学习分析

摘要： SPOC是MOOC与传统校园教学的有机融合,基于翻转课堂混合教学的SPOC为高校课堂教学注入了新鲜血液。数据学习分析技术可将SPOC在线学习行为可视化呈现,是教学预警和教学干预的重要手段,但当前SPOC多关注教学模式设计和分析工具开发,还缺乏二者融合的实证研究。本研究从实证角度分析SPOC在线学习者的个体学习行为和社会交互行为特征,构建学习成绩预测回归模型。研究发现:(1)SPOC学习者在线学习时段的特征表现明显,访问次数最多时段是8-12时,其次是16-20时。(2)在线学习的主要形式是参与课程学习任务与课程讨论。(3)基于特征向量的在线学习者社会交互分析,可以判断该学习网络的核心参与者和边缘参与者,为教学干预提供参考。(4)基于在线学习行为与期末成绩,建立预测回归模型,学习成绩=0.432*访问天数+0.247*作业Ⅱ+0.062*回复讨论+15.201*任务点+52.29(R^(2)=0.624),为SPOC学习者提供学习分析与成绩预测。本研究结论有助于提升在线教学的质量和学习体验,为SPOC教学设计与实施提供参考。

摘要： 学习分析是指在教学活动中分析教和学活动的过程,是面向未来智能教育跨学科培养人才的关键技术。当前,如何通过对学习环境和学习活动数据的收集和分析,为学生提供新的学习机会,引起教育界前所未有的关注。而人工智能的迅速发展和在教育中的广泛运用,为以学习者为中心的数据分析提供了新的机会和挑战,也为解决教育教学中的许多棘手问题提供了新的可能。文章回顾了近几年国际上学习分析研究和应用方面所面临的挑战和主要成就;探讨未来学习分析发展中,如何从人工智能等相关技术和领域的研究中受益;剖析学习分析框架中数据收集、模型建立及实践应用中的关键问题;并运用大量的实证研究案例,展示学习分析在自主学习、发展学习策略、解决个人和小组合作学习评价问题中的应用潜力。在此基础上,文章从数据使用和获取、模型优化和实施、模型可解释性、学术研究四个层面,提出未来学习分析的研究建议。

摘要： 随着智慧校园的普及,学生的学习环境已由信息化走向智慧化,智慧校园为学科深度学习提供了丰富的资源和技术支持。由于职业院校对高等数学课程的价值缺乏统一认识,导致高等数学课程定位不明确、内容简单化、授课单一化、评价滞后化,课程学习长期处于浅层状态,学生深度学习陷入困境。文章结合高等数学的基础性、应用性、工具性和文化性等特性,在智慧校园中,采取创设情境、交互参与、迁移创新和反思价评等策略,构建高等数学深度学习模型,发挥课程的实际价值。

摘要： 利用学习分析技术可以对教学相关数据进行分析,从而了解学生特征和学习效果。通过对教学过程的数据分析来调整教学策略,为学生提供符合其特点需求的教学资源,结合学生出现的问题及时进行反馈,可以促进学生个性化学习,实现有效教学。

摘要： 为实现对在线协同研讨知识建构过程的动态跟踪与分析,文章采用文本分类方法,设计了“在线协同研讨知识建构行为自动分析实施流程”。以此流程为指导,文章以网络研修社区中教师工作坊的协同研讨活动为例开展实验,主要内容包括创建“教师工作坊知识建构行为编码表”、采集与整理交互文本数据、选择和提取文本特征、对训练集数据进行预处理、训练和评价分类模型、对分析结果的应用情况进行描述和解读。实验结果表明,在线协同研讨知识建构行为自动分析方法可为利益相关者深入理解协同知识建构过程并为此过程进行实时干预和调节提供支持。

摘要： 教育数据爆发式增长为全面理解学习奠定了基础,同时也给教育数据挖掘带来了挑战。复现学习过程是理解学习的重要一环。虽然,当前的教育研究已经广泛应用学习分析技术,但在呈现复杂学习过程方面仍然存在不足。过程挖掘算法强调对日志文件中时间戳数据的分析,相比于传统统计方法更加智能。研究选择教育领域最常见的三种过程挖掘算法:模糊矿工、启发式矿工、感应矿工,通过对比三种算法的特征,分析其对教育研究的应用潜力和实践价值。首先,文献综述三种算法的应用现状;其次,从三种算法的计算原理角度解读它们在教育领域的应用实践;最后,以课程平台时间戳数据为源数据,在自我调节学习理论支持下,对比三种算法的过程挖掘结果。即从理论、原理、实践三方面对三个过程挖掘算法进行探析,总结过程挖掘技术在教育领域中的应用前景和实践价值。研究依据结论提出三种算法在教育领域中的应用启示,为过程挖掘智能技术助力教育研究,提供相关经验和参考。

摘要： 以数值分析课程为例,在新工科背景下利用数据挖掘技术探讨学习分析在教学中的应用。选取三峡大学理学院两个数值计算课程班级的学生作为实证研究对象,形成对照组,进行实证研究,得到学习数据与学生成绩二者之间的关系,及时了解学生的学习情况并发现学习过程中出现的不足,预测学生在学习时可能遇到的难题,以期为三峡大学理学院在线教学平台的建设与改进提供理论指导,形成较为完善的在线教学平台。

