支持个性化学习的行为大数据可视化研究
发布时间：2021-06-26 03:50
学习云空间是基于云计算技术构建的网络化学习空间,是重要的在线学习环境。空间中行为大数据的直观展示,对学习智能监测与适应性调整至关重要。本研究旨在探讨如何通过动态可视化呈现学习者在云空间中的行为关联大数据,为个性化知识建构提供及时反馈、监督与指导。研究先基于领域特征需求和可视化支撑技术,提出适用于云空间学习环境的可视化设计原则,建立面向智能学习服务的行为大数据可视化机制;然后结合不同空间学习形式,分析可视化内容、方式与时机的判定理论;再针对典型学习场景,制定个性化云空间可视化元素的适应性变更、基于学习全过程的知识点动态组织、交互感知下的可视化方式即时转换和面向群组角色的差异化内容呈现等可视化实现策略;最后采用问卷调查法和实验研究法分析可视化应用的实践效果。结果表明,本研究提出的可视化方案对网络学习空间的个性化学习活动推进及效果提升有良好的支持作用。
【文章来源】：开放教育研究. 2019,25(02)北大核心CSSCI
【文章页数】：12 页
【部分图文】：
图1支持个性化学习的云空间行为大数据可视化机制·75·
图2个人空间界面图3群组空间界面(二)学习行为大数据可视化实践效果1．学习过程行为大数据可视化实践效果分析为了解云空间行为大数据可视化给个性化学习过程带来的影响，笔者采用封闭式问卷对甲组的28名学生的学习情况展开调查。问卷采用李克特五点量表，1～5分别表示完全不同意、不同意、一般、同意、完全同意，问卷共包含10道题，调查统计结果如表二所示。问题1至6用于调查可视化对学习适应程度产生的影响。统计结果显示，大多数学生能够依据可视化的反馈信息，快速适应云空间学习环境，合理规划学习时间，并且主动发现与探索自己在学习过程中存在的问题，不断改善学习策略。此外，可视化对学习群组内的交流协作以及个体学习心态的及时调整有益。可见，学习行为大数据可视化在改善云空间学习适应度方面从整体上得到认可。然而，问题4和5的统计结果表明，3.57%的学生认为可视化在改善学习策略与促进组内交流方面效果不佳，问题6的统计结果表明，7.14%的学生认为可视化在帮助调整学习心态上没有发挥作用，究其原因可知，虽然将学习行为以视觉形式告知，但学习者在行为改进上主要依赖助学者提供的建议或根据自己的经验做出改变，平台缺少相应的学习建议，使部分学生改变了学习行为却没有取得更好的学习成效。接下来，考虑在云空间中结合部分可视化结果给出相应的学习指导意见，作为学习者行为改进的参照。问题7至10用于调查可视化对学习注意力产生的影响。由调查结果可知，可视化能够将学生的注意力集中到要完成的任务上，并促使其坚持完成各阶段的学习任务，而且在此过程中能准确获取学习信息，减少出错率，随着个?
．143．570．006．有助于及时调整学习心态10．7153．5728．573．573．57学习注意力7．有助于将注意力集中到要完成的学习任务上14．2964．2914．293．573．578．有助于坚持完成各阶段的学习任务7．1460．7121．4310．710．009．有助于准确获取学习信息，减少完成任务过程中的出错率10．7157．1417．8610．713．5710．有助于主动且有目的地将注意力从一项学习活动转移到另一项学习活动7．1450．0032．1410．710．00进行了量化。首先，将甲、乙两组学生各个任务的完成效果进行两两对比(见图4)。从图中可以看出，两组任务的完成效果均会随着任务难度有所起伏，但随着学习活动的开展，它们的差距逐渐变大并在中后期趋于稳定。分析得知，学习初期的内容比较基础，任务相对简单，学生受可视化的影响相对较小，因此任务完成效果相差不大;随着学习内容层次逐渐提高，任务难度不断增大，两组学生的任务完成效果出现明显差别。进一步观察发现，任务9的差距小于任务5，主要因为在任务9前给学生提供了准备时间，使其有机会复习巩固还没来得及掌握的知识，而任务5没有，比较来看，虽然差距缩小了，但甲组依然优于乙组。接下来，为探究可视化是否对不同层次的学生均有帮助，本研究将两组学生按照高(6人)、中(16人)、低(6人)分三个梯度，经过10个星期的学习后，分别比较不同层次学生的期末测试成绩(见图5)。观察发现，甲组三个层次的学生成绩皆高于乙组，而从各层次学生成绩差距来看，中等层次差距最大。随后，对中等层次学生的期末成绩进行独立样本T检验(见表三)，观察得出两组成绩存在显著差异(P＜0．05)。可见，可视化对各层?
