课程成绩之间的关系。... 详细信息

远程学习者在线学习行为无疑会影响到远程学习效果,研究远程学习者的在线学习行为是远程开放教育重要的课题之一。研究设计了三组实验,以明确远程学习者在线学习行为的特征、影响因素及远程学习者在线学习行为与其课程成绩之间的关系。研究表明:远程学习者的在线学习行为具有习惯性、适应性特征;远程学习者的在线行为会受到学习者有无远程学习经历、所在班级学习共同体及年级学习共同体的影响;远程学习者在线学习行为与其课程成绩之间无直接相关关系。最后,针对研究结论,提出了改进远程学习者在线学习行为的相关建议。

关键词：远程开放教育远程学习者在线学习行为

在线全文

学校读者我要写书评

暂无评论

大数据环境下在线学习行为分析模型研究

大数据环境下在线学习行为分析模型研究

作者：李阳哈尔滨理工大学

学位级别：硕士

互联网技术及教育信息化的快速发展加快了人们的学习、改变了思维及认知方式,在线学习模式迅速兴起并受到了广泛的认可。这种全新的学习方式及教育模式,必将会驱动教育信息化的变革与创新。在线学习在迅速发展的同时也面临着一些挑战,... 详细信息

互联网技术及教育信息化的快速发展加快了人们的学习、改变了思维及认知方式,在线学习模式迅速兴起并受到了广泛的认可。这种全新的学习方式及教育模式,必将会驱动教育信息化的变革与创新。在线学习在迅速发展的同时也面临着一些挑战,在线学习平台中较低的课程完成率和用户流失现象频繁发生,为找出形成此状况的原因,在大数据背景下分析在线学习平台中记录的大量用户学习行为数据,通过追踪用户在学习过程中产生的各种学习行为得出分析结果,可以为教师和平台管理者进行监督和干预学习者学习提供一定的指导建议。因此,本文在总结在线学习行为发展现状和相关理论研究的基础上,首先对在线学习行为的内涵进行了界定,将人工智能理论引入进来,从结构维度、功能维度及方式维度对在线学习行为进行了类别划分,在分析在线学习行为关联因素及驱动力的基础上,给出了大数据环境下在线学习行为分析模型的总体架构。其次依据分析模型的总体架构,自左向右、自上向下对大数据环境下在线学习行为分析模型进行了构建,先从多维度、多层次角度构建了在线学习行为数据模型,确定数据采集的来源、方法及过程,之后对在线学习行为分析模型的横向流程和纵向流程进行了设计。在此基础上,利用大数据处理技术对在线学习行为分析模型中的各个环节所涉及的具体算法进行了实现。最后选取哈尔滨理工大学在线学习平台进行实证分析,从基于K-means算法的学习行为聚类分析、基于Page Rank算法的个性化课程推荐分析、与学习效果的关联性分析三个方面进行了深入研究,并依据分析结果给出应用效果与启示。本文丰富了行为科学与人工智能理论方法及应用,深入研究了在线学习行为分析模型,不仅可以为行为数据的采集与分析提供理论基础和数据标准,还方便教师及平台管理者进行细致化及专业化的教学管理,对推动我国教育信息化快速发展具有重要的指导意义。

关键词：大数据网络学习平台在线学习行为数据挖掘 PageRank

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

SPOC在线学习行为及其影响因素研究

SPOC在线学习行为及其影响因素研究

作者：党旗杭州师范大学

学位级别：硕士

SPOC作为一种新的在线学习形式,因其小众和限制性准入的特点而备受各大高校的关注,纷纷尝试应用,相关SPOC的研究也呈现快速增长趋势。通过文献整理发现,目前基于SPOC的研究主要集中在SPOC与MOOC的对比、理论探索与教学模式实践三个层面... 详细信息

