基于文本挖掘的教学设计能力需求研究——以北上广深的教学设计相关岗位数据为例

发布时间：2020-12-16 12:21

　　教育改革、在线教育、STEM教育的不断发展,对教育工作者的教学设计能力提出了新的要求,如何识别这些要求,成为教学设计领域不可忽视的问题。该研究从市场真实数据入手,采用文本挖掘技术分析教学设计能力需求,包括:根据现有研究提出教学设计能力分析框架;使用爬虫技术获取北上广深一线城市与"教学设计"相关的岗位数据,进行分组、分词等文本预处理,并使用分类器验证分类合理;依据教学设计分析能力框架和分词结果构建教学设计能力指标体系与词袋模型;建立能力分析雷达图,呈现每类岗位能力需求的具体情况;并根据研究结果提出提供灵活的课程体系以满足教学设计能力需求的模块组合、丰富前沿领域的教学实践以培养实战能力等建议。 

【文章来源】：中国教育信息化. 2019年23期

【文章页数】：7 页

【部分图文】：

研究框架

分类器通过学习训练集中的数据建立相应模型，然后根据模型对测试集中的数据进行分类，理想情况下训练集的数据越大，训练的模型越准确。本研究将总数据分别按照0.01、0.02、0.03、0.04、0.05、0.06、0.07、0.08、0.09、0.1、0.2、0.3、0.4、0.5的比例随机抽取出数据组成测试集，剩下的数据组成训练集，进行测试并输出错误率。每种情况测试10次取平均值作为该情况下的错误率，各分类器的错误率如图5所示。从图5可以看出基于欧式距离与基于余弦相似度的k NN算法效果几乎等价，这在意料之中，两者错误率均围绕在75%上下，比使用了贝叶斯原理的算法高得多，笔者认为产生这种情况的原因在于，特征项数目众多（8188），并非所有特征项都具有很好的区分度，将每个特征项的差异“累加”起来的算法，误差会比较大。若还要使用k NN算法对文本进行分类，可以考虑采取一些聚类措施，降低特征向量的维度。本研究使用分类器的目的不是改进分类算法，而是找到合适的分类模型证明对职位进行的三种分类是合理的，因此不再深入阐述算法。

用表2生成的能力分析雷达图如图6所示。从图6可以看出，在9个能力指标中，教师/讲师类岗位对“情感态度和个人素质”和“教学能力”的需求很突出，其次是“管理能力”、“分析设计能力”与“沟通能力”，对计算机能力的要求不高；研发设计类对“分析设计”能力的需求最突出，其次是“计算机语言能力”和“管理能力”；职能类岗位对“管理能力”的需求最为突出，其次是“分析设计能力”以及“教学能力”。

【参考文献】：
期刊论文
[1]文本分类TF-IDF算法的改进研究[J]. 叶雪梅,毛雪岷,夏锦春,王波.  计算机工程与应用. 2019(02)
[2]基于多媒体信息检索的有监督词袋模型[J]. 袁桂霞,周先春.  计算机工程与设计. 2018(09)
[3]基于文本挖掘的互联网教育课程主题发现与聚类研究[J]. 李梦杰,刘建国,郭强,李仁德,汤晓雷.  上海理工大学学报. 2018(03)
[4]基于改进的TF-IDF算法的微博话题检测[J]. 陈朔鹰,金镇晟.  科技导报. 2016(02)
[5]IBSTPI国际教学设计能力新标准述要——教学设计师专业化发展的一种图景[J]. 方向,盛群力.  远程教育杂志. 2015(03)
[6]国际教学设计研究三十年[J]. 杜华.  开放教育研究. 2013(05)
[7]能力概念的多维透视[J]. 吴晓义,杜晓颖.  吉林工程技术师范学院学报. 2006(04)



本文编号：2920141