【摘 要】
：
随着教育改革的不断深入和教育信息化的持续推进,在线学习已然成为变革教与学模式的重要实践形态,为学习者跨时空交流和资源共享提供了保障。然而,因网络学习资源泛滥、师生互动匮乏和导航设计不良等问题,容易使学习者陷入学习迷航。学习迷航反映了学习者在认知和情感等领域的负面学习状态,严重影响学习者的学习效率和效益,如何对其进行诊断和干预成为亟待解决的问题。随着大数据在教育领域的普及应用,基于数据分析的迷航状态
论文部分内容阅读
随着教育改革的不断深入和教育信息化的持续推进,在线学习已然成为变革教与学模式的重要实践形态,为学习者跨时空交流和资源共享提供了保障。然而,因网络学习资源泛滥、师生互动匮乏和导航设计不良等问题,容易使学习者陷入学习迷航。学习迷航反映了学习者在认知和情感等领域的负面学习状态,严重影响学习者的学习效率和效益,如何对其进行诊断和干预成为亟待解决的问题。随着大数据在教育领域的普及应用,基于数据分析的迷航状态诊断方法为解决在线学习迷航问题提供了新思路。本研究聚焦在线学习迷航问题,通过学习行为表征学习迷航状态,提出了数据驱动下的在线学习迷航诊断模型、实现方案、干预服务等方面的理论与实践方案。本文的主要研究工作有:（1）数据驱动下的在线学习迷航诊断模型构建。首先通过文献研究法界定了在线学习迷航内涵,划分了迷航维度;然后通过挖掘学习迷航与学习行为之间的关联关系,从学习者的行为特征中确立了在线学习迷航诊断相关指标;最后在参考已有学习分析模型的基础上,采用科学模型法构建了数据驱动下的在线学习迷航诊断模型,提出了一种基于学习行为数据的在线学习迷航状态诊断方法。（2）基于机器学习技术的在线学习迷航诊断模型核心功能实现。首先采集了某大学开放课程平台中产生的学习者学习行为数据和对应的学习状态自评结果,并对原始数据中存在的缺失值、异常值和样本不均衡问题进行数据预处理,得到标准、干净的数据集;然后介绍了机器学习中的XGBoost算法原理,并实现了数据驱动下的在线学习迷航诊断;最后基于大量数据集对该模型进行训练与测试,通过不断调节参数提升模型预测效果,并依据精确率、召回率和F1值等模型评价指标和多个机器学习经典分类器的对比验证,证实了基于XGBoost算法的在线学习迷航状态诊断方法具有较好的应用价值,能够实现迷航状态的精准识别。（3）数据驱动下的在线学习迷航诊断模型实践应用与效果分析。首先在教育学和心理学相关理论指导下,提出了三条模型应用策略:基于目标导向的主题内容自适应推荐策略、基于过程性行为推理的问题归因策略和基于个性化适性学习的循序渐进引导策略;然后依托i Study在线学习平台设计并实现了数据驱动下的在线学习迷航诊断系统;最后在真实的学习环境中采用实验研究法和问卷调查法设计具体的实验方案,并进行系统应用效果分析。结果表明,在线学习迷航诊断系统能够有效缓解学习者的在线学习迷航程度,提升学习效率和效益,以此验证了在线学习迷航诊断模型及应用策略的有效性和可行性。
其他文献
观察荆防合剂对氢氧化铝/卵白蛋白诱导的荨麻疹小鼠的疗效并探讨其作用机制。将60只雄性昆明小鼠随机均分为正常组，模型组，荆防合剂低、中、高剂量组，盐酸西替利嗪片阳性药组。腹腔注射卵白蛋白与氢氧化铝混合液建立荨麻疹小鼠模型。第2次免疫时观察并记录小鼠瘙痒情况；苏木精-伊红（HE）染色法检测各组小鼠皮肤组织病理变化；酶联免疫吸附测定（ELISA）法检测各组小鼠血清中白细胞介素-1β（IL-1β）和肿瘤坏
自适应测验是自适应评估过程中常用的一种手段，自适应测验长度预测对自适应学习的时间管理和推荐策略有非常重要的影响。对自适应测验长度预测的研究内容和现状进行分析，基于隐语义模型和认知诊断模型构建知识模块和知识点自适应测验长度预测模型，通过在大规模数据集上实验，结果表明：知识模块自适应测验长度预测模型的预测准确度较高；优化后的知识点自适应测验长度预测模型与原模型相比，预测准确度大幅提高，模型训练时间大幅
