排序方式： 共有6条查询结果，搜索用时 15 毫秒
1
1.
自我调节学习能力是学习者应具备的一种基础而重要的学习能力,深入了解学习者的自我调节学习模式和发展轨迹,有助于教师更好地在协作学习活动中为学习者提供个性化学习指导。文章以87名参与《现代教育技术》课程协作学习活动的学习者所撰写的活动反思为数据源,对不同学业成就的学习者在自我调节学习中的调节活动、调节模式和发展轨迹进行了动态分析。结果发现：（1）高绩效学习者具有更多的预先计划和自我反思等调节活动,但在行为表现阶段与低绩效学习者无显著差异;（2）高绩效学习者拥有更多的自我评估行为和更为深入的自我反思调节模式;（3）高绩效学习者在预先计划阶段即能够产生价值认同并激发学习兴趣,而低绩效学习者的价值认同更为滞后。针对上述差异,文章给出了相应的教学启示,包括：为低绩效学习者提供预先计划阶段和自我反思阶段的学习脚手架、在任务起始阶段引导低绩效者实现对任务的价值认同、引导并辅助低绩效学习者开展自我评估等。 相似文献
2.
认知参与是协作学习中小组表现的一个重要指标。本研究提出了一种项目式多粒度协作学习模型,将项目式学习与多粒度协作学习策略结合起来,以提高工程教育中设计类课程的认知参与和学习绩效。为了验证模型的有效性,从一门工程设计类课程中采集了学习者进行数据库系统设计时的协作会话数据。数据分析显示,在基于项目式多粒度协作学习模型的小组合作过程中,学习者的高阶认知参与被不断提升。其中,反思活动可以极大地提高学习者的高阶认知参与。此外,个体准备和同伴评估中的高阶认知参与可以极大地提高协作中的小组表现。这些发现对协作学习活动的组织具有参考价值。项目式多粒度协作学习策略可以提升工程设计类课程中学习者的高阶认知参与和小组绩效。教师应重点关注个体准备和同伴评估活动,激发学习者在这两类活动中的高阶认知参与,这可以帮助学习者在小组协作中取得更大的进步。 相似文献
3.
针对慕课论坛中讨论主题数量巨大,教师难以及时反馈的现象,文章提出了一种基于大数据技术的慕课论坛教师干预预测方法.该方法根据学习者的干预需求将慕课论坛中的教师干预分为三种类型:内容相关需干预、管理相关需干预和不需干预.在该分类的基础上,提出了基于词类迸行语义特征提取和基于课程知识图谱的内容特征提取方法,对讨论帖的文本内容迸行表征,并通过机器学习的方法对教师干预类型迸行预测.以中国大学慕课网中"数据库系统概论"课程的教师答疑区主题讨论为数据源,对上述方法的有效性迸行验证,发现:(1)基于词类和知识图谱的语义表征方法能够对论坛主题的教师干预需求迸行预测,准确率可达到75.86％;(2)不同类型的讨论帖具有不同的语义特征,反映出慕课学习中学习者不同的学习需求,需要教师给予及时、个性化的干预与指导.将慕课论坛教师干预的预测结果推送给慕课教师和课程管理人员,可以大大提升教学管理效率和学习者学习体验. 相似文献
5.
在线协作会话是在线学习活动的重要组成部分，也是促进学习者进行协同知识建构的重要手段，因此越来越受关注。目前，由于分析框架和分析方法不够完善，导致当前在线协作会话存在分析维度单一、自动化程度较低等问题。为此，文章首先提出了一种数据驱动的多维融合在线协作会话分析框架和可计算模型，然后提出了协作水平系数和协作投入倾向两个核心指标对会话状态进行整体评估，最后进行了案例分析。案例分析的结果表明：协作水平系数能够准确表征学习者在在线协作会话中的协作状态；在线协作会话可计算模型可以直观地呈现学习者在线协作会话过程中的核心特征和学习者的个体差异性；学习者的在线协作会话模式包括领导型、思想型、中庸型和边缘型四种典型类型。文章通过研究验证了模型的有效性和其对于在线协作会话自动分析与评估的实践价值，期望能够为在线协作会话的自动化分析提供参考。 相似文献
6.
学习者的协作会话数据是深入了解其学习过程和认知状态的一类重要数据。但由于自然语言的灵活性和学习情境的复杂性，协作会话数据分析的自动化程度一直不高，难以大规模应用。文章从人工智能视域出发，构建了基于人工智能技术的在线协作会话分析概念模型，对在线协作会话分析的理论基础、基本特征、分析流程和常用方法进行了论述，并进一步详细分析了“基于信息论的知识贡献测量”和“基于语义的协作会话学习投入自动分析”两个在线协作会话分析典型案例。案例证明了该模型能够将人工智能技术的“可计算”与教育研究的“可理解”相结合，为人工智能技术与协作会话分析融合搭建了桥梁，对在线协作会话分析实践具有重要的指导和参考价值。 相似文献
1