共查询到20条相似文献，搜索用时 15 毫秒
1.
智能感知技术的发展推动了学习分析领域的变革,使多模态数据的获取和融合分析成为可能,也使传统在线教学评价向“第四范式”数据密集型评价迈进。文章首先立足于当前学习评价现状,剖析军事职业教育侧重结果性评价、评价主体单一、缺乏智能化手段支撑等问题;其次基于具身认知理论将多模态数据分为基础信息数据、个体特征数据、交互行为数据三类,依据数据感知技术和数据表征方式构建在线学习多模态数据测评框架;最后从多模态数据采集、多维度数据融合、多元化分析建模、精准化反馈改进等四个环节,探索数据驱动下的精准化学习评价路径,不断促进军事职业教育的内涵式发展。 相似文献
2.
3.
多模态教学数据驱动的精准教研具备精准化、个性化特征,符合新时代教育研究的发展要求,因缺乏有效的技术支持、规范的顶层设计和数据解释框架而难以真正落地.文章依托智能课堂中丰富的智能技术和多模态行为数据作为破解精准教研难题的创新途径,首先综合证据资源、关系挖掘、数据报告等维度构建适应智能课堂教学环境的精准教研模式,同时从数据获取手段、数据样态、关键技术等方面搭建精准教研逻辑实现框架,为细致准确地定位教学问题与规律提供了顶层指导.然后,整合和解释数据以透视行为背后蕴含的教学意义,形成数据解释框架.文章最后指出,精准教研若要实现智慧干预与决策,除在数据阶段确保"精"与"准"之外,还需在教学干预设计、教学改进策略上做到准确无误. 相似文献
4.
多模态数据凭借其全面、精准、保真地刻画学习画像的优势,成为支持教育科学研究的新兴趋势,但其二十余年的发展脉络并未得到系统探析。对此,本研究结合计量统计分析与内容分析方法,对209篇国内外核心期刊文献进行了全面、深入的解析,发现:国内外多模态数据支持的教育科学研究均大致经历了萌芽期、扩列期、裂变期三个阶段;在内容方面,国外研究呈多模态话语和多模态生理两个“小宇宙”态势,国内则集中于后者;在数据分析方面,国内外均呈多模态话语分析和多模态学习分析并驾齐驱之势;其理念发展经历了三方面的演变,在数据证据方面由行为证据扩展至生理证据,在数据分析方面由统计分析向多模态学习分析转变,在学习机制方面由以事件为中心向以人为中心转变;多模态数据融合、研究范式转变和数据隐私依然是当前面临的发展挑战。这些发现有利于研究者全面认识多模态数据在教学实践与科学研究中的作用、价值,精准把握其研究与发展的取向。 相似文献
5.
多模态学习分析是指利用“多模态”的思想和方法对学习者的内在学习状态、特征与变化进行深度诠释,旨在挖掘学习规律、优化学习过程、促进精准教学。在教育大数据研究范式下,多模态学习分析应运而生并形成了诸多研究成果。运用系统性文献综述方法对国内外多模态学习分析相关研究进行梳理发现：当前多模态学习分析研究聚焦于数据采集、数据融合和数据建模三大方面。在数据采集上,得益于智能感知技术的发展,文本、语音、动作、表情、眼动、生理等模态数据备受关注且获取方式愈加便捷;在数据融合上,主要以数据层融合、特征层融合、决策层融合为主,因应深度学习算法的发展,混合式融合初见端倪;在数据建模上,涌现出面向知识、认知、情感、交互状态的学习者模型,且基于多元学习状态的整体性模型日益受到重视。未来多模态学习分析研究应加强情境感知,实现场景数据的混合采集;深挖理论基础,促进数据融合的科学精准;重视情境依存,强化数据建模的情境适用。 相似文献
6.
