首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
网络学习者特征对网络学习平台提供个性化学习服务具有重要影响。个性化学习服务指为学习者提供适应性的学习内容。基于学习者的学习风格和学习目标设计了个性化的知识组织、知识呈现和学习导航。以C语言课程为实例,针对不同类型的学习者设计出个性化的学习界面,实现了一种学习者与学习平台之间的新型交互模式。  相似文献   

2.
自主学习符合人类学习的本质,被赋予了从未有过的价值与使命,实现了自我驱动的学习行为.在线学习背景下,有必要挖掘学生自主学习行为模式,识别学生认知过程,寻找在线学习规律,解决自主学习能力薄弱问题.通过顺序分析和聚类分析算法,对论坛、测验、作业与评价和资源四类学习行为进行挖掘,分析高低成就学习者之间的在线自主学习行为模式差异.并基于模仿榜样理念,以高成就学习者的学习行为模式为策略,对低成就学习者进行干预.研究结果表明高低成就学习者在线自主学习行为模式存在显著差异,且高成就学习者的学习行为模式对低成就学习者具有指导作用,可为均衡化教学提供新思路与方法,缩小规模化教学与个性化教学的矛盾.  相似文献   

3.
伴随着"移动互联网+"平台下的资源分享和联结,云数据资源已为新时期背景下的文化学习者提供新的学习平台。分析新时期文化学习者的泛在学习模式,并将其与传统学习模式的差异进行对比分析,得出在新时代背景下泛在学习模式已成为无处不在、无时不在的个性化、定制化学习模式结论。  相似文献   

4.
在线学习环境下,探索符合学习习惯和偏好的学习活动路径能够降低学习者学习盲目性、提升学习者的课程体验。研究以教育大数据为背景,以MOOC为研究案例,以个性化学习路径为研究内容,通过对学习结果分类理论、教育目标分类法以及三维目标分类理论的分析、对比、归纳、借鉴,对MOOC平台学习者行为数据进行了维度划分,并从态度和认知两方面入手构建了包含学习兴趣、知识水平、综合能力三个维度的学习者学习画像特征模型。在此基础上,通过交叉使用Apriori All算法和贝叶斯网络对平台行为数据进行差异处理,使其转化为具有信息价值的具体数值,设计出了学习画像与个性化学习路径拟合系统。在此基础上,运用蚁群算法实现个性化学习路径的生成与推荐,为学习者提供精准的学习路径指导,降低学生迷航率。研究结果表明:基于学习画像的个性化学习路径推荐具有精准性;学习画像可以实现MOOC环境下平台数据和学习者之间的耦合;交叉使用多种算法实现不同维度数据的差异性处理,使数据分析、处理、应用具有合理性,是实现个性化学习路径生成推荐的良好基础。  相似文献   

5.
在线学习作为一种新型的学习方式,能够为学习者提供个性化的学习支持。有效推荐个性化学习路径是学习服务研究中的重点问题。文章结合大数据背景下个性化学习的特征,建立学习者模型,通过数据挖掘技术深入分析学习者的学习行为信息以及知识之间的关系,结合基于内容的推荐和协同过滤的推荐方式,设计个性化学习路径推荐的具体方案,为解决在线学习过程中学习者面临的“信息过载”和“知识迷航”问题提供参考和借鉴。  相似文献   

6.
大规模在线开放课程MOOC在教育全球化和信息化的背景下广受关注,作为一种新的学习情境,MOOC要获得持续发展需以学习者为中心,满足学习者个性化学习需求。在对学习者类型进行分类的基础上,依据个性化学习特点,分析当前MOOC存在的问题,从课程注册、教学模式、在线交流与评价、测试与成绩等方面提出策略。  相似文献   

7.
在输入假说及建构主义理论指导下,依据学生个性化发展需求,利用现代信息技术,构建了大学英语"1+2"教学模式,即"1个体系"(大学英语分级教学课程体系),"2个平台"(自主学习网络平台和基于语料库的教学平台)。该模式在发挥传统课堂教学优势的基础上,注重发挥现代信息技术在教学中的积极作用,利用"英语在线"网络平台和语料库平台满足不同层次学习者的需要,促进学生个性化学习方法的形成和学生自主学习能力的发展,培养学生英语综合应用能力。  相似文献   

