学习计算视阈下基于CIEO分析思想的学习结果预测设计与实证研究

发布时间：2021-05-24 08:04

　　设计具有可指导、可理解和可操作的系统化学习结果预测理论是改善学习成效的一种教学处方。研究从学习活动理论视角阐述了MOOCs环境下的学习过程与学习结果,并提出CIEO学习结果预测分析思想和学习结果预测工作模型。该模型包括理论层、参与层和行为层,其中,理论层包括个性化学习理论、项目反应理论和社会认知理论,分别对参与层中的学习内容、学习互动和学习评价进行指导;参与层是从学习活动的主要表现形式层面进行设计;行为层则遵循"目标—过程—结果"的分析思路,从学习行为的具体表现层面进行设计。在此基础上,对学习行为分析指标进行设计,形成面向学习结果的六类分析指标,即基于学习内容行为的完成度和掌握度、基于学习互动行为的参与度和贡献度、基于学习评价行为的测评完成度和通过率。最后,采用多元回归分析法对学习行为指标与学习结果的相关性进行探索;采用属性选择法、预测分类法、文本分析法对学习行为分析指标的重要性、预测准确率进行验证性分析,并得出学习结果预测计算方程。 

【文章来源】：电化教育研究. 2019,40(10)北大核心CSSCI

【文章页数】：8 页

【文章目录】：
一、研究背景
二、研究设计
    (一)研究问题
    (二)研究样本
    (三)研究方法与工具
三、CIEO学习结果预测分析思想与预测工作模型设计
    (一)MOOCs环境下的学习过程与学习结果阐述
    (二)CIEO学习结果预测分析思想
    (三)基于CIEO的学习结果预测工作模型
四、面向学习结果的学习行为分析指标计算设计
    (一)学习内容分析指标设计
    (二)学习互动分析指标设计
    (三)学习评价分析指标设计
五、研究结果分析
    (一)学习行为分析指标与学习结果的相关性分析
    (二)学习行为分析指标的重要性评估
    (三)基于学习行为分析指标的预测分析结果
    (四)基于学习行为分析指标的学习结果预测计算方程式
六、研究局限与展望



本文编号：3203862