大数据背景下教师数据素养的内涵、价值与发展路径

摘要:随着大数据技术在教学中的深入应用,教育系统中每时每刻会产生海量学生学习行为的非结构性数据,如何挖掘隐藏在其中的丰富价值,将其转化成有价值的知识,从而促进教学决策,改进教学实践,完善自身专业发展,这是大数据时代教师面临的重大挑战。因此,有必要从教师专业发展和改进学生学习的角度,对教师数据素养进行解读,廓清其与信息素养和统计素养的区别与联系,并指出教师数据素养由数据意识、数据能力和数据伦理三大部分组成。教师数据素养具有三大价值意蕴:有助于教师适应数据驱动的文化,增强教学领导力;有助于教师科学决策教学,提升教学绩效;有助于教师适应科研的第四范式,促进科研成果产出。  基金:全国教育科学规划2014年度教育部重点项目“学习分析视阈下优化网络学习行为的机制与策略研究”(项目编号:DCA140234); 2010年度教育部人文社会科学研究一般项目“西部地区普通高中新课程实施中的质量监测体系研究”(项目编号:10YJC880061); 湖南省教育科学规划一般项目“泛在学习视域下高师院校实践教学创新模式研究”(项目编号:XJK012BGD026); 关键词:大数据; 教师; 数据素养; 数据; DOI:10.13811/j.cnki.eer.2015.07.002 分类号:G434;G451 http://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&filename=DHJY201507003&v=MDg5MDY0VDZqNTRPM3pxcUJ0R0ZyQ1VSTE9mWk9ScEZ5am1XN3pNSVNYQmQ3RzRIOVRNcUk5Rlo0UUtESDg0dlI=&uid=WEEvREcwSlJHSldRa1FhdXNXaEd1OGRzRGF4Ums2VGVCNFRIM1BaM1BCQT0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4IQMovwHtwkF4VYPoHbKxJw!!  

Continue reading »

教师数据素养评价指标体系研究

摘要:近年来,大数据在教育领域的应用将教育推向了实证时代,使得教育活动不再仅依靠理念和经验来展开。使用数据促进教学管理和优化决策成为时代要求,而大数据应用于教学过程的关键在于培养具备数据素养的教师。研究旨在构建一个教师数据素养评价指标体系,采用文献分析法、德尔菲法和层次分析法等方法进行研究,分析了教师数据素养及其能力的构成要素,设计了评价指标集,包括数据知识、数据技能、教学应用、意识道德4个一级指标,数据获取、数据管理等10个二级指标,以及涉及具体能力的26个三级指标。12位专家参与了指标体系的修订,基于专家打分计算出指标项的权重,形成完整的教师数据素养评价指标体系。最终,对指标体系进行了小规模的试用,评估了16位教师的数据素养,验证了指标体系的科学性和可用性。 基金:北京市教育科学“十二五”规划2016年度课题“大数据时代教师数据素养能力构成和发展研究”(课题编号:CCFA16119); 关键词:数据素养; 评价指标; 教师专业发展; 数据应用; 分类号:G451;G434 http://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFR&dbname=CJFDLAST2018&filename=DHJY201810017&uid=WEEvREcwSlJHSldRa1FhdXNXaEd1OGRzRGF4Ums2VGVCNFRIM1BaM1BCQT0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4IQMovwHtwkF4VYPoHbKxJw!!&v=MDE2OTc0UjhlWDFMdXhZUzdEaDFUM3FUcldNMUZyQ1VSTE9mWk9ScEZ5am1XcjdLSVNYQmQ3RzRIOW5OcjQ5RVk=

Continue reading »

