基于个体学习者模型构建的学习效果评估研究

发布时间：2020-12-28 00:04

　　在教育大数据和学习分析受到广泛重视和研究的背景下,文章以数字化学习环境下的个体学习者特征为研究对象,采用模型构建方法、统计分析方法、实证方法、归纳法与演绎法,对基于个体学习者模型建模方法进行了深入研究,并提出了基于个体学习者模型的学习效果评估框架。研究发现:(1)从概念模型、架构模型和实现模型的多视图视角构建学习者模型是确保学习效果评估的前提和必要途径;(2)针对个体学习者模型研究了学习效果评估框架,归纳出学习效果评估模型及各子模型的评估指标体系;(3)基于上述学习效果评估框架进行了实证研究,相关实证内容涉及个体学习者学习效果评估模型的相关性和准确性,通过与学习者实际学习效果相比较,对实证模型的准确性进行了客观评价。 

【文章来源】：电化教育研究. 2018年10期 北大核心CSSCI

【文章页数】：7 页

【部分图文】：

学习者学习效果评估与期末考试成绩相关性图

[参考文献][1]邱均平，欧玉芳.慕课质量评价指标体系构建及应用研究[J].高教发展与评估，2015（5）：72-81.[2]冯天敏，张世禄.网络课程的学习评价设计[J].开放教育研究，2004（3）：34-36.0.01水平上是显著相关的，相关关系如图4所示。图4学习者学习效果评估与期末考试成绩相关性图2.准确性实证从本质上讲，本研究所构建的学习者学习效果评估模型也探索了学习成绩预测技术的适用性，该技术可处理数字指标并提供简单的结果解释。因此，本研究使用平均绝对误差（MAE）和均方根误差（RMSE）来度量学习者学习效果评估模型的准确性，其中平均绝对误差（MAE）定义为所有单个预测值与实际值之间偏差的绝对值的平均，均方根误差（RMSE）为均方误差（MSE）的平方根，均方误差MSE定义为预测值与实际值偏差的平方与观测次数的比值。现以提取的10名学习者的数据为例，依据交叉验证法策略进行验证，可得出MAE=14和RMSE=10.64。针对MAE和RMSE之值的分析如下：（1）MAE=14表示所构造的个体学习者学习效果评估模型对应的成绩与学习者实际学习成绩之间有14分差距。为了比较个体学习者学习效果评估模型所计算得出的成绩折线与个体学习者实际学习成绩折线之间的相似程度，我们将学习者学习效果评估模型所计算得出的成绩折线整体上移14个单位，处理后的效果如图5所示，在此基础上，再计算这二者之间的余弦相似度为99.82%，这表明学习效果评估所得出的结果与实际结果非常接近，即表明本模型的准确性较高。（2）由RMSE=10.64可知，学习者学习效果评估模

【参考文献】：
期刊论文
[1]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)
[2]慕课质量评价指标体系构建及应用研究[J]. 邱均平,欧玉芳.  高教发展与评估. 2015(05)
[3]层次分析法权重计算方法分析及其应用研究[J]. 邓雪,李家铭,曾浩健,陈俊羊,赵俊峰.  数学的实践与认识. 2012(07)
[4]网络课程的学习评价设计[J]. 冯天敏,张世禄.  开放教育研究. 2004(03)
[5]Web环境下协作学习系统开发的现状及趋势(下)[J]. 赵建华,李克东.  电化教育研究. 2004(02)
[6]中国基础教育信息化进展报告[J]. 祝智庭.  中国电化教育. 2003(09)



本文编号：2942754