关于网络教育类论文范文集,与运用学习技术促进网络教育平台相关论文格式模板

时间:2020-07-05 作者:admin
后台-系统-系统设置-扩展变量-(内容页告位1-手机版)

本论文是一篇关于网络教育类论文格式模板,关于运用学习技术促进网络教育平台相关专升本毕业论文范文。免费优秀的关于网络教育及学习者及计算机方面论文范文资料,适合网络教育论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

摘 要:网络教育平台长期运行过程中,积累了大量的系统化、结构化的数据,可以利用学习分析技术充分挖掘这些数据.从数据面板、预测分析和自适应学习分析等3种功能类型分别举例,说明了学习分析技术如何促进网络教育平台发展.

关 键 词:学习分析技术;网络教育平台;数据挖据

中图分类号:G434文献标识码:A文章编号文章编号:1672-7800(2013)012-0184-03

作者简介:胥果(1982-),男,西华师范大学教育学院硕士研究生,研究方向为教育信息化.

0引言

网络教育是在网络环境下,以现代教育思想和学习理论为指导,充分发挥网络的各种教育功能和丰富的网络教育资源优势,向受教育者和学习者提供一种网络教和学的环境,传递数字化内容,开展以学习者为中心的非面授教育活动.[1]网络教育作为继信件、收音机、电视和计算机之后的第五代远程教育,自1998年教育部开展现代远程教育试点工作以来得到了迅速发展.据教育部统计数据,2010年网络高等教育本、专科招生人数达166万人,在校学生人数达453万人[2].实施网络教育的关键是创设能够促进学习者主动学习的网络环境,而学习者在网络教学环境中的学习活动离不开网络教育平台.

网络教育平台作为支持网上教学与学习活动的软件系统,它的发展经历了3个主要阶段:第一阶段:内容管理系统(CMS),主要用来存储和管理教学资源,方便学生自主选择网络资源学习;第二阶段:学习管理系统(LMS),主要用于存储、管理、跟踪、报告和传送网络教育课程,与CMS系统相比,LMS系统可以跟踪学生表现,存储学生的作业,让学生与教师沟通;[3]第三阶段:学习内容管理系统(LCMS),与LMS系统相比,LCMS系统提供了多用户环境,系统管理者、教学设计人员、项目专家可以在数据库内创造、存储、重复利用、管理和传输数字化学习内容.LCMS专注于课程的开发、管理和发布,而这又需要通过LMS来传送.尽管从定义上来说LMS和LCMS有区别,但LMS通常用来同时表示LMS和LCMS,Blackboard公司就把他们的Blackboard学习平台称作是一个LMS平台.国外对于网络教育平台还有很多不同说法,如虚拟学习环境(VLE)、管理学习环境(MLEs)、个人学习环境(PLE)、学习平台(LP)等等.网络教育平台为网络教育的快速发展提供了有力支撑,也为大量学习者提供了帮助.

随着网络教育平台的多年使用,在此过程中积累了大量的系统化、结构化的学习结果和学习行为数据.为了利用这些数据,教育界最初采用了教育数据挖掘(EDM)技术,应用数据挖掘方法将来自于教育平台的数据提取出有意义的信息,利用这些信息为教育者、学习者、管理者、教育软件开发者和教育研究者等提供服务.[4]而后随着引入一些原本属于社会科学领域的语义分析法、内容分析法、社会网络分析法的使用,形成了一个新的概念:学习分析.相对于教育数据挖掘服务的主要对象是政府机构和管理人员,学习分析主要针对的是学习者和教师.学习分析使用学习者产生的数据,建立分析模型以发现社会关系和有用的信息,用以预测学习情况并对学习者提供建议.在首届“学习分析和知识(LAK)国际会议”上,与会者对学习分析做出定义:学习分析技术是测量、收集、分析和报告有关学生及其学习环境的数据,用以理解和优化产生的环境的技术.[5]由于网络教育平台已经积累大量数据,我们把学习分析技术应用到网络教育平台将大有可为.在把握学习者的主要特征、网络学习行为的特点、监控学习过程、了解学习行为的影响因素、干预学习进程、保障教育质量等方面,学习分析技术都能够提供帮助.

1学习分析技术背景

在学习分析概念形成之前,相关方法、技术和工具都已经发展起来了.学习分析从一系列研究领域汲取技术,如数据统计、商业智能(BusinessIntelligence)、网页分析(WebAnalytics)、运筹学(OperationalResearch)、人工智能(AI)、教育数据挖掘(EDM)、社会网络分析、信息可视化等.