基于行为序列的学习过程分析与学习效果预测

摘要:学习过程数据反映了学习者在学习过程中的状态。当前众多对学习者学习过程数据进行挖掘与分析的研究,大多基于学习者在某一学习行为上投入的精力和时间来开展。这些粗粒度数据并不能细致地反映学习者的认知投入水平,且部分学习行为数据对学习效果的预测正确率不高。与学习者参与度相比,学习过程中的学习行为序列,更能反映学习者学习行为轨迹、意愿与认知过程。利用滞后序列分析法对DEEDS平台上的学习过程数据的分析发现:滞后序列分析法可以清晰地揭示若干重要的学习行为序列;相较于支持向量机、逻辑斯蒂回归以及决策树等数据挖掘方法,朴素贝叶斯方法具有良好的预测性能,平均正确率超过70%。研究结果证明,学习者的学习行为序列可以为教师呈现更全面的在线学习图景,帮助教师发现学习者的学习习惯、偏好以及认知过程,辅助教师对教学过程进行反思。同时,通过行为序列数据可以较准确地预测出学习者的学习成就,继而对预测模型中关键属性进行分析,为教师在后续教学过程中采取有针对性的干预措施提供建议,达到提高教育教学绩效的目的。 关键词:学习过程; 行为序列; 数据挖掘; 滞后序列分析法; 学习效果预测; [1]江波,高明,陈志翰,王小霞. 基于行为序列的学习过程分析与学习效果预测[J]. 现代远程教育研究,2018,(02):103-112.

Continue reading »

MOOC 中学习者流失问题的预测分析——基于24 篇中英文文献的综述

摘要:MOOC(Massive Open Online Course)的核心属性之一是“课程”(Course),因此“完成率”或“流失率”始终是其发展中绕不开的话题。借由完成率问题引发的一系列深入讨论和研究,例如流失问题的预测分析,取得了丰富的研究成果,对于增进我们对MOOC研究的认识和相关教学理论的理解都具有积极作用。但由于该领域内还缺乏对预测分析的系统综述,我们对这个问题的研究全貌、研究局限以及未来的研究方向并不明晰。因此,本文通过综述24篇最近五年相关的高质量文献,试图回答三个问题:哪些预测指标是有效的?哪些算法模型是相对较好的?不同模型的节俭性和耐用性如何?通过回答这些问题,本文梳理了有效的预测指标体系,对比了不同算法模型的有效性,并检验了模型的节俭性和耐用性;更进一步,本文通过讨论研究的理性观、实践意义和开展跨领域对话,指出了未来研究可能的研究取径、研究方向和研究重点。 关键词:慕课; 学习分析; 流失率; 预测分析; 文献综述; [1]范逸洲,刘敏,欧阳嘉煜,汪琼. MOOC中学习者流失问题的预测分析——基于24篇中英文文献的综述[J]. 中国远程教育,:1-10.

Continue reading »

基于扎根理论的MOOC在线深度互动影响因素

摘要:近年来,部分MOOC平台为满足学习者的深度互动需求推出了各具特色的互动工具和方法,然而在线深度互动效果并不理想,如何解决MOOC在线互动存在的问题并有效实现在线深度互动是提高MOOC教学质量的关键。本研究运用扎根理论方法探究影响MOOC在线深度互动的深层次原因,结果发现,参与意愿、个体能力、教学情境、知识氛围、支持服务五个主范畴对深度互动存在显著影响,其中参与意愿是内驱动因,个体能力是内部情境因素,教学情境、知识氛围和支持服务是外部情境因素。在此基础上,本研究还探索了五个主范畴的构成因子及其作用机制,构建了”意愿—情境—行为”模型,为MOOC在线深度互动提供思路和实施路径。 关键词:MOOC; 在线深度互动; 影响因素; 扎根理论; [1]刘艳春,张庆普,李占奎. 基于扎根理论的MOOC在线深度互动影响因素[J]. 开放教育研究,2017,(05):64-73.

Continue reading »

基于扎根理论的在线开放课程质量评价指标体系构建研究——以国家精品资源共享课为例

摘要:质量是在线开放课程可持续发展的关键影响因素之一。构建科学、有效的质量评价指标体系对保障和提升在线开放课程质量具有重要意义。目前已有的评价指标体系主要遵循自上而下的标准化方式构建,缺乏对学习者学习需求和学习体验的关注。本文依据扎根理论,选取爱课程网国家精品资源共享课中240条与课程质量相关的用户评价作为原始分析资料,通过开放性编码和轴心编码得出了包含5个一级指标和17个二级指标在内的在线开放课程质量评价指标体系,并对指标体系的信度和理论饱和度进行了检验。5个一级指标分别为系统特性、视频质量、教师队伍、教学内容、辅助性学习资料。在构建指标体系的基础上,针对当前在线开放课程建设中存在的问题,提出了在线开放课程质量保障的对策和建议。 关键词:扎根理论; 在线开放课程; 质量评价; 指标体系; 精品资源共享课;  

Continue reading »