8.
数字化学习时代,对学习者在线学习能力的测量是实现个性化在线学习的关键。目前,数字化学习领域中,人们更加关注学习者的成绩,却往往忽略影响学习成绩的重要因素——在线学习能力。因此,文章依据Sampson能力模型及影响学习过程的因素,对在线学习行为进行数据挖掘,以构建在线学习能力模型。在此基础上,综合应用非监督学习算法(K-means算法、PCA算法)和监督学习算法(随机森林算法),构建学习能力水平预测模型;同时以Canvas Network平台课程数据为例进行实证研究,最终实现在线学习能力的计算。研究表明:学习成绩与在线学习能力息息相关,在线学习能力的测量研究对个性化在线学习的发展具有重要指导作用。  相似文献   

9.
学习者画像是描述学习者特征、实现智能化推送、实施个性化教育的重要基础.如何挖掘并利用在线学习平台中的数据构建学习者画像是当前亟待解决的问题.研究以在线作业为目标场景,以在线学习行为投入为切入点,构建了以参与、坚持、专注、学术挑战和自我调控为主要维度的分析框架和测量指标,利用7695名小学生在线作业数据进行了27个测量指标的有效性验证,采用K-Means聚类方法对在线学习者的行为特征和结果特征进行了标签分类,形成了四类学习者的群体画像,提出了相应的学习指导建议.研究发现,学习者的学业成绩与作业行为投入之间存在显著相关,不同的行为投入平台指标与学业成绩呈现不同的相关性,学习品质相关指标与学业成绩呈现强相关.因此,在线教育平台应通过画像技术,持续跟踪学习者的在线学习行为投入,评估学习者的学习品质,提出个性化的指导建议,推送精准化的学习资源,进而提升学习者在线学习效率.  相似文献   

10.
弹性学习既是一种理念,也是一种模式,具有个性化、开放性、灵活性和多样化的特点。目前,我国高校正面临为学生提供弹性学习的现实需求。在弹性学习背景下,不仅学习者知识背景复杂,而且现代信息技术已经被广泛运用到课程教学中来,教学活动和教学过程出现了前所未有的变化,教师面临着诸多挑战。本文以美国大学个性化学士学位项目和"大规模开放在线课程(MOOC)"的弹性学习模式为案例,探讨现代学习制度下的学习模式对现代大学教师提出的挑战,并对如何有效提升教师自身的素质提出观点。  相似文献   

11.
本文从在线学习者的具体学习活动出发,对在线学习情境下学习者对教学内容的选择、阅读和知识的意义建构等学习行为特点进行研究和分析,应用知识建模方法对单元教学内容进行知识网络分析,设计专用在线学习平台对学习者的学习活动进行实时跟踪记录,对学习者的知识点选择和意义建构过程及其所形成的学习路径和选择性学习行为进行分析。研究表明,学习者在开放自主的学习环境下,能够主动参照教学目标的要求和教学内容的知识网络模型特点,依据自己的学习需求,选择合适的自主学习策略组织自己的学习活动。在线学习过程中学习者对教学资源的选择可以聚合成为一条较为稳定的学习路径,该路径体现了学习者在意义建构过程中对外部资源的意义建构需求。因此在线教学中依据教学内容知识网络特点设计合理的教学活动,有效应用信息技术实现个性化的教学内容信息推送,会促进在线学习者的学习效果和学习效率。  相似文献   

12.
在大规模在线学习中,个性化学习和信息导航越来越受到学习者的欢迎。由于学习者众多、学习需求多样化和学习资源海量,个体化支持服务已难以满足个性化学习和个性化资源推荐的需求。相关研究表明,将社会化支持服务引入在线学习中,能初步缓解支持服务不足的问题。文章以社会化支持服务的属性和内涵为基础,构建基于掌握学习理论的在线学习环境,深入探讨社会化支持服务框架,并结合学习资源、学习伙伴、领域专家等社会性因素对学习者在线学习产生的影响,设计了社会化支持服务流程和个性化推荐模型,旨在为学习者提供智能、精准的支持服务。最后提出“一体化”的社会化支持服务模式,为研究面向个性化学习的社会化支持服务提供参考。  相似文献   

