学业成就与学业风险的预测——基于学习分析领域中预测指标的文献综述
发布时间：2021-02-04 01:38
学习分析作为一个从数据中建构意义的研究领域,在过去几年的发展中备受学界关注。学习分析领域的核心问题之一是如何利用数据预测学习者的学业成功或者失败?围绕这一问题,国内外学者开展了大量实证研究,取得了丰富的研究成果。但是,预测指标研究的相关综述却存在一定局限性,如忽视指标适用的学习场所和情境、模糊指标匹配的学习任务类型和参与主体,或是有些综述缺失了领域内的代表性学者、研究和应用。因此,本文通过系统的文献检索和综述,从预测指标适用的学习场所和任务类型出发,梳理了倾向性指标、人机交互指标和人际交互指标三种类型的常用预测指标。本文详细地介绍了过往学业表现、初始知识、学习驱动力、正面或负面学习行为、学习者情感状态、知识表征事件、人际交互频次、社群意识等一系列得到广泛验证的关键预测指标,并将按照"学校场所和工作场所"和"个体学习和群体学习"两个维度划分的四个象限,在每个象限中选取一个典型的学习分析系统进行剖析,这些典型系统是Signals系统、SNAPP系统、Learn-B系统和Cohere系统。本文最后总结了预测分析相关研究的特点和趋势,并指明了未来研究与实践的注意事项和潜在的研究方向。
【文章来源】：中国远程教育. 2018,(01)北大核心CSSCI
【文章页数】：13 页
【部分图文】：
倾向性指标和行为表现指标预测能力变化
erguson,etal.,2011Shum,2008四、预测分析的典型应用上面以具体指标为单位，综述学习分析领域重要的三类预测指标以及这些指标适用的学习场所和任务类型。下面，本文将按照“学校场所和工作场所”和“个体学习和群体学习”两个维度划分的四个象限，在每个象限中选取一个典型的学习分析系统，对预测分析做进一步的阐述。（一）学校场所与个体学习：Signals系统CourseSignals系统是美国普渡大学于2007年开发的学习预警系统，经过多年的实践和研究，Signals系统已经成为当今学习分析领域最为成功的实践案例之一（如图2）。最初的Signals系统是针对普渡大学大一新生开发的，用以预测学业表现和学生保留的数据挖掘工具，服务于师生以达成更高的学习成功率和学生保留率，属于典型的学校场所下主要服务于个体学习情境的学习分析应用（Arnold&Pistilli,2012）。系统主要依据四个预测指标：表现行为（课程内截止开展分析时学生获得的分数）、努力程度（相较课程评价水平学生在学习管理系统内交互的频次等）、过往学业成绩（包括高中时期的GPA分数、标准化考试得分等）以及学生的基本数据（如年龄、住处等社会经济背景信息）。通过特定的学业成功算法（studentsuccessalgorithm，SSA），学生的学习过程状态被划分成红灯（高风险）、黄灯（预警）和绿灯（良好）三个状态。状态通过可视化的手段反馈给老师和学生，以便老师采取一系列的干预措施，包括将Signals信号在学生端凸显、给高风险学生推送邮件、当面约谈等。随着系统的迭代开发，学生端也逐渐能够看到自己各门课程的Signals状态，并可以主动采取某些自我干预的行为（Arnold,etal.,2012）。图2普度大学Signals系统应用①一项跨度三年的研究结果表明，在学业成就和学生保留
晕壹嗫氐墓ぞ撸?迷惫た墒踊?亓私獾阶?己在该能力任务上的进展情况。不仅如此，该员工还能看到其他员工发布的在相似能力任务下的能力发展更新、学习文档分享、学习任务递进等信息（SocialWave），并且通过可视化的界面将自己的学习与组织整体的情况做比较（Gasevic,etal.,2012）。开发团队将Learn-B的工作场所下自我调节学习的关键步骤和Learn-B提供的主要干预工具做关联度分析，研究发现Learn-B的几个关键工具或干预能够很有效地支持员工的自我调节学习。最主要的一个研究发现是：如果系统提供的干预能够图3SNAPP工具对交互行为的可视化表达唤起或者提高员工的社群12
本文编号：3017500
【文章来源】：中国远程教育. 2018,(01)北大核心CSSCI
【文章页数】：13 页
【部分图文】：
倾向性指标和行为表现指标预测能力变化
erguson,etal.,2011Shum,2008四、预测分析的典型应用上面以具体指标为单位，综述学习分析领域重要的三类预测指标以及这些指标适用的学习场所和任务类型。下面，本文将按照“学校场所和工作场所”和“个体学习和群体学习”两个维度划分的四个象限，在每个象限中选取一个典型的学习分析系统，对预测分析做进一步的阐述。（一）学校场所与个体学习：Signals系统CourseSignals系统是美国普渡大学于2007年开发的学习预警系统，经过多年的实践和研究，Signals系统已经成为当今学习分析领域最为成功的实践案例之一（如图2）。最初的Signals系统是针对普渡大学大一新生开发的，用以预测学业表现和学生保留的数据挖掘工具，服务于师生以达成更高的学习成功率和学生保留率，属于典型的学校场所下主要服务于个体学习情境的学习分析应用（Arnold&Pistilli,2012）。系统主要依据四个预测指标：表现行为（课程内截止开展分析时学生获得的分数）、努力程度（相较课程评价水平学生在学习管理系统内交互的频次等）、过往学业成绩（包括高中时期的GPA分数、标准化考试得分等）以及学生的基本数据（如年龄、住处等社会经济背景信息）。通过特定的学业成功算法（studentsuccessalgorithm，SSA），学生的学习过程状态被划分成红灯（高风险）、黄灯（预警）和绿灯（良好）三个状态。状态通过可视化的手段反馈给老师和学生，以便老师采取一系列的干预措施，包括将Signals信号在学生端凸显、给高风险学生推送邮件、当面约谈等。随着系统的迭代开发，学生端也逐渐能够看到自己各门课程的Signals状态，并可以主动采取某些自我干预的行为（Arnold,etal.,2012）。图2普度大学Signals系统应用①一项跨度三年的研究结果表明，在学业成就和学生保留
晕壹嗫氐墓ぞ撸?迷惫た墒踊?亓私獾阶?己在该能力任务上的进展情况。不仅如此，该员工还能看到其他员工发布的在相似能力任务下的能力发展更新、学习文档分享、学习任务递进等信息（SocialWave），并且通过可视化的界面将自己的学习与组织整体的情况做比较（Gasevic,etal.,2012）。开发团队将Learn-B的工作场所下自我调节学习的关键步骤和Learn-B提供的主要干预工具做关联度分析，研究发现Learn-B的几个关键工具或干预能够很有效地支持员工的自我调节学习。最主要的一个研究发现是：如果系统提供的干预能够图3SNAPP工具对交互行为的可视化表达唤起或者提高员工的社群12
本文编号：3017500
本文链接：https://www.wllwen.com/jiaoyulunwen/xuekejiaoyulunwen/3017500.html
