智能化环境中基于学习分析的学习行为优化研究

发布时间：2021-05-15 23:59

　　学习环境的智能化已成为主流趋势,如何合理运用学习分析技术挖掘并分析其中的学生学习行为数据,优化学生学习行为、激发其学习主动性,是在线教育领域值得关注的课题。为此,基于对学习行为文献的分析,从数据采集与存储、行为分析、反馈与提醒、智能化行为优化、智能引擎等五个方面,构建了学习行为优化模型,并将模型运用于湖南S大学《信息技术与课程整合》课程的智慧教学实践中,依托智慧教学平台获取并分析学生学习行为数据,再针对具体情景采取合理的学习行为优化措施。研究结果表明,经过这一优化,不仅有效提升了学生认知维度的学习成绩、强化了互动维度的学习互动;而且提高了时效维度的学习任务完成率、强化了参与维度的学习积极性和参与性。 

【文章来源】：远程教育杂志. 2020,38(02)北大核心CSSCI

【文章页数】：11 页

【文章目录】：
一、引言
二、研究综述
    （一）在线学习行为类型及构成研究
    （二）数据支持的在线学习行为研究
三、学习行为优化模型
    （一）模型构建的理论基础
    （二）模型的构成要素及运行机制
四、实证研究设计
    （一）研究对象
    （二）研究假设
    （三）数据收集与分析
五、学习行为优化的效果分析
    （一）认知维度的优化效果分析
    （二）互动维度的优化效果分析
    （三）时效维度的优化效果分析
    （四）参与维度的优化效果分析
六、结论
    （一）数据的采集与分析是学习行为优化的基础
    （二）学习环境的优化是学习行为优化的前提
    （三）学生主动性的激发是学习行为优化的根本
    （四）教育智力资源的有效服务是学习行为优化的保障


【参考文献】：
期刊论文
[1]大数据视阈下学习资源智能推荐模型构建[J]. 张进良,叶求财.  湖南科技大学学报(社会科学版). 2019(04)
[2]MOOC中学习者流失问题的预测分析——基于24篇中英文文献的综述[J]. 范逸洲,刘敏,欧阳嘉煜,汪琼.  中国远程教育. 2018(04)
[3]学习分析视角下的数字化课堂互动优化研究[J]. 郁晓华,黄沁.  中国电化教育. 2018(02)
[4]叶圣陶“教是为了不教”的理论意蕴与现实意义[J]. 任苏民.  教育研究. 2017(11)
[5]课堂环境中基于面部表情的教学效果分析[J]. 韩丽,李洋,周子佳,宋沛轩.  现代远程教育研究. 2017(04)
[6]基于大数据学习分析的在线学习绩效预警因素及干预对策的实证研究[J]. 赵慧琼,姜强,赵蔚,李勇帆,赵艳.  电化教育研究. 2017(01)
[7]学习分析视域下的学习者模型研究脉络与进展[J]. 马志强,苏珊.  现代远距离教育. 2016(04)
[8]新媒体联盟《地平线报告》（2016高等教育版）解读与启示[J]. 金慧,刘迪,高玲慧,宋蕾.  远程教育杂志. 2016(02)
[9]基于大数据的个性化自适应在线学习分析模型及实现[J]. 姜强,赵蔚,王朋娇,王丽萍.  中国电化教育. 2015(01)
[10]学习仪表盘:大数据时代的新型学习支持工具[J]. 张振虹,刘文,韩智.  现代远程教育研究. 2014(03)



本文编号：3188569