基于学习分析的教师干预对学生英语成绩预测因素的影响
发布时间：2021-11-11 00:35
学习分析基于数据挖掘技术,对学习者学习过程中产生的大量学习数据进行收集和分析,发现学习者的学习特点和问题,使教师对学习者采用合理的干预措施,以提高其学习效果。本研究以实体课堂和学习分析平台的混合式教学为基础,运用实证研究方法,探讨基于学习分析的教师干预对初中生英语成绩预测因素的影响。本研究旨在解决以下三个研究问题:1.教师干预对学习者成绩预测因素的总体影响状况如何?2.不同程度的教师干预对学习者成绩预测因素有什么影响?3.教师干预对不同组别学习者的成绩预测因素影响是否一致?南京市某培训机构的两个初一班级共54名学生为研究对象。学生均参与“牛津英语七年级下册”课程学习,课程采用混合式教学模式,即结合学习分析平台和实体课堂。54名学生具有一定的在线学习经历,并且教师在两个班级中教授的内容相同。基于学习中学生的所有行为相关数据,教师及时预测具有学习风险的学习者并采取适当的教师干预。之后,作者随机选择了六名不同学习水平的学生进行面对面访谈。本研究主要结果为:（1）浅层干预和深层干预均可在一定程度上提高学生的上课答题次数、当日错题数和平均答题速度这三种成绩预测因素,而对访问成绩单这一预测因素的影...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
学习分析分发展脉络
南京航空航天大学硕士学位论文3.4 研究过程3.4.1 第一次测试和干预对象的确定第一阶段教学于第 1-4 周进行，在两班教学过程中学生均使用答题器参与课堂教学，如签到、答题、抽答、抢答等，教师每周收集整理学生在学习平台留下的所有行为数据。笔者在第一教学阶段未设计与实施教师干预措施。部分学生的平台数据详情如图 3.1 所示：
图 3.5 “互动课堂”平台中某学生的学情报告表 3.6 浅、深层累积性教师干预活动设计影响因子 深层干预平均答题速度1. 与答题速度较慢的学生面谈，询问详细情况，根据学生的反馈给予相应的学习指导。访问成绩单1. 直接向学生或其家长发送学生成绩单，告知当周学习情况，提醒他们下一阶段的主要学习任务及考核要求；2. 与学习不理想的学生一对一面谈，询问了解存在的学习障碍，给出详细的学习建议。当日错题数1. 督促并检查学生整理出的错题；2. 向学生发送当周学习内容的相关错题，并根据学习进度为学生推荐相应的学习资源；3. 要求学生每周进行一次必须参加的面授或在线答疑活动。上课答题次数1. 教师和助教也深入课堂重点关注答题次数较少的学习者，指导其学习过程；2. 给学生发送个人可视化的学习报告单，包括学习者个体任务完成情况与班级整体情况的对比、上课答题次数、个人答题正
【参考文献】：
期刊论文
[1]学习分析视角下在线学习干预模型应用[J]. 张家华,邹琴,祝智庭. 现代远程教育研究. 2017(04)
[2]大学生移动英语写作学习行为研究[J]. 罗凌. 外语电化教学. 2017(02)
[3]数据表征元认知:基于学习分析的网络自主学习行为研究[J]. 李士平,赵蔚,刘红霞,刘东亮,刘凤娟. 电化教育研究. 2017(03)
[4]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)
[5]基于大数据的学习分析仪表盘研究[J]. 姜强,赵蔚,李勇帆,李松. 中国电化教育. 2017(01)
[6]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)
[7]线下学习数据的分析方法研究[J]. 叶俊民,陈曙,郭思培,王嫱,黄朋威,王志锋. 电化教育研究. 2016(12)
[8]云学习平台大学生学业成绩预测与干预研究[J]. 尤佳鑫,孙众. 中国远程教育. 2016(09)
[9]开放互通式多媒体教学环境的智慧干预——以西北工业大学为例[J]. 初建杰,王聪. 现代教育技术. 2016(09)
[10]大数据学习分析的研究与应用——以浙江省教师教育MOOC培训平台的课程为例[J]. 陈雷. 现代教育技术. 2016(08)