【参考文献】：
期刊论文
[1]关键技术驱动的信息技术交叉融合——网络学习空间内涵与学校教育发展研究之一[J]. 郭绍青,贺相春,张进良,李玉斌. 电化教育研究. 2017(05)
[2]网络学习空间的发展:内涵、阶段与建议[J]. 杨现民,赵鑫硕,刘雅馨,潘青青,陈世超. 中国电化教育. 2016(04)
[3]学习云空间支持下的研究性学习研究与实践[J]. 黄昌勤,王希哲,张冬冬,梅晓勇,周宇文. 中国电化教育. 2015(08)
[4]开放学习资源设计、开发与运营的可视化策略[J]. 黄安心. 中国电化教育. 2015(07)
[5]教育虚拟社区:教育大数据的必然回归[J]. 张洪孟,胡凡刚. 开放教育研究. 2015(01)
[6]学习元平台的设计及其应用场景分析[J]. 杨现民,程罡,余胜泉. 电化教育研究. 2013(03)
本文编号：3250574
【文章来源】：开放教育研究. 2019,25(02)北大核心CSSCI
【文章页数】：12 页
【部分图文】：
图1支持个性化学习的云空间行为大数据可视化机制·75·
图2个人空间界面图3群组空间界面(二)学习行为大数据可视化实践效果1．学习过程行为大数据可视化实践效果分析为了解云空间行为大数据可视化给个性化学习过程带来的影响，笔者采用封闭式问卷对甲组的28名学生的学习情况展开调查。问卷采用李克特五点量表，1～5分别表示完全不同意、不同意、一般、同意、完全同意，问卷共包含10道题，调查统计结果如表二所示。问题1至6用于调查可视化对学习适应程度产生的影响。统计结果显示，大多数学生能够依据可视化的反馈信息，快速适应云空间学习环境，合理规划学习时间，并且主动发现与探索自己在学习过程中存在的问题，不断改善学习策略。此外，可视化对学习群组内的交流协作以及个体学习心态的及时调整有益。可见，学习行为大数据可视化在改善云空间学习适应度方面从整体上得到认可。然而，问题4和5的统计结果表明，3.57%的学生认为可视化在改善学习策略与促进组内交流方面效果不佳，问题6的统计结果表明，7.14%的学生认为可视化在帮助调整学习心态上没有发挥作用，究其原因可知，虽然将学习行为以视觉形式告知，但学习者在行为改进上主要依赖助学者提供的建议或根据自己的经验做出改变，平台缺少相应的学习建议，使部分学生改变了学习行为却没有取得更好的学习成效。接下来，考虑在云空间中结合部分可视化结果给出相应的学习指导意见，作为学习者行为改进的参照。问题7至10用于调查可视化对学习注意力产生的影响。由调查结果可知，可视化能够将学生的注意力集中到要完成的任务上，并促使其坚持完成各阶段的学习任务，而且在此过程中能准确获取学习信息，减少出错率，随着个?
．143．570．006．有助于及时调整学习心态10．7153．5728．573．573．57学习注意力7．有助于将注意力集中到要完成的学习任务上14．2964．2914．293．573．578．有助于坚持完成各阶段的学习任务7．1460．7121．4310．710．009．有助于准确获取学习信息，减少完成任务过程中的出错率10．7157．1417．8610．713．5710．有助于主动且有目的地将注意力从一项学习活动转移到另一项学习活动7．1450．0032．1410．710．00进行了量化。首先，将甲、乙两组学生各个任务的完成效果进行两两对比(见图4)。从图中可以看出，两组任务的完成效果均会随着任务难度有所起伏，但随着学习活动的开展，它们的差距逐渐变大并在中后期趋于稳定。分析得知，学习初期的内容比较基础，任务相对简单，学生受可视化的影响相对较小，因此任务完成效果相差不大;随着学习内容层次逐渐提高，任务难度不断增大，两组学生的任务完成效果出现明显差别。进一步观察发现，任务9的差距小于任务5，主要因为在任务9前给学生提供了准备时间，使其有机会复习巩固还没来得及掌握的知识，而任务5没有，比较来看，虽然差距缩小了，但甲组依然优于乙组。接下来，为探究可视化是否对不同层次的学生均有帮助，本研究将两组学生按照高(6人)、中(16人)、低(6人)分三个梯度，经过10个星期的学习后，分别比较不同层次学生的期末测试成绩(见图5)。观察发现，甲组三个层次的学生成绩皆高于乙组，而从各层次学生成绩差距来看，中等层次差距最大。随后，对中等层次学生的期末成绩进行独立样本T检验(见表三)，观察得出两组成绩存在显著差异(P＜0．05)。可见，可视化对各层?
【参考文献】：
期刊论文
[1]关键技术驱动的信息技术交叉融合——网络学习空间内涵与学校教育发展研究之一[J]. 郭绍青,贺相春,张进良,李玉斌. 电化教育研究. 2017(05)
[2]网络学习空间的发展:内涵、阶段与建议[J]. 杨现民,赵鑫硕,刘雅馨,潘青青,陈世超. 中国电化教育. 2016(04)
[3]学习云空间支持下的研究性学习研究与实践[J]. 黄昌勤,王希哲,张冬冬,梅晓勇,周宇文. 中国电化教育. 2015(08)
[4]开放学习资源设计、开发与运营的可视化策略[J]. 黄安心. 中国电化教育. 2015(07)
[5]教育虚拟社区:教育大数据的必然回归[J]. 张洪孟,胡凡刚. 开放教育研究. 2015(01)
[6]学习元平台的设计及其应用场景分析[J]. 杨现民,程罡,余胜泉. 电化教育研究. 2013(03)
本文编号：3250574
本文链接：https://www.wllwen.com/jiaoyulunwen/jsxd/3250574.html