随着社会的进步以及科技的发展,移动机器人在人类丰富的生产生活中发挥着更加重要的作用。人工智能的出现对移动机器人的功能提出了更多样化的需求,自主定位与地图构建作为移动机器人必备的功能,引起众多学者的广泛关注。本文针对移动机器人同时定位与建图（Simultaneous Localization and Mapping,SLAM）精度差,构建地图信息单一的问题,将环境中物体对象语义信息提取并融入视觉SL
目的:探讨超声造影辅助下穿刺联合常规系统穿刺诊断可疑前列腺癌的临床价值。方法:回顾性分析我院2015年01月至2020年06月收治可疑前列腺癌患者492例临床资料，均行常规系统穿刺及超声造影辅助下穿刺，分析一般资料和前列腺癌检出情况，比较不同穿刺方案前列腺癌检出率。结果:492例患者中临床非显著前列腺癌29例，临床显著前列腺癌40例。常规系统穿刺和超声造影辅助下穿刺前列腺癌检出率比较差异无统计学意
复杂教学交互环境下，针对学习者画像模型所面临的维数灾难和更新高数据成本问题，本文提出了一种新的模型——大规模数据下低成本自进化学习者画像（LSLP），该方法首先改进了传统的深度非负矩阵分解算法，以此来对原始数据从双空间进行特征结构保留并有效降维，抑制维数灾难；接着，以图神经网络为信息捕获媒介，结合深度神经网络对元属性状态值进行量化，引导设计了一种自适应的特征抽取与动态更新策略来辅助学习者画像模型不
＜正＞到底什么是AI算法？什么是神经网络？神经网络有什么用？为什么神经网络需要训练？什么是模型？AI框架有什么用？AI框架能解决什么问题？基于上述问题进行思考，实际上可以认为深度学习是机器学习研究领域中的一种，深度学习的概念源于对人工神经网络的研究，很多深度学习算法都使用神经网络进行表示，因为神经网络的性能精度和通用效果都非常好，于是业界习惯性地把深度学习算法等同于AI。
文化建设是中国实现文化强国战略的重要抓手，而民族传统体育文化又是中国文化的重要组成部分，加大民族传统体育文化建设和对外传播力度是新时代的必然要求。现利用文献资料法、逻辑分析法，从文化“在场”的角度对民族传统体育文化对外传播进行研究，发现文化自信的建立、文明互鉴的呈现和人类命运共同体的构建是民族传统体育文化对外传播的现实需求；传播空间受限、文化受众不足、国际体育文化传播边缘化是民族传统体育文化面临的
＜正＞2004年，美国教育传播与技术协会对教育技术进行了重新界定，将深度学习确定为未来教育技术发展的基本理念和努力方向。其实早在上世纪初，杜威的“做中学”、布鲁姆的“发现教学法”、奥苏贝尔和罗杰斯的“有意义学习”等理论背后都蕴含着深度学习的含义。基于此，本研究项目以提升儿童深度学习为目标，以游戏区“卡、单、纸”为重要载体，以期从理念、行动、工具等多方面重新思考儿童游戏与学习，是一场关乎儿童观、游戏
＜正＞（一）出勤记录单教师在来园环节，准备了时钟和红色、黑色两种颜色的笔以及出勤记录单来让幼儿进行签到。其中8:10分之前来园，幼儿可用黑笔在出勤记录单上记录自己的时间；而8:10分之后来园的幼儿，则换成红笔来进行记录。通过两种不同颜色笔的签到鼓励幼儿早入园，不迟到。
为解决传统领域的推荐算法不完全适用于教育资源的问题，提出了一种基于学习者模型的混合推荐方法。首先，通过把神经网络中对文本信息的分类引入推荐算法中，缓解了冷启动问题；其次，通过对老用户的学习特征和学习能力进行类内计算，解决了传统协同过滤单一计算评分相似度和计算量大的问题。实验结果表明，该模型在教育资源大数据场景下取得了良好的效果。