学习计算视阈下基于CIEO分析思想的学习结果预测设计与实证研究

摘要：

设计具有可指导、可理解和可操作的系统化学习结果预测理论是改善学习成效的一种教学处方.研究从学习活动理论视角阐述了MOOCs环境下的学习过程与学习结果,并提出CIEO学习结果预测分析思想和学习结果预测工作模型.该模型包括理论层、参与层和行为层,其中,理论层包括个性化学习理论、项目反应理论和社会认知理论,分别对参与层中的学习内容、学习互动和学习评价进行指导;参与层是从学习活动的主要表现形式层面进行设计;行为层则遵循"目标—过程—结果"的分析思路,从学习行为的具体表现层面进行设计.在此基础上,对学习行为分析指标进行设计,形成面向学习结果的六类分析指标,即基于学习内容行为的完成度和掌握度、基于学习互动行为的参与度和贡献度、基于学习评价行为的测评完成度和通过率.最后,采用多元回归分析法对学习行为指标与学习结果的相关性进行探索;采用属性选择法、预测分类法、文本分析法对学习行为分析指标的重要性、预测准确率进行验证性分析,并得出学习结果预测计算方程.

关键词：MOOCs、学习分析、学习结果预测、学习行为指标、数据挖掘

分类号：G434(电化教育)

资助基金：江苏省社会科学基金青年项目"基于教育大数据的学习风险预警与干预研究"18JYC006;江苏省教育科学"十三五"规划2018年度重点资助课题"基于学习测评大数据的智能评价工具设计与应用研究"C-a/2018/01/07

在线出版日期：2019-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：68-75