大量研究表明,数据驱动的教学决策能有效增强教师教学和学生学习的效果。当前研究多聚焦于数据驱动的教学决策模型及实践案例,较少关注支持教师教学决策的数据组织、收集和分析的过程。文章运用文献研究法和案例分析法,阐明基于数据教育应用原理的教学决策过程,并对其中的数据收集和分析过程进行解构,基于多模态学习分析的发展和过程优势,建构多模态学习分析支持的教学决策过程模型,找寻多模态学习分析支持教学决策的多模态数据收集和处理的过程与方法,并从实践角度分析两种多模态学习支持的教学决策的典型案例的过程和实践,希冀为国内中小学开展基于数据的有效教学决策研究和实践提供指引。 相似文献
7.
8.
9.
数据驱动的精准化学习评价机制与方法 总被引：1，自引：0，他引：1
综合素质评价是深化教育改革、落实立德树人根本任务的必然要求。信息技术赋能教育教学过程,使得传统教育评价机制向数据驱动的精准化学习评价方向迈进。数据驱动的精准化学习评价是一种不断获取、整合、分析学习过程中的多模态数据,对教学和学习活动的信息流与运行轨迹作出观测、解释和反馈,以发现教育中存在的问题,辅助课堂教学干预的评价方法,包含多场景数据采集、多空间数据融合、精准分析模型构建、分析结果可视化四个关键组成部分。多场景数据采集为学习评价提供数据来源和量化手段支撑,多空间数据融合为学习评价提供统一数据标准,精准分析模型为学习评价提供数据驱动的学习分析与评价方法,分析结果可视化为学习评价提供反馈和应用服务。数据驱动的精准化学习评价框架,应以区块链技术为基础,融合人工智能、云计算、学习分析、情境感知等新兴技术,在多维时空尺度上全面采集学习过程中的多元海量数据,通过全面、系统的统计分析和数据挖掘,从学习者的内在动机到认知发展、情感表现,再到社会综合交互能力,多维度、及时、准确地评估学生的学习状况。当前,探索数据驱动的精准化学习评价,可从构建符合多空间数据特征的综合素质评价框架,完善过程性数据的采集与共享机制,突破情感、认知、动机与社交评价的关键技术,以及研制数据驱动的学习评价平台等方面入手。 相似文献
10.
多模态学习分析被认为是学习分析研究的新生长点,其中,多模态数据如何整合是推进学习分析研究的难点。利用系统文献综述及元分析方法,有助于为研究和实践领域提供全景式的关于多模态数据整合的方法与策略指导。通过对国内外363篇相关文献的系统分析发现:(1)多模态学习分析中的数据类型主要包含数字空间数据、物理空间数据、生理体征数据、心理测量数据和环境场景数据等5类。在技术支持的教与学环境中,高频、精细、微观的多模态学习数据变得可得、易得、准确。(2)多模态学习分析中的学习指标主要有行为、注意、认知、元认知、情感、协作、交互、投入、学习绩效和技能等。随着技术的发展和人们对学习过程的深刻洞察,学习指标也会变得更加精细化。(3)数据与指标之间展现出"一对一""一对多"和"多对一"三种对应关系。把握数据与指标之间的复杂关系是数据整合的前提,测量学习指标时既要考虑最适合的数据,也要考虑其他模态数据的补充。(4)多模态学习分析中的数据整合方式主要有"多对一""多对多"和"三角互证"三种,旨在提高测量的准确性、信息的全面性和整合的科学性。总之,多模态数据整合具有数据的多模态、指标的多维度和方法的多样性等三维特性。将多模态数据时间线对齐是实现数据整合的关键环节,综合考虑三维特性提高分析结果的准确性是多模态数据整合未来研究的方向。 相似文献
11.
