共查询到20条相似文献，搜索用时 31 毫秒
1.
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
2.
随着教育信息化进程在教育领域的不断推进,互联网教育资源平台中形成了大量的学习资源.文章以教育云资源平台中的课程资源为例,通过提取用户数据、资源标签以及使用情况等信息,对资源的不同特征进行量化,建立基于模型的知识图谱,从而直观展示课件资源、用户需求等相关关系,利用知识图谱从海量学习资源中为学习者推荐最佳学习内容,帮助学习者理清知识关系,提升个性化推荐资源多样性和用户信任度. 相似文献
3.
4.
在线学习中产生的学习行为数据经过处理后,可更好地支持教师选择个性化的教学策略,达到更佳教学效果。利用网络教学平台的学习行为历史数据形成前期学生标签信息,同时构建以Flink框架为核心的学生画像后台,获取学生在网络教学平台中的实时操作数据,不断补充和更新学生数据,完善学生在线学习的行为画像。将学生画像结果应用于教学策略选择,让教师快速识别学习效果不理想的学生,督促其养成良好的学习习惯,制定个性化的帮扶措施,改进教学设计。 相似文献
5.
以大学英语（阅读模块）课程为例,将教育大数据和精准教学引入线上、线下混合式教学,构建基于教育大数据的混合式精准教学模式。首先通过在线平台布置预习任务并收集学习数据,精准确定分层教学目标;然后以预习数据和教学目标为基础,精准构建课堂教学内容;最后根据预习和课堂学习数据,精准设置课后巩固作业和学习评价,实施教学干预,实现个性化教学。 相似文献
6.
7.
电大“一站式”网络课程教学平台构建的研究 总被引：1，自引：1，他引：0
本着＂以学习者为中心＂的开放教育理念,站在学习者的角度,在电大远程开放教育中要建立适应学员全程自主学习的＂一站式＂网络课程教学平台,实施对学员＂一对一＂的教学支持服务,其基本框架包括选课系统、课程资源系统和＂我的课程学习＂。 相似文献
8.
随着大数据的兴起,将大数据引入教育领域,改善现存的教学问题,促进教育信息化的发展已是大势所趋.文章采用文献分析法,通过分析大数据在建设在线学习平台的优势,促进个性化学习的发展,从在线学习平台的学习推送模块、学习诊断与干预模块、学习评价模块和教育决策模块的建设四方面分析如何将大数据技术引入在线平台建设中,改善现有的在线学习平台的弊端,使在线学习平台更加符合学习者个性化的学习需要,进而促进在线学习的发展. 相似文献
9.
随着大数据的兴起,将大数据引入教育领域,改善现存的教学问题,促进教育信息化的发展已是大势所趋.文章采用文献分析法,通过分析大数据在建设在线学习平台的优势,促进个性化学习的发展,从在线学习平台的学习推送模块、学习诊断与干预模块、学习评价模块和教育决策模块的建设四方面分析如何将大数据技术引入在线平台建设中,改善现有的在线学习平台的弊端,使在线学习平台更加符合学习者个性化的学习需要,进而促进在线学习的发展. 相似文献
10.
根据大数据技术的模块构成和电子书包所包含的系统和功能,对电子书包中教育大数据的模块内容进行分析。之后,在评价内容上从课程内容学习、参与互动交流、考试与作品和课外资源学习四个方面进行了细分和聚类．构建了基于电子书包的个性化学习评价模型。在评价结果上,依据柯氏四级评估模式和布鲁姆教学目标分类理论设计了基于教育大数据的个性化评价层次塔,该层次塔包括学习成效、概念转变、学习迁移和学习力四个层级。最后,结合教育大数据、教育云服务、个性化评价模型和评价层次塔,设计了个性化学习评价系统模型,包括信息采集模块、数据分析与处理模块、个性化评价模块和可视化反馈模块,并通过云管理层实现对教育云服务平台、云存储池和云集群计算平台的调控和管理,以期为后面开展个性化评价系统的设计与开发提供有益的指导。 相似文献
11.
