基于社会认知理论的MOOC学习行为建模及学习效果预测研究

发布时间：2021-06-20 14:21

　　随着终身教育思想的普及和学习型社会观念的深入,我国越来越多的在线学习平台如MOOC等如雨后春笋般不断涌出。这些在线学习平台虽然组织合理,资源丰富,技术日臻完善,但是仍然无法避免在线学习普遍的弊端——师生分离。由于无法直观的对学习者的一系列学习行为进行观察,使得良性干预与合理指导无法发挥作用,很多学习者的学习以半途而废或失败告终。教育的大数据特性为我们提供了解决问题的思路。学习者每天在各种学习平台上产生大量的数据,通过挖掘在线学习者的行为数据,了解学习者的行为特征、学习模式继而分析学习问题,预测学习结果是教育大数据时代缩短学习改良周期,提升在线学习效果的有效途径。大量研究表明,MOOC学习者的在线学习行为是预测学习者学习效果的重要变量,并且,随着研究的深入,人们逐渐意识到在线学习行为受到诸多因素的影响,尤其是学习者的学习心理方面。因此,如果不能全面分析在线学习行为背后的影响因素,就无法真正对在线学习者的学习行为作出解释,也无法为在线学习效果的评价和预测提供依据。虽然对该领域的研究粒度正不断细化,但对于如何选取影响学习行为的因素,如何对在线学习行为进行划分,如何有效建模学习者的学习行为,如... 

【文章来源】：湖北大学湖北省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图１－１研究思路流程图??第四章：基于社会认知理论的ＭＯＯＣ学习行为修正模型

图２－１行为科学基本原理??

图２－４在线学习行为的类别??２．２．２在线学习行为模型??

【参考文献】：
期刊论文
[1]基于MOOC数据的学习者辍课预测研究[J]. 王雪宇,邹刚,李骁.  现代教育技术. 2017(06)
[2]基于在线学习行为的学习成绩预测及教学反思[J]. 吴青,罗儒国.  现代教育技术. 2017(06)
[3]大规模私有型在线课程学习行为及其影响因素研究——以国家开放大学网络课程学习为例[J]. 石磊,程罡,李超,魏顺平.  中国远程教育. 2017(04)
[4]在线学习社交行为对学习效果影响的实证研究[J]. 田阳,冯锐,韩庆年.  电化教育研究. 2017(03)
[5]在线学习行为对混合学习绩效的影响研究[J]. 李小娟,梁中锋,赵楠.  现代教育技术. 2017(02)
[6]基于大数据的学习分析研究综述[J]. 郭炯,郑晓俊.  中国电化教育. 2017(01)
[7]基于学习投入理论的网络学习行为模型研究——以“网络教学平台设计与开发”课程为例[J]. 马志强,苏珊,张彤彤.  现代教育技术. 2017(01)
[8]基于大数据学习分析的在线学习绩效预警因素及干预对策的实证研究[J]. 赵慧琼,姜强,赵蔚,李勇帆,赵艳.  电化教育研究. 2017(01)
[9]基于UTAUT模型的MOOC学习行为因素分析[J]. 王钱永,毛海波.  电化教育研究. 2016(06)
[10]MOOCs学习行为与学习效果的逻辑回归分析[J]. 宗阳,孙洪涛,张亨国,郑勤华,陈丽.  中国远程教育. 2016(05)

博士论文
[1]网络学习行为分析及建模[D]. 彭文辉.华中师范大学 2012

硕士论文
[1]大数据环境下在线学习行为分析模型研究[D]. 李阳.哈尔滨理工大学 2017
[2]在线学习平台中学习者的网络学习行为分析[D]. 薛瑞璇.云南大学 2016
[3]基于因子分解机的社交网络关系推荐研究[D]. 余秋宏.北京邮电大学 2013
[4]网络学习行为分析及评价[D]. 王丽娜.陕西师范大学 2009



本文编号：3239362