SPOC作为一种新的在线学习形式,因其小众和限制性准入的特点而备受各大高校的关注,纷纷尝试应用,相关SPOC的研究也呈现快速增长趋势。通过文献整理发现,目前基于SPOC的研究主要集中在SPOC与MOOC的对比、理论探索与教学模式实践三个层面。针对学习者在SPOC在线学习平台上产生的海量学习行为数据,多数研究者的研究视角集中在学习者的学习行为特征分析,尚未涉及SPOC在线学习行为影响因素的研究。如何挖掘SPOC在线学习行为数据,探究影响学习者SPOC在线学习的相关因素,为改善SPOC在线学习行为提供依据,保障学习者的学习效果。本研究以ZJ教育技术学习平台28门课程为例,分析归纳SPOC在线学习行为的类型,构建SPOC在线学习行为的影响因素模型。通过探究性别、专业类型、教师交互频率以及课程考核方式四个因素与学习者在线学习行为的关系,验证SPOC在线学习行为的影响因素模型。研究发现(1)性别对学习者的信息发布行为有显著影响;(2)专业类型对学习者的信息浏览行为、信息发布行为、信息交流行为以及问题解决行为均产生显著影响;(3)教师交互频率对学习者的信息发布行为、信息交流行为有显著影响;(4)课程考核方式对学习者的信息浏览行为、信息交流行为有显著影响。本研究创新点在于尝试将SPOC在线学习行为分为信息浏览行为、信息发布行为、信息交流行为以及问题解决行为,构建SPOC在线学习行为影响因素模型;并通过采集实验平台中SPOC课程的全部学习者行为日志,运用统计分析法对学习行为日志数据进行筛选分析,验证SPOC在线学习行为影响因素模型。

关键词： SPOC 在线学习行为影响因素

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

大学生在线学习行为评价建模与应用研究

大学生在线学习行为评价建模与应用研究

作者：孙燕龙云南师范大学

学位级别：硕士

随着在线教育的的迅猛发展,在线学习成为一种不可或缺的学习方式,这种学习方式被越来越来多的人所接受和采纳。在线学习蓬勃发展的同时,也遇到了一些挑战,在线学习辍学率较高,课程完成率偏低等。为找出此状况的原因,不少研究者纷纷投入... 详细信息

随着在线教育的的迅猛发展,在线学习成为一种不可或缺的学习方式,这种学习方式被越来越来多的人所接受和采纳。在线学习蓬勃发展的同时,也遇到了一些挑战,在线学习辍学率较高,课程完成率偏低等。为找出此状况的原因,不少研究者纷纷投入在线学学习行为分析的研究中,试图通过分析学习者在线学习过程中的学习行为数据解决在线学习所面临的问题。本文立足于如何激发学习者在线学习行为的问题,试图通过对在线学习者的学习过程中的学习表现,以数据驱动的方式激发在线学习者的有效学习行为。首先,本文通过文献阅读总结了在线学习行为评价的国内外研究现状,界定了在线学习行为评价的相关概念,归纳了在线学习的特点,分析了在线学习者的特征。基于以上分析,归纳总结了在线学习行为评价的构成要素及评价流程,基于教育理论和现有的在线学习行为评价维度,提出了将在线学习行为评价划分为知识获取、协作交流、学习态度三个维度并确定了各维度的评价指标。依据在线学习行为评价的流程、评价维度和评价指标归纳出在线学习行为评价的理论模型。然后,为实现理论模型,本文采集了云南师范大学“尔雅在线课堂”学习平台上3146位学习者(20门通识课程)的数据,采用SPSS22.0分析各评价指标与期末考试成绩的相关性,以相关系数为参考,采用层次分析法为各级评价指标确定权重。由于交流内容相关性较低,因此笔者特意采集了交流内容统计分析,并采用文本分析工具进行分析。进而构建了两种在线学习行为评价模型,一种是线性加权综合评价模型,一种是非线性的模糊综合评价模型。构建模糊综合评价的数学模型过程中,笔者提出了一种与平均值做比较确定隶属度的方法。最后,为验证模型的有效性,笔者将3146位在线学习者的学习行为数据带入两种模型计算,并将最终评价结果与学习者期末考试成绩作对比,验证了模型的有效性。验证过程中,模糊综合评判法评价一个学生需要多次计算模糊矩阵,笔者提出了一种简单易操作的实现批量数据处理的方法。本文为在线学习行为评价提供了两种实现模型,并对模型的应用提出建议。为激发在线学习者的学习行为的研究提供了一种参考方案。

