简介:摘要:近年来,在线学习已经成为一种常态模式,如何提升在线课程真正的学习应用价值是当前研究的一个重要方向。文章提出一种基于在线学习行为分析的学情预警方法,结合学生基本信息、在线学习行为、以及社交关系等对学习者进行画像,利用智能聚类算法进行在线学习群体分析,进而给出基于学情分析的学习者学习状态的预警策略,实验表明,该方法能有效对在线学习学情进行刻画,可以应用到在线学习系统的预警监控中。
简介:摘要:信息技术快速发展,为聋生开展在线学习搭建了便捷地信息化平台,能够有效拓展教学信息的维度,利用可视化与虚拟仿真等教学资源,充分弥补线下教学的不足,增强聋生对教学内容的理解,促进聋生学习效果的显著提升。因此,做好信息技术环境下聋生在线学习的模式分析对于促进聋生教育发展具有重要的推动作用。接下来,本文将针对信息技术环境下,聋生在线学习的教学模式进行简要分析。
简介:学生互评能够有效弥补教师评阅和机器评分的局限,是适用于大规模开放在线学习情境的重要评价模式。然而,现阶段对在线互评模式的准确性和有效性尚缺少基于实证的系统研究。基于此,本文通过对一门大规模开放在线课程(MOOC)的学生互评、自评和教师评分等数据的比较,得出在线互评模式的信度、效度、影响因素和学生认可度等初步结论。研究结果表明,尽管互评模式的评分者间信度并不理想,但综合考量多个评分结果的前提下,该模式能够为在线学习者提供较为一致可靠的最终得分。学生互评结果和教师评分结果的相关性系数高达0.619表明,该模式同时具有较好的聚合效度。此外,对课后问卷的统计分析表明,在线学习者对互评模式总体持积极态度,认可互评活动对反馈获得、课程投入和高阶思维培养等的有益影响。这些发现和结论对完善和改进面向大规模开放在线学习的评价模式有一定的指导意义。
简介:随着“大数据时代”的到来,一股席卷全球的智能化在线教育浪潮正在蔓延,高校传统的教学模式趋向颠覆,高校教师的职业发展也将受到重大挑战。众多大学生在在线学习时将会产生海量的数据,高校教师如何挖掘、分析这些数据,对改进自身教学实践、促进自身专业发展都具有丰富的价值。学习分析在大数据时代的高等教育中被广泛应用已成必然趋势,并具有非常广阔的应用前景,高校教师应该具备较强的数据分析能力。学习分析从以下四个方面促进大数据时代高校教师在线专业发展:可以提升作为在线学习者的高校教师的学习效率,激发其自主的专业发展意识;可以提高高校教师作为在线教学者的教学效率,发展其在线教学实践智慧;可以提高高校教师作为研究者的研究绩效,提升其对学生在线学习的服务能力;可以提高高校教师作为管理者的管理效率,提升其在线教学领导力。