坚毅力是学生综合素质中必备的优秀品质之一，也是我国未来人才培养的核心目标之一，对其开展测评具有重要的现实意义。然而，现有坚毅力测评理论框架的相对宽泛，以及传统主观测评方法的自我局限已不适宜多模态数据支持的测评趋向。为进一步解决这些问题，该研究结合扎根理论、Delphi法构建了包含坚毅力的行为性、情感性、认知性等3个一级指标，专注性、坚持性、积极情感、消极情感、目标意识、自我监控等6个二级指标的学生坚毅力测评理论模型，并以此为框架设计了面向科学探究活动场景的学生坚毅力测评的表现性评价工具。结合理论模型与测评工具，研究对学生坚毅力测评具体指标的数据表征进行了设计与说明。该研究将能够为未来基于多模态数据融合计算的学生坚毅力测评提供理论与工具支持。 相似文献
12.
进入数字化知识经济时代,社会发展对教育活动提出了更高要求,旨在培养高阶思维和创新能力的深度学习备受国际社会的高度关注。为此,“深度学习如何发生”和“如何评估深度学习发生程度”,也成为亟待研究的两个关键学术问题。认知心理学、教育神经学和具身认知为理解深度学习提供了理论基础,指引人们从人—物互动视角认识个体的认知变化过程,打开了个体学习的内隐机制“黑箱”,实现内隐机制和外显表征的桥接与理解。基于这一认识与分析,通过信息输入、深度加工和学习生成三个环节,初步构建了深度学习的发生机制模型,并设置相关的学习状态指标。而要实现对深度学习发生程度的精准评价,则应依据深度学习的多模态数据测评框架,综合性采集与分析学习者的生理数据、自我评估数据、在线学习平台数据和课堂参与数据等多模态数据。但是,在采用多模态数据测评深度学习的发生及其程度时,多模态数据仍存在异质性差距、数据建模缺乏精确度、常态化评价开展困难、数据安全和伦理道德难以得到保障等问题,亟需未来开展更为深入的研究与探索。 相似文献
13.
教师数字画像是实现精准诊断、及时干预和个性化服务的基础,然而国内学者少有关注,特别是多模态数据赋能全息化描绘教师画像的潜力没有得到很好的发掘。本研究从多学科角度系统解析了多模态的内涵,即多模态是表征不同生理、心理或行为反应的不同形态数据。以此为基础,本研究构建了以生理数据为主要成分的多模态数据全息临摹教师画像的机理及画像模型,模型包括关注发展期望勾勒的愿景层、关注研修动态描绘的学习层、关注本体特征刻画的属性层三个层面。之后,研究构建了基于全息画像的个性化机制(包括适性的动力机制和个人路径生成机制)以及机制得以运转的多模态学习分析方略(包括涵盖去伪存真、多维共描、多面临摹三个层面的多模态数据融合分析方略以及涉及精准教学、失败中学、个性化学习三种学习理念的适应性精准决策方略)。希望这一研究成果能对教师全息画像的临摹提供可行的方案,对以此为基础的智慧研修系统与个性化研修服务的构建提供有价值的参考。 相似文献
14.
为实现教学工作的减负增效,文章在精细数据的支持下,依据学校实际情况,对精细数据下的精准教学进行探索.通过精准的备课,准确抓住重难点,精准预设教学情境,课堂上一方面利用精细数据平台实时反馈学生的掌握情况,给出个性化的指导和巩固作业,实现教学的轻负高质;另一方面利用精细数据平台进行教学评价,改变以往碎片化的评价为整体系统多... 相似文献
15.
提高学生课堂认知深度是本科教育高质量发展的核心目标,如何对认知深度展开科学评价是关乎此目标达成的关键,也是深化本科课程教学改革的迫切需求。为此,首先基于经典认知深度评价理论,结合新兴多模态数据分析技术,搭建大学生认知深度多模态评价框架。其次,基于此框架开展实证研究：以Z高校教育技术专业课程“学习科学与技术”为例,通过智能录播系统、在线学习平台等工具从多维学习空间采集主题讨论、自我反思、思维导图、课堂问答、头部姿势等多模态学习数据,采用机器学习方法处理并分析学习数据,综合评价学生认知深度并进行反馈。结果显示,多模态数据支持的评价更能准确地反映学生认知深度,具有显著的以评促学效能,最佳数据源是自我反思、思维导图和课堂问答。 相似文献
16.