云计算、大数据、人工智能等新信息技术的飞速发展,让新信息时代下的个性化学习成为当代教育变革发展的新范式。为推进新信息技术与高职教育深度融合创新,破解人才培养难题,以高职计算机网络技术专业网络设备管理课程为例,进行课程现状和学情分析,构建大数据视野下基于云学习平台的个性化学习模型,进行课程个性化教学改革与实践,通过学习满意度调查和学习成绩分析,个性化教学改革取得良好教学效果。 相似文献
12.
黄震 《荆门职业技术学院学报》2011,26(2):21-26
文章介绍了在线培训系统的结构,对系统进行了功能模块设计和数据库设计,给出了部分模块具体实现方案。通过前台在线培训模块,学员可以进行在线学习、在线讨论和在线测试等;通过后台管理功能模块,管理员可以进行课程、学员选课等事务的管理,还可以对管理员信息、学员信息进行管理。 相似文献
13.
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
14.
大数据学习分析支持个性化学习研究——技术回归教育本质 总被引：1，自引：0，他引：1
大数据时代的来临,引领学习者学习方式发生变革,基于大数据学习分析技术的个性化学习成为教育学和认知科学的研究趋势。提供给学生有针对性的个性化学习是教育发展方向,是技术回归教育本质的实践。大数据应用需要经历数据收集、数据分析和数据可视化等三个必要阶段;大数据学习分析对个性化学习中的教师、学生和教育管理者等利益相关者均产生积极的影响;大数据对实现个性化学习的价值体现在五个方面:完善个性化的学习者档案、分析预测个性化的学习行为、优化个性化的教育决策、改善个性化的学习评估、提供个性化的学习反馈及建议。最后采用德尔菲法、头脑风暴法构建了基于大数据的个性化学习体系框架。利用大数据学习分析反思教育现状,对推动个性化学习的研究具有重要意义,同时将大数据视为一种新的思维方式和学习路径,需要辩证地看待其优势和劣势。 相似文献
15.
16.
个性化网络学习笔记系统的设计与开发 总被引：1，自引：0，他引：1
随着网络技术的发展及学习个性化、终身化的要求,个性化网络学习必将成为远程学习的发展趋势。本文试图并以个性化网络学习认知工具的实现策略为导向,设计并开发一种嵌入式个性化网络学习笔记工具,满足随想随记、笔记分享、数据推送、标签支持、离线学习等学习功能,以期达到网络学习平台中学习个性化的要求。 相似文献
17.
推送式学习模型构建的主要目的在于实现个性化学习.这种学习不是被动而是主动呈现的,尤其是在大数据时代背景下,利用数据挖掘技术,根据学习者的学习行为和信息素养、信息习惯,在海量的信息数据中将知识主动推送给学习者,提高学习效率和兴趣.其模型构建主要包括数据采集、数据关联和主动推送等三大模块:数据采集模块意在获取学习者学习特征;数据关联模块意在将采集到的数据作同类合并处理,得出数据间的联系,研判学习者学习特征;主动推送模块则根据知识库与学习特征的匹配度,将学习资源主动推送给学习者,最终实现个性化学习. 相似文献
18.
正选课管理是学分制的核心内容,它允许学生在学校规定的范围内自主选择课程、教师和时间,赋予学生更多的学习主动权。课程模块以课程为构成要素,是围绕某一特定知识范畴或领域而结构起来的课程群,它为选课管理的实施提供了条件,课程模块内的所设课程的数量和质量,是选课工作能否顺利举行的重要条件。[1]在新的形势下,如何对课程模块下的选课管理进行改革研究,实现教学资源的优化配置,满足人才培养的需要,是当前面临的一个重要问题,对此进行探讨研究有着重要的意义。 相似文献
19.
为适应新高考改革,选课走班逐渐在我国高中阶段普及开来。它是一种新型的个性化教学组织方式,旨在打破传统固定教室的班级授课形式,尝试通过走班的形式推动个性化教育发展。个性化教育旨在根据个体的学习兴趣、需求为其提供适合的资源、工具支持,改善学生学习体验,提升学生学习效率和学习质量,从而达到个性而又全面发展的目的。如何在选课走班背景下真正实现个性化教育,如何在班级建设过程中融入个性化教育理念将是此研究关注的问题。 相似文献
20.
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