关键词：在线学习行为评价模型层次分析法(AHP) 线性加权综合评价模糊综合评判

大学生在线学习行为与学习效果关系及促进策略研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

大学生在线学习行为与学习效果关系及促进策略研究

作者：左秀娟山东师范大学

学位级别：硕士

随着在线教育和教育大数据的迅猛发展,在线学习环境下学习者所产生的学习过程数据为在线学习行为的量化研究提供了基础。学习过程数据在一定程度上能够反映出学习者在学习过程中的状态,然而,在传统课堂环境中,教师难以对学习者的课堂行... 详细信息

随着在线教育和教育大数据的迅猛发展,在线学习环境下学习者所产生的学习过程数据为在线学习行为的量化研究提供了基础。学习过程数据在一定程度上能够反映出学习者在学习过程中的状态,然而,在传统课堂环境中,教师难以对学习者的课堂行为进行直接记录和观察,通常需要指派专门人员对学习者的学习过程监控,以获取学习者行为数据,再利用这些数据探究学习者的行为特征、学习参与度、学习投入与学习效果的关系等研究。随着现代信息技术的发展,各类在线学习平台不断涌现,小规模的在线课程由于教学方式的灵活性和学习方式的可控性,在高等教育教学中备受欢迎,而目前针对高校大学生群体在线课程中的学习过程数据与学习效果的关系研究还甚少。另一方面,当前对学习过程数据与学习效果关系的分析研究,多数基于学习者在某一学习行为上的投入时间和精力,这些粗粒度数据并不能细致反映学习者的意义建构水平,且部分学习行为特征并不能准确预测学习效果。研究发现,与学习参与度和学习投入相比,学习者在学习过程中实际产生的行为序列更能反映学习者的行为路径和认知过程(Hou et al.,2015;杨现民等,2016)。借助学习者行为序列对学习效果的影响关系,可为教师确定用于学习过程分析的关键行为序列,达到监测学习者学习状态,及时实施教学干预,以提高学习效果的目的。因此,本研究在已有研究基础上,从学习者学习活动的行为和行为发生的主体学习者两个角度出发,探究在线课程自主学习环境中大学生学习者学习行为与其学习效果间的关系。具体的研究工作主要包括以下四个方面:(1)大学生在线学习行为序列分析框架。在行为科学、活动理论等理论基础以及目前国内外在线学习行为分析研究基础上,结合研究实际,确定了本研究所适用的大学生在线学习行为特征指标,并进一步构建了在线行为序列分析框架。(2)大学生在线学习行为特征及行为序列与学习效果间的关系分析。通过对案例课程混合式教学的设计与开展,借助课程平台模块,收集学习者在线课程自主学习过程数据。从学习者的学习行为角度出发,应用描述统计、相关分析等方法分别对大学生在线学习行为特征、行为序列与其学习效果的关系进行探究。并在此基础上,进一步应用多元回归分析方法以深入挖掘显著影响学习者学习效果的关键行为序列。(3)不同行为序列特征学习者的学习效果差异分析。从学习行为的产生者学习者角度出发,应用聚类分析方法,基于在线课程中学习者实际产生的行为序列,对学习者样本进行聚类,以探讨在线课程中表现不同学习行为行为序列特征的学习者群体在学习效果上的差异。(4)大学生在线有效学习行为的促进策略。依据大学生在线学习行为特征、行为序列以及表现不同行为序列特征的学习者与学习效果间关系的分析结果,结合本研究课程实际,从课程设计、学习资源支持、学习管理与评价三个方面提出了学习者在线有效学习行为的促进策略。研究分析发现:在线学习行为特征方面,共11项行为特征与学习者课程成绩存在显著相关。其中,在线学习时长、课程访问次数、视频观看数量、发表讨论数、回复讨论数以及发起新讨论主题数,是影响学习者课程成绩的关键行为特征变量。在线学习行为序列方面,共26个行为序列与学习者课程成绩存在显著相关。其中,包括CPRC、CPDN、RWRC、RCDP、RCTE等在内的10个关键行为序列是预测学习者课程成绩的最佳行为序列变量。这些行为序列发生的越频繁,表明学习者为达成学习目标和获得更好的学习效果而投入了更多努力意愿。表现不同行为序列特征的学习者学习效果方面,四类不同学习者群体在课程成绩上存在较大差异。其中,“以讨论参与为主、资源学习为辅”的学习者课程成绩优秀率明显高于“以测试学习为主、资源学习和课程访问为辅”的学习者,表明在线课程学习中“以讨论参与为主、资源学习为辅”的行为序列特征相对更为可取,对促进学习者有效学习具有显著影响。该研究基于在线课程学习行为数据,探索能够有效影响学习者学习效果的行为特征指标和行为序列变量,并依据分析结果提出促进学习者在线有效学习行为的策略,以优化提高学习者在线课程学习参与程度和学习效果,为学习效果的预测分析和教学干预提供指导和参照。

