数据驱动的协作学习活动设计与优化策略研究

发布时间：2020-12-25 15:00

　　协作学习活动的设计和优化无论在理论还是实践层面都是一大难题。目前,主要存在重结果轻过程、重经验轻数据、数据来源单一、不重视设计、优化体系不完善等问题。事实上,基于多源数据的设计与优化才能使得协作学习达到理想的效果。该文提出基于数据驱动的协作学习活动设计和优化策略,并通过六次协作学习活动探索如何科学设计并优化协作学习活动。采用的数据来源包括协作学习设计方案的数据、设计与实施的一致性、协作学习实施过程中信息流的属性以及协作学习结果四大类11个指标。优化策略包括优化任务设计、提供多元媒体类型、设计不同难度的目标和任务、设计认知和元认知脚手架、搭建协作共享环境、明确交互规则等。研究结果表明,优化后的协作学习活动较优化前在方案质量、设计与实施的一致性、协作学习的信息流属性以及协作学习结果均有显著提升。 

【文章来源】：中国电化教育. 2020年06期 北大核心CSSCI

【文章页数】：10 页

【部分图文】：

数据驱动的协作学习活动设计与优化研究模型

媒体多元性用于表征协作学习过程中媒体工具的多样性程度。借助信息熵的特性，信源种类越多，信息熵越大[30]，构建了协作学习设计方案中媒体多元性的测量指标，用以反映媒体种类的丰富性和多样性，计算方法如公式(2)所示：图3 任务设计中激活的知识

任务设计中激活的知识

【参考文献】：
期刊论文
[1]基于自评与互评的网络协作学习贡献度评价[J]. 张红英,陈明选,马志强,闫雪静.  现代远程教育研究. 2019(02)
[2]智慧教室环境下数据启发的教学决策研究[J]. 管珏琪,孙一冰,祝智庭.  中国电化教育. 2019(02)
[3]DCR视野下问题解决类协作学习设计的一项个案研究[J]. 杨开城,刘晗.  电化教育研究. 2018(11)
[4]协作学习活动设计质量评估方法的个案研究[J]. 崔盼盼,郑兰琴.  现代教育技术. 2018(10)
[5]协作学习活动的结构化设计框架[J]. 何文涛.  电化教育研究. 2018(04)
[6]数据驱动下的学习支持设计与实践[J]. 李士平,赵蔚,刘红霞.  电化教育研究. 2018(03)
[7]大数据驱动教育变革与创新[J]. 杨宗凯.  大数据时代. 2017(05)
[8]国内外基于设计的研究应用案例述评[J]. 单迎杰,傅钢善.  电化教育研究. 2017(05)
[9]基于概念图的协作评价活动设计与应用研究[J]. 陈明选,龙琴琴,马志强.  电化教育研究. 2016(11)
[10]基于预学习数据分析的精准教学决策[J]. 雷云鹤,祝智庭.  中国电化教育. 2016(06)



本文编号：2937878