面向高校远程教育的MOOC学业管理和分析方法研究
发布时间:2021-01-03 03:05
大规模开放网络课程MOOC是一种基于互联网技术的新型远程教育课程模式。针对MOOC缺乏管理和监督机制,以及学业评估方式过于简单化等问题,本文研究在高校环境下的MOOC学业管理和分析方法。通过建立面向MOOC的学业管理系统,管理和跟踪学生的学习进程;通过对学习、交互行为等数据的分析,建立学业分析模型,合理地评估和预测学生的学业走向和成绩,确保取得预期的教学效果。本研究对于有效利用MOOC的优秀课程资源,提高普通高校的教学水平具有实际意义。
【文章来源】:现代远距离教育. 2014年02期 CSSCI
【文章页数】:6 页
【文章目录】:
一、引言
二、MOOC 的现状和存在的问题
三、面向 MOOC 的学业管理、分析和预测
1. MOLMA系统功能
( 1) MOLMA系统的学业管理功能
( 2) MOLMA系统的学业分析和预测功能
2. MOLMA架构和应用平台
( 1) 基于Web平台的MOLMA系统
( 2) 基于社交网络的MOLMA系统
3. MOLMA中学业分析和预测的方法
( 1) 统计学方法
( 2) 机器学习方法针对多个学业指标和学业成绩之间的相关性,则采用多元回归和F检验的方法进行分析。回归建模方法针对学业指标和学业成绩产生最合适的预测模型,模型能够合并很多的核心变量来评价学生的最终成绩。
( 3) 图模型方法
四、结论
本文编号:2954189
【文章来源】:现代远距离教育. 2014年02期 CSSCI
【文章页数】:6 页
【文章目录】:
一、引言
二、MOOC 的现状和存在的问题
三、面向 MOOC 的学业管理、分析和预测
1. MOLMA系统功能
( 1) MOLMA系统的学业管理功能
( 2) MOLMA系统的学业分析和预测功能
2. MOLMA架构和应用平台
( 1) 基于Web平台的MOLMA系统
( 2) 基于社交网络的MOLMA系统
3. MOLMA中学业分析和预测的方法
( 1) 统计学方法
( 2) 机器学习方法针对多个学业指标和学业成绩之间的相关性,则采用多元回归和F检验的方法进行分析。回归建模方法针对学业指标和学业成绩产生最合适的预测模型,模型能够合并很多的核心变量来评价学生的最终成绩。
( 3) 图模型方法
四、结论
本文编号:2954189
本文链接:https://www.wllwen.com/jiaoyulunwen/jiaoyujiaoxuefangfalunwen/2954189.html