多模态数据驱动的大学生混合式学习评价

摘要：

在深化新时代教育评价改革的背景下,充分应用多模态技术开展混合式学习的综合性评价,对于破除当前本科教育教学中的唯分数学习评价顽疾具有重要作用.基于此,文章首先设计了多模态数据驱动的大学生混合式学习评价框架,并依托此框架通过自动录播、线上平台数据采集、测试等多种方式捕获混合式学习环境下的大学生多模态学习数据;然后筛选最优特征选择方法并融合多种分类算法,形成了大学生混合式学习评价模型;最后依据模型综合评价学生的混合式学习情况,结果表明:方差选择法与决策树分类算法相结合,能达到最优评价效果;线上学习中的章节学习、视频学习时长、话题讨论和线下学习中的注意力、学习笔记是评价学生混合式学习的最佳评价特征,其中视频学习时长对期末测试成绩的影响最大.文章的研究对于改进大学生混合式学习评价,体现评价对提升本科教学质量的促进作用具有重要意义.

关键词：多模态数据、混合式学习、学习评价、分类算法

所属期刊栏目：33

分类号：G40-057(教育学)

资助基金：国家社会科学基金20VSZ010

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：99-107