计算教育学:研究动态与应用场景
发布时间：2021-07-11 09:07
大数据时代,计算机、互联网和人工智能等新兴科技手段催生了计算教育学。为进一步明确其研究动态与应用场景,本文首先立足于范式生成背景和发展内涵透视,将计算教育学分为基于数据挖掘的教育学规律研究、认知与行为模拟的在线教育研究、基于大数据的学生学习动机和情感参与研究、师生人格和性别分析研究四大主题。其次,利用技术与场景共现及多维分析,深度透视计算教育学的算法和算力实践,揭示计算教育学与实践融合创新的七个重要应用场景,即教学环境设计、医学教育辅助、工程教育、师生人格品质研究、师生课堂互动与学生学习分析、个性化评价以及教育政策改革。研究发现,计算教育学拓宽了传统教育领域的研究视角,"计算+教育"丰富了教育研究的算法与算力。最后,在洞察研究主题和应用场景的基础上,文章运用TFIDF数据挖掘和循证路径解构计算教育学的纵向研究趋势,展望计算教育学的发展前景及其所面临的范式挑战。
【文章来源】：开放教育研究. 2020,26(04)北大核心CSSCI
【文章页数】：8 页
【部分图文】：
基于 UCINET凝聚子群分析的计算教育学研究图景
为全方位展示计算教育学的应用场景,笔者采用技术与场景共现的方式,进行可视化处理。将关键词提取并转化为简洁和层次结构清晰的JSON(Java Script Object Notation) 数据交换格式作为可视化分析的材料,将数据导入在线复杂网络分析平台进行分析,绘制关键词共现知识图谱,每个节点代表一个关键词,频次越多,节点越大。若两个关键词同时出现在一篇文章中,关键词之间会出现一条连线,代表关联性。连线上的数字代表其共现次数,即同时出现在同一研究中的次数。关联性较强的关键词组成同一研究主题。利用在线复杂网络分析平台进行关联性分析,进一步揭示研究主题,并利用在线平台内置的Louvain算法进行聚类,最终得到大规模网络社区图(见图2)。由此,计算教育学给我们展示了七个典型的应用场景,即教学环境设计、医学教育辅助、工程教育、师生人格品质研究、师生课堂互动与学生学习分析、个性化评价以及教育政策改革。每项技术对应其在教育领域的应用场景,如虚拟现实技术与互动学习环境有关,学生学习等微观层面涉及数据挖掘技术,政策、教学改革等宏观层面与教育大数据相关。机器学习与自然语言处理、分类算法等技术手段相关,这些可以看作是计算和教育相结合的基本现状和实现场域。(二)计算教育学应用场景的多维分析
为进一步揭示计算教育学纵向研究趋势,采用TFIDF数据挖掘方法深度解构计算教育学的全球发展动态。TFIDF是经典的词语权重算法,主要思想是假设某个词语在指定文本中出现的频率很大,并且在文本集的其他文本中很少出现,即认为这个词语是指定文本的关键词,可以用作分类或标签使用。利用TFIDF 过滤文本的常见词语,保留对研究分析有重要意义的词语,在很大程度上缩小文本词空间,更有效地对文本进行主要特征分析。TFIDF 被广泛应用于搜索引擎、文献分类及其他领域,是一种基础的信息检索模型。在 TFIDF 模型中,词频(Term Frequency, TF)指的是某一给定的词语在该文本中出现的频率。逆向文件频率(Inverse Document Frequency, IDF)用来度量词语的普遍重要性,计算文档集中包含某指定词语的文档数量,数量越小代表这个词语越能代表指定的文本。TF-IDF 函数为:,其中特征词i在文本d中出现的词频为tfi(d),ni为含有特征词 i 的文本数。
【参考文献】：
期刊论文
[1]从大数据到计算教育学：概念、动因和出路[J]. 王晶莹,杨伊,郑永和,夏惠贤. 中国电化教育. 2020(01)
[2]计算教育学：是否可能，如何可能？[J]. 李政涛,文娟. 远程教育杂志. 2019(06)
[3]数字化时代的场景主义[J]. 夏蜀. 文化纵横. 2019(05)