数据统计历来作为一个行之有效的手段用来解决假设检验问题.商业智能以数据仓库、联机分析处理、数据挖掘等技术为基础,从不同的数据源中提取数据,将之转换成有用的信息,它与学习分析有相似之处,但它历来被定位于通过可能的数据访问和绩效指标总结使生产更高效.网页分析工具如googleanalytics通过网页访问量,与互联网网站、品牌等的关联做出报告,这些技术可以用来分析学生的学习资源(课程,材料等)以追踪学生的学习轨迹.运筹学通过设计优化数学模型和统计方法使目标最优化.

人工智能和数据挖掘中的机器学习技术建立在数据挖掘和人工智能方法上,它能够检测数据中的模式.在学习分析中的类似技术可用于智能教学系统,以更加动态的方式对学生进行分类而不是简单地进行人口统计分类,可以通过协同过滤技术对特定的资源建立模型.社会网络分析可以分析出隐含的人与人(如在论坛上的互动)和外显的人与人(如朋友或者关注对象)之间的关系,在学习分析中可用于探索网络集群、影响力网络、参与及不参与状况.信息可视化是很多分析的重要一步(包括上面列出的那些分析方法),它可以用来对所提供的数据进行意义建构,JohnTukey1977年在他的《探索性数据分析》一书中给我们介绍了如何更好地利用信息可视化,Tukey强调使用可视化的价值在于帮助在形成正式的假设之前做检验.[6]以上这些学习分析技术都可以对大量数据进行分析和处理,形成分析报告为教育提供帮助.

学习分析技术的特点在于能够为网络教育平台提供实时数据,通过利用这些实时数据,可以为教师、学生和教育管理人员提供帮助:①为个人学习者提供成绩反馈及与他人沟通的行为模式;②为预测学习者提供支持与关注;③为教师和助理人员提供支持个人与集体的干涉计划;④为如课程小组这样的组织改善现有课程或开发新的课程提供帮助;(5)为机构管理者在营销、招聘和效率等方面做决定时提供有效措施.[7]2学习分析方法

发展中的学习分析技术吸纳了许多其它领域的关键技术,以实现对学习过程的研究,下面介绍一些常用方法.

2.1社会网络分析法

社会网络分析法(SNA)可用于测绘和测量人、团体、组织、计算机、网址以及其它相互关联的信息知识试题之间的关系.网络中的节点是人和团体,它们之间的链接则显示了节点之间的关系或者流量.社会网络分析为人类关系提供可视化的数学分析.网络教育平台管理者可以用它来分析学习者之间的联系、关系、角色以及关系网络形成的过程与特点,从而帮助学习者建立自己的关系网络以支持自己的学习.SNAPP软件就可以通过论坛内的回复和跟帖状况分析学习者交互情况,并得到可视化的图标.

2.2影响力与消极性测量法

影响力与消极性测量法(Influenceandpassivitymeasure)通过测量传递、引用或者转发的次数,评估人和信息的影响力.网络教育平台可以对学习者个体的影响力进行测量,分析了解为什么某些个体能够获得高影响力,低影响力学习者应该如何改进.

2.3性格分析法

性格分析法(DispositionAnalytics)旨在获得学生性格与他们学习情况的数据,以及两者之间的关系.好奇的学生可能更倾向于提问,学习分析可以对获得的这些数据进行分析.

2.4行为信任分析法

行为信任分析法(Behavioraltrustanalysis)使用人们谈吐和交流中的信息(在人交流和使用信息的过程中将产生新的信息)作为信任关系的一个指标.网络教育平台可用来对人际关系进行分析.

2.5内容分析法

内容分析法(ContentAnalytics)可以对学习者的学习过程数据进行定量分析,寻找学习者的行为模式;还可以进行定性分析,运用已积累的数据经验来预测当前的学习行为.网络教育平台可以对学习者的学习行为分析,找到优生和差生学习行为的差别,教师结合自己的教学经验有针对性地干涉.由于网络教育平台数据的实时性,可以根据学习者的学习行为实时进行干涉,当然干涉的准确性需要数据库的进一步积累,从而产生由量变到质变的效果.LOCO-Analyst软件就可以对网络教育平台的内容进行分析.


本篇论文来源 {$getarticleu

1 2

关于网络教育类论文范文集,与运用学习技术促进网络教育平台相关论文格式模板参考文献资料:

信息安全本科论文

南大本科自考

汉语本科

本科论文致谢范文

西北大学本科论文

本科论文答辩自述

自考本科去哪里报名

成人自考本科报名时间

大学本科论文范文

本科毕业论文格式

后台-系统-系统设置-扩展变量-(内容页告位2-手机版)
声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:123456789@qq.com 进行举报,并提供相关证据,工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。
后台-系统-系统设置-扩展变量-(内容页告位3-手机版)