探析深度学习表征的一种新方法：社会认知网络特征（SENS）

发布时间：2021-05-23 00:34

　　近年来,深度学习在教育领域越来越受到重视,它被划分为三大维度:认知领域、人际领域和自我领域。已有的基于问卷、测试题和访谈等方式进行的学习效果分析,难以满足人们对于深度学习中的动态、过程和综合的分析需求。作为一种新的研究方法,社会认知网络特征（SENS）结合了社会网络分析（SNA）和认知网络分析（ENA）两种分析方法 ,能够很好地对深度学习的三个领域进行分析。通过对原有的SENS方法进行改进,提出了适合深度学习SENS方法的一般步骤,并对每个步骤进行详细的介绍;通过以两个典型案例展示如何利用SENS来促进深度学习,并将深度学习和在线协作数据分析相结合;提出了应用SENS的一些经验与建议,以期为今后研究深度学习提供新的思路和方法。 

【文章来源】：远程教育杂志. 2020,38(03)北大核心CSSCI

【文章页数】：9 页

【文章目录】：
一、引言
二、相关理论
    （一）深度学习
    （二）社会网络分析
    （三）认知网络分析
三、SENS研究方法
    （一）数据获取
    （二）社会关系提取
    （三）社会网络的构建
    （四）内容分析
    （五）认知网络的构建
    （六）社会认知网络特征
四、案例分析
    （一）SENS用于网络课程的深度学习分析
    （二）SENS用于探究思维发展路径的分析
五、经验与建议
    （一）适用范围
    （二）技术实现
    （三）数据处理
六、总结与展望


【参考文献】：
期刊论文
[1]深度学习中的学习者认知网络和动机策略分析——旨向深度学习的U型翻转教学效果研究[J]. 丁继红.  远程教育杂志. 2019(06)
[2]“皮亚杰—比格斯”深度学习评价模型构建[J]. 殷常鸿,张义兵,高伟,李艺.  电化教育研究. 2019(07)
[3]认知网络分析法及其应用案例分析[J]. 王志军,杨阳.  电化教育研究. 2019(06)
[4]智慧教室中的教学交互促进大学生深度学习研究[J]. 陈蓓蕾,张屹,杨兵,熊婕,林利.  电化教育研究. 2019(03)
[5]精准教学中基于同伴互评的评价者认知网络分析[J]. 刘迎春,朱旭,陈乐.  远程教育杂志. 2019(01)
[6]深度学习动机、策略与高阶思维能力关系模型构建研究[J]. 王靖,崔鑫.  远程教育杂志. 2018(06)
[7]影响学习者在线深度学习的因素及其测量研究[J]. 吴亚婕.  电化教育研究. 2017(09)
[8]深度学习:智慧教育的核心支柱[J]. 祝智庭,彭红超.  中国教育学刊. 2017(05)
[9]面向深度学习的在线课程活动设计研究——基于英国开放大学的案例剖析[J]. 冷静,吴小芳,顾小清.  远程教育杂志. 2017(02)
[10]深度学习的研究现状与发展[J]. 何晓萍,沈雅云.  现代情报. 2017(02)



本文编号：3201946