学习分析技术支持下的教师在线学习行为特征分析

发布时间：2021-07-30 04:45

　　在线学习已成为教师专业发展的主要途径,参加学习的人员规模大、行为表现复杂。为了探析教师在线学习行为的群体特征,该文以Y市四期教师在线培训为例,应用统计分析、序列分析、关联规则、社会网络分析等方法,从学习活跃、学习投入时间、学习行为序列、社会交互四个方面分析了教师在线学习行为的群体特征。研究发现:教师在线学习活跃性较高;在线学习时间投入充足;在线学习目的性较强且行为活动方式简单;社会交互情况不够理想。因此,建议实施在线学习与线下集中研讨相结合的混合式教师培训,培训安排与支持服务、学习内容与活动设计应符合教师在线学习规律,并提供有效的技术脚手架和干预机制,以期提高教师培训效益。 

【文章来源】：中国电化教育. 2020,(02)北大核心CSSCI

【文章页数】：8 页

【部分图文】：

教师登录学习活跃时间

从图2可知，教师在线学习的活跃率相对稳定，四个培训期次的教师每天登录率平均值为62.35%，表明教师参加在线学习时活跃程度较高。对比发现，第三期培训的教师登录率(41.30%)明显低于其他三期，究其原因是第三期培训的时间安排在教师假期休息时间(6月至8月)导致的。通过学习活跃时间和活跃率的详细数据对比分析发现，教师的学习活跃率与学习活跃时间的变化特征基本符合，即教师在工作日空闲时间参加在线学习的活跃性比休息日高。此外，根据教师登录学习总次数的频次统计分析结果发现，教师登录学习总次数整体呈正态分布，平均登录学习总次数为95.67次。按照学习周期为6—8周来算，也可以看出教师参加在线学习的积极性很高。

以教师每次访问平台(登录时间)并且发生了学习工具使用行为后再离开平台(登出时间)的两个时间点的时间差作为每次访问在线持续时间。因网络技术的限制，一般网络学习系统很难自动捕获到用户准确的离开时间。因此平台设计了“在线学习时间”提示框和“结束学习”按钮，用来提醒教师在线持续时间和辅助捕获教师离开平台的具体时间。平台共记录31.5万多条教师登录信息，其中捕获到符合每次访问在线持续时间计算要求的有效数据为11.5万多条，虽然只有三分之一的有效数据，但也能一定程度上反映出教师每次访问在线持续时间的规律。教师每次访问在线持续时间的频次统计分析如图3所示。从图3中可知，在线持续时间越长，出现的频次越少。每次访问在线持续时间在5分钟之内的频次特别高，5分钟之后大幅度下降，其他时间段下降趋势较为平缓，65分钟出现一个小波峰。后文将结合教师在线学习行为序列分析再深入探讨这种短时(5分钟以内)和长时(65分钟)的在线学习现象。

【参考文献】：
期刊论文
[1]ICT支持的教师学习现状、问题与对策[J]. 潘丽芳.  中国电化教育. 2019(08)
[2]在线教育中教师学习行为态势的影响机制实证研究[J]. 陈雷.  中国远程教育. 2018(10)
[3]基于网络教学平台的学习分析模型构建与应用[J]. 韩锡斌,程建钢.  电化教育研究. 2018(07)
[4]基于行为序列的学习过程分析与学习效果预测[J]. 江波,高明,陈志翰,王小霞.  现代远程教育研究. 2018(02)
[5]基于在线学习行为数据分析的网络教育教学研究与对策[J]. 张洪玲,冯伯驹,李慧,刘树胜.  情报科学. 2017(09)
[6]基于数据挖掘技术的在线学习行为研究综述[J]. 柴艳妹,雷陈芳.  计算机应用研究. 2018(05)
[7]高校SPOC环境下学习者行为序列的差异性分析研究[J]. 刘智,王亚妮,郑年亨,刘三,孙建文,杨重阳.  中国电化教育. 2017(07)
[8]大规模私有型在线课程学习行为及其影响因素研究——以国家开放大学网络课程学习为例[J]. 石磊,程罡,李超,魏顺平.  中国远程教育. 2017(04)
[9]网络学习空间中学习者学习投入的研究——网络学习行为的大数据分析[J]. 张思,刘清堂,雷诗捷,王亚如.  中国电化教育. 2017(04)
[10]基于行为序列分析对在线学习参与模式的探索[J]. 李爽,钟瑶,喻忱,程罡,魏顺平.  中国电化教育. 2017(03)



本文编号：3310720