[4]信息安全技术在教育数据安全与隐私中的应用分析[J]. 刘梦君,姜雨薇,曹树真,杨兵. 中国电化教育. 2019(06)
[5]论计算社会科学的缘起、发展与创新范式[J]. 张小劲,孟天广. 理论探索. 2017(06)
[6]教育大数据的核心技术、应用现状与发展趋势[J]. 孙洪涛,郑勤华. 远程教育杂志. 2016(05)
本文编号：3277791
【文章来源】：开放教育研究. 2020,26(04)北大核心CSSCI
【文章页数】：8 页
【部分图文】：
基于 UCINET凝聚子群分析的计算教育学研究图景
为全方位展示计算教育学的应用场景,笔者采用技术与场景共现的方式,进行可视化处理。将关键词提取并转化为简洁和层次结构清晰的JSON(Java Script Object Notation) 数据交换格式作为可视化分析的材料,将数据导入在线复杂网络分析平台进行分析,绘制关键词共现知识图谱,每个节点代表一个关键词,频次越多,节点越大。若两个关键词同时出现在一篇文章中,关键词之间会出现一条连线,代表关联性。连线上的数字代表其共现次数,即同时出现在同一研究中的次数。关联性较强的关键词组成同一研究主题。利用在线复杂网络分析平台进行关联性分析,进一步揭示研究主题,并利用在线平台内置的Louvain算法进行聚类,最终得到大规模网络社区图(见图2)。由此,计算教育学给我们展示了七个典型的应用场景,即教学环境设计、医学教育辅助、工程教育、师生人格品质研究、师生课堂互动与学生学习分析、个性化评价以及教育政策改革。每项技术对应其在教育领域的应用场景,如虚拟现实技术与互动学习环境有关,学生学习等微观层面涉及数据挖掘技术,政策、教学改革等宏观层面与教育大数据相关。机器学习与自然语言处理、分类算法等技术手段相关,这些可以看作是计算和教育相结合的基本现状和实现场域。(二)计算教育学应用场景的多维分析
为进一步揭示计算教育学纵向研究趋势,采用TFIDF数据挖掘方法深度解构计算教育学的全球发展动态。TFIDF是经典的词语权重算法,主要思想是假设某个词语在指定文本中出现的频率很大,并且在文本集的其他文本中很少出现,即认为这个词语是指定文本的关键词,可以用作分类或标签使用。利用TFIDF 过滤文本的常见词语,保留对研究分析有重要意义的词语,在很大程度上缩小文本词空间,更有效地对文本进行主要特征分析。TFIDF 被广泛应用于搜索引擎、文献分类及其他领域,是一种基础的信息检索模型。在 TFIDF 模型中,词频(Term Frequency, TF)指的是某一给定的词语在该文本中出现的频率。逆向文件频率(Inverse Document Frequency, IDF)用来度量词语的普遍重要性,计算文档集中包含某指定词语的文档数量,数量越小代表这个词语越能代表指定的文本。TF-IDF 函数为:,其中特征词i在文本d中出现的词频为tfi(d),ni为含有特征词 i 的文本数。
【参考文献】：
期刊论文
[1]从大数据到计算教育学：概念、动因和出路[J]. 王晶莹,杨伊,郑永和,夏惠贤. 中国电化教育. 2020(01)
[2]计算教育学：是否可能，如何可能？[J]. 李政涛,文娟. 远程教育杂志. 2019(06)
[3]数字化时代的场景主义[J]. 夏蜀. 文化纵横. 2019(05)
[4]信息安全技术在教育数据安全与隐私中的应用分析[J]. 刘梦君,姜雨薇,曹树真,杨兵. 中国电化教育. 2019(06)
[5]论计算社会科学的缘起、发展与创新范式[J]. 张小劲,孟天广. 理论探索. 2017(06)
[6]教育大数据的核心技术、应用现状与发展趋势[J]. 孙洪涛,郑勤华. 远程教育杂志. 2016(05)
本文编号：3277791
本文链接：https://www.wllwen.com/jiaoyulunwen/xuexiaoguanli/3277791.html