博士论文
[1]教师远程培训的学习干预研究[D]. 张超.华东师范大学 2010
硕士论文
[1]数学学习障碍儿童的RTI评估干预研究[D]. 陈宗欣.华中师范大学 2014
[2]初中英语学困生词汇学习的心理探究及个案干预[D]. 殷毓潇.鲁东大学 2013
[3]教师远程培训的需求调查及干预设计[D]. 邓慧.安徽师范大学 2012
[4]中小学生数学学习困难研究与干预[D]. 亢芳芳.华东师范大学 2011
本文编号：3488255
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
学习分析分发展脉络
南京航空航天大学硕士学位论文3.4 研究过程3.4.1 第一次测试和干预对象的确定第一阶段教学于第 1-4 周进行，在两班教学过程中学生均使用答题器参与课堂教学，如签到、答题、抽答、抢答等，教师每周收集整理学生在学习平台留下的所有行为数据。笔者在第一教学阶段未设计与实施教师干预措施。部分学生的平台数据详情如图 3.1 所示：
图 3.5 “互动课堂”平台中某学生的学情报告表 3.6 浅、深层累积性教师干预活动设计影响因子 深层干预平均答题速度1. 与答题速度较慢的学生面谈，询问详细情况，根据学生的反馈给予相应的学习指导。访问成绩单1. 直接向学生或其家长发送学生成绩单，告知当周学习情况，提醒他们下一阶段的主要学习任务及考核要求；2. 与学习不理想的学生一对一面谈，询问了解存在的学习障碍，给出详细的学习建议。当日错题数1. 督促并检查学生整理出的错题；2. 向学生发送当周学习内容的相关错题，并根据学习进度为学生推荐相应的学习资源；3. 要求学生每周进行一次必须参加的面授或在线答疑活动。上课答题次数1. 教师和助教也深入课堂重点关注答题次数较少的学习者，指导其学习过程；2. 给学生发送个人可视化的学习报告单，包括学习者个体任务完成情况与班级整体情况的对比、上课答题次数、个人答题正
【参考文献】：
期刊论文
[1]学习分析视角下在线学习干预模型应用[J]. 张家华,邹琴,祝智庭. 现代远程教育研究. 2017(04)
[2]大学生移动英语写作学习行为研究[J]. 罗凌. 外语电化教学. 2017(02)
[3]数据表征元认知:基于学习分析的网络自主学习行为研究[J]. 李士平,赵蔚,刘红霞,刘东亮,刘凤娟. 电化教育研究. 2017(03)
[4]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)
[5]基于大数据的学习分析仪表盘研究[J]. 姜强,赵蔚,李勇帆,李松. 中国电化教育. 2017(01)
[6]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)
[7]线下学习数据的分析方法研究[J]. 叶俊民,陈曙,郭思培,王嫱,黄朋威,王志锋. 电化教育研究. 2016(12)
[8]云学习平台大学生学业成绩预测与干预研究[J]. 尤佳鑫,孙众. 中国远程教育. 2016(09)
[9]开放互通式多媒体教学环境的智慧干预——以西北工业大学为例[J]. 初建杰,王聪. 现代教育技术. 2016(09)
[10]大数据学习分析的研究与应用——以浙江省教师教育MOOC培训平台的课程为例[J]. 陈雷. 现代教育技术. 2016(08)
博士论文
[1]教师远程培训的学习干预研究[D]. 张超.华东师范大学 2010
硕士论文
[1]数学学习障碍儿童的RTI评估干预研究[D]. 陈宗欣.华中师范大学 2014
[2]初中英语学困生词汇学习的心理探究及个案干预[D]. 殷毓潇.鲁东大学 2013
[3]教师远程培训的需求调查及干预设计[D]. 邓慧.安徽师范大学 2012
[4]中小学生数学学习困难研究与干预[D]. 亢芳芳.华东师范大学 2011
本文编号：3488255
本文链接：https://www.wllwen.com/zhongdengjiaoyulunwen/3488255.html