关键词：在线学习行为行为序列学习效果策略

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于在线学习行为分析的成绩预测模型研究

基于在线学习行为分析的成绩预测模型研究

作者：黎龙珍贵州财经大学

学位级别：硕士

随着大数据和教育信息化的发展,在线学习平台使用规模日趋扩大,学习者与在线平台的交互过程中产生大量的行为数据,通过对这些行为数据进行挖掘分析,能够更加了解学生的在线学习情况、发现学生学习规律等,这将有助于对学生在学习过程中... 详细信息

随着大数据和教育信息化的发展,在线学习平台使用规模日趋扩大,学习者与在线平台的交互过程中产生大量的行为数据,通过对这些行为数据进行挖掘分析,能够更加了解学生的在线学习情况、发现学生学习规律等,这将有助于对学生在学习过程中进行实时干预、针对性指导,从而达到个性化培养的目标。因此,本文利用学生在线学习平台产生的学习行为数据进行学生成绩预测研究,达到对学生学习成绩提前干预的目的,具有一定的现实意义和学术价值。本文的研究工作主要是以下三个方面:首先,本研究通过在线学习平台收集学生的在线学习行为数据,借助可视化分析手段,进一步探究在线学习行为特征与学习成绩的影响机理,分析得到不同成绩区间内的不同学习行为的特点。同时,本文基于随机森林的重要特征选择算法,用于选择更为影响学生成绩的在线学习行为特征,并将其与该研究领域的在线行为特征进行差异性分析,为后续构建成绩预测模型奠定了基础。其次,基于LightGBM算法在分类问题上具有高准确率、泛化能力强等特点,在噪声处理、分布式处理等方面具有的优势。本文对已选择的学习行为特征数据采用LightGBM算法构建成绩预测模型,接着采用网格搜索算法对模型参数进行模型优化,以提升模型整体性能。最后,本文提出基于SMOTE过采样和LightGBM的成绩预测模型。针对基于light GBM的成绩预测模型对少数类样本的识别不高,导致模型整体预测效果低的问题,采用SMOTE过采样方法对成绩预测模型进行了优化,使数据不平衡问题得到有效解决,进而提高成绩预测精度。本研究得出如下结论:1、章节学习次数对学生学习成绩影响程度最大,其次为视频观看时长、章节平均分、任务点完成率等。因此,学生在在线学习过程中,老师需要重点关注学生的这些学习行为,从而更有效地对学生进行学习指导。2、LightGBM算法在成绩预测模型评估中有较好的应用效果,说明采用该算法的成绩预测模型能够有效对高维学习行为特征进行识别。3、基于SMOTE过采样和LightGBM的成绩预测方法在一定程度上能够提升模型的精确度、召回率和F1-score值。

关键词：成绩预测在线学习行为特征选择 LightGBM