《佳木斯教育学院学报》2013,(1)
对建构大学英语课堂管理行为指标的必要性和理论基础进行了阐述,并在此基础上建构了包括两个一级指标即行为管理和环境管理,四个二级指标即学生参与度、课堂节奏、物理环境和心理环境以及若干个观测点的课堂管理行为评价指标。 相似文献
17.
《华东师范大学学报(教育科学版)》2021,(8):45-56
精准教学的教育理念已成为各国共识,智慧教育环境下海量多模态学习数据的生成也使数据驱动的精准教学范式转变成为可能,但目前运用数据解决复杂教学问题的实践存在许多挑战,其突破点在于培养教师的数据智慧。本文从教师数据智慧的角度回答了三个问题:是什么、如何培养以及有哪些影响因素。首先,数据智慧是教学实践经验、数据分析技能、学习科学理论三者的有机整合,其内涵在于数据到智慧的递进转化;在明晰数据智慧的实现路径是掌握数据探究循环的基础上,回应了"培养什么"的问题,并构建了从职前准备到职后发展的培养路径,即在职前阶段弱化学科界限、革新课程体系、创设"实境"学习环境,在职后阶段创新培训模式、组建数据实践共同体,在协作探究和反思性实践中发展集体数据智慧;最后,考虑到数据智慧的培养是一个复杂的、多方联动的动态过程,对其影响因素和作用机制进行了剖析,为教师数据智慧的培养策略提供借鉴,并提出了善用数据智慧的观点。 相似文献
18.
学习投入是学生学习表现的关键影响因素,学习投入的自动识别是被广泛研究的问题。随着信息与传感技术的发展,在真实课堂中采集学生的多模态数据成为可能,如何利用多模态数据提升学习投入识别的准确率是值得研究的问题。文章分析基于外显或内隐信息的单模态模型和基于早期、晚期、混合融合方法的多模态模型,探究：（1）多模态数据相比于单模态数据在识别学习投入状态上的优势;（2）多模态数据融合方法对学习投入状态评估的影响。结果表明：结合外显与内隐信息可以更准确地识别学习投入状态;基于早期或混合融合方式的多模态模型在学习投入状态识别任务上有更佳的表现;融合方式对于最终结果准确性非常重要,不当的融合方式可能引入噪声,降低模型表现。 相似文献
19.
教学问题的精准诊断是基础教育课程教学改革深化的重要诉求和实践难题,而利用多模态诊断的方法发现并改善教学问题是破解上述难题的有力手段。医学领域的“多模态诊断”在主体特征、问题特征、方法特征上均适切于教学问题的追踪与诊断。在明晰多模态诊断教学问题生成逻辑的基础上,从教学问题可辨识、可解释、可调控三大目标旨要出发,分析多模态诊断教学问题的诊断机制,生成由问题发现、异常诊断到实践改进的行动理路,确定多维度数据化表征、动态化精准诊断、复杂性干预三个关键问题,这三个关键问题的破解之道是构建多模态诊断教学问题的实践模型,具体包括教学问题多模态数据整合模型、面向动态教学系统的教学问题多模态诊断模型、基于人本人工智能的教学问题复杂干预模型三个部分,形成从发现问题、分析问题到解决问题的闭合回路,推动多模态诊断教学问题的实现。 相似文献
20.
信息化时代下的多模态数据与教学要素相互依存、相互融合,使高职教学目标、教学资源、教学方式和教学评价呈现信息化、数字化、智能化和数据化的价值意蕴。高职院校应从教学目标的信息化改革、教学资源的数字化改造、教学方式的智能化应用和教学评价的数字化转型等方面把握多模态数据赋能高职教学的逻辑主线,并从组织支持、多模态教学能力支持和信息化条件支持等方面构建多模态数据赋能高职教学的支持机制。 相似文献