13.
自主学习是大规模在线课程学习过程中的一种基本行为能力,学习动机是发起自主学习能力的重要条件。本研究以英国开放大学Inge de Waard在Future Learn平台上针对学习者学习全过程开展的实验研究为背景,将自主学习过程中学习者的学习动机与学习特点相融合进行分析,通过激励学习者的内在学习动机完成在线学习的整个过程,为课程负责人、平台开发者以及学习者了解并提高在线学习过程中的学习体验提供参照指标与建议。  相似文献   

14.
大规模开放在线课程(MOOC)为全世界学习者提供了宝贵的学习机会,在线课程的低完成率给学习者带来巨大的困扰,了解学习的困难和提供学习支持对学习者极其重要。以Coursera平台上在线课程《红楼梦》的学习者为调查对象,通过问卷调查与论坛数据分析,结果显示MOOC学习困难集中在内容理解难度大,时间投入多、自我管理欠缺、互评标准把握不准和平台操作等方面,学习者希望从推送相关资料、增加视频交流、提供随时笔记、反馈个性化学习体验等方面得到学习支持。  相似文献   

15.
教育数据挖掘指通过分析学习者的学习行为记录和归纳学习者的行为特点,以提高教育质量的一种学习分析方法。在大数据时代下,网络课程学习者产生的大规模学习行为记录为教育数据挖掘提供了充足素材。以edX开放数据集为基础,使用数据分析方法,针对平台中本科学历用户获证概率最低的问题,分别从学习目的及兴趣、学习者类型、学习行为特征3个方面进行分析,深入探讨各种学习行为特征之间的相关性以及对学习效果的影响,为在线课堂平台建设者针对不同用户群体优化课程设计、改进个性化学习管理系统提供参考。  相似文献   

16.
MOOC以其独特特点和独特优势如低注册门槛、资源开放在线及使用异步无限制等,吸引了来自世界各地的、大量不同背景、不同特征和不同目的学习者。这就使得MOOC要获得可持续发展,并最大化其存在价值,必须满足学习者的个别化需求和目的,支持和促进学习者的自主个性化学习过程和学习结果,因而MOOC学习环境必须支持和促进学习者的个性化学习。该研究对支持和促进学习者自主个性化学习的MOOC学习环境设计的策略进行了深入探究,以期对MOOC研究和实践的发展有所裨益。  相似文献   

17.
提出了在线学习投入评估模型以及评估模型的具体度量指标,通过聚类K-means算法对国家开放大学样本数据进行聚类分析,结果表明在线学习投入与学习绩效的关系可以分为四种类型.在线学习投入与绩效关系的分类,有利于了解学习者学习投入特征,为开展个性化学习提供支持服务,为学习者提高学习质量提供数据支持和参考依据.  相似文献   

18.
随着网络教育的迅速发展,在线学习为学习者提供了个性化、资源共享和师生间双向交互等优势。文章针对网络中不同学习风格学习者的差异,从参与交互行为的频率和深度两个因素进行了实验研究,分析了影响学习者学习绩效的主要因素,以此提出了在线学习的交互策略。  相似文献   

19.
在线开放课程和在线学习平台的迅速发展,拓展了教学时空,增强了教学吸引力,激发了学习者的学习积极性和自主性,扩大了优质教育资源的受益面。在这样的背景下,建设在线开放课程具有现实意义。本文以“跨文化交际”课程为例,介绍建设在线开放课程的初衷、思路设计、建设困难和应用规划,以期为在线开放课程的后续探索提供参考。  相似文献   

20.
随着信息技术在高等教育中的应用,创新了高等教育的教学模式,为在线学习者提供了个性化、多元化的服务.成人学习者由于受到学习时间、地域等条件的限制,在学习的过程中需要为他们提供各种学习支持服务,OBE的教育模式对教学内容的精心设计,改变了传统的成人教育模式,能够为成人学习者提供支持服务,能够激发成人学习者的学习兴趣,提高他们对学习的投入度,为成人教学的发展提供新的思路.  相似文献   

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