摘要： 针对双师教学中远程授课名师对本地学生的学习情感感知不足、授课成效不佳等问题,文章提出通过融合情感计算和大数据分析等方法,构建多空间融合视域下多模态情感分析的理论框架,探索基于多模态数据融合的学生学习情感识别与智能评估,挖掘基于时序“学习情感-空间”联合建模的学生群体情感演化机理。在此基础上,建立多模态情感分析教育应用平台,分析基于原型系统的教学验证及干预方案。文章期望通过研究双师课堂中多模态学习情感分析的关键问题、逻辑理路与实施路线,揭示学生在双师教学视域下的学生情感发展机制,拓展学生群体情感的干预实践,为“双师”课后教研提供技术支撑与行动指南。

摘要： 在智能时代,各种智慧教育场所、移动智能终端和可穿戴设备中内置的传感器可以对教育过程中学习者的生理信息、行为动作、学习场所等数据进行捕捉,为全方位、情境性、过程性的学习分析提供了条件。基于此,文章采用系统性文献综述法,对51篇利用传感数据开展学习分析的实证研究文献进行分析,以揭示传感数据应用于学习分析的研究现状,探究基于传感数据的学习分析研究内容及其实证效果,并在此基础上探讨传感数据应用于学习分析的挑战和建议,以期为相关教育研究者与实践者提供教学设计与优化的实证参考。

摘要： 智能时代孕育了新一轮的教育变革,规模个性化人才培养成为当下的教育诉求与实践难题,而精准学习干预则是破解上述难题的有力手段。通过分析学习干预相关的理论研究与实践现状,发现学习干预在各实施环节上均面临一定挑战,制约了精准学习干预的推进。文章认为,将人类智慧与机器智能有机融合方为实现精准学习干预的可行之道,因此,构建了兼具整体性、结构性、动态性的人机智能协同的精准学习干预模型。该模型以学习者多模态数据采集为基础,采用机器智能与专家经验协同决策的方式实现问题诊断、策略匹配、策略实施、效果验证等四个主要环节,各个环节在干预系统中各司其职,构成指向精准学习干预的闭合回路。在未来的相关研究与实践中,需在分析模型构建、问题成因追溯、干预机制分析、实证研究设计等方面进一步探索,以推动学习干预精准化实现。

摘要： 文章介绍了学习分析、个性化推荐的相关概念,通过获取学习者的基本信息数据、学习行为数据、交流数据等,应用多种学习分析方法与个性化推送技术相结合的方法,提出了个性化学习资源推荐策略,并在此基础上建立了在线学习资源个性化推送模型,以期为未来研究者提供参考.

摘要： 在所有学习经验中对学习内容、学习过程和学习收获的评价是必要的.新的技术促进了新的内容类型的使用,如教育游戏.与传统活动相比它们有很强的交互性而且对所有形式的评估来说它们都是强有力的数据资源.本文讨论了以评价为目的运用学习分析技术研究学生与游戏进行交互的方式,并提出了一些评价的方法,希望对后续研究有借鉴意义.

摘要： 在信息化时代,网络化学习越来越普遍.在网络学习平台上如何利用学习分析技术来收集、分析、应用学生学习大数据成为目前教育教学研究的重要课题.本研究采用文献分析法,从学习分析的构成要素、学习分析的方法、学习分析的工具、学习分析的模型等方面,围绕目前学习分析技术的应用现状展开研究.

摘要： 自2013年以来,针对同济大学大学物理课程开展了混合式教学,通过对学生线上学习、线下讨论的数据的收集分析,对教学设计对教学效果的影响作观察总结,以学习分析为基础,建立了学习过程模型,在这个模型中混合式教学的学习效果主要由学生的学习态度与课堂交互质量决定.

摘要： 随着大数据时代的来临,不断积累的海量学习数据需要使用新的方法和技术进行处理,学习分析应运而生并成为新的研究热点.文章通过梳理学习分析中的六种关键技术,分别从预测模型、社会网络分析、内容分析、语义分析、用户追踪、推荐引擎的常用工具和应用场景进行介绍,期望为学习分析提供相应的技术支持.

摘要： 近几年来,高校网络自适应学习系统建设有了很大的发展和进步,基本满足学习者个性化和差异化学习的需要.但是系统中对用户学习数据的分析处理还不够完善,本文的研究方向是将学习分析技术应用到自适应学习中,利用学习分析独特的数据分析方法和工具,对用户的学习行为更好的评价和预测.同时论述了国内外网络自适应学习系统的研究现状以及优缺点,并提出了改进方法.

摘要： 学习分析作为近年来兴起的一个研究领域,迅速引起了国内外研究的关注.学习分析是对学习者及其所在情境中产生的数据进行测量、搜集、分析和报告，以便理解和优化他们的学习及其所处的环境。通过以CSSCI中学习分析文献作为研究样本来源,以采用文献计量、知识图谱为研究方法,对国内学习分析的文献量、研究主体(机构/作者)、研究主题等进行梳理和统计,分析了该领域的学术结构和研究热点,进而对国内学习分析的后续研究提供展望.

摘要： 大量的新技术应用在教育领域使得人们对学习者学习过程中产生的数据进行收集、记录、分析成为可能,而随着技术的不断改革,对学习者的学习分析将会更加细致,由此产生的伦理道德与隐私问题正逐渐引起研究人员的关注.文章论述了国内外学习分析的伦理道德与隐私问题研究现状,从学习分析的五个利益相关者角度论述了伦理道德与隐私问题,并尝试为解决此问题提出相应的原则,以期为使用学习分析技术的研究者提供参考.

摘要： 近年来，随着教育信息化的不断推进，由此产生的教育大数据中潜藏着与学习者息息相关的信息,在挖掘教育大数据价值的过程中，不管是学习环境的构建，教学方法的设计，还是学习者学习过程的实践，都离不开学习分析这一核心技术。本文在梳理了国内外2007年至2017年学习分析相关文献基础之上,重点阐述了近十年大数据背景下国内外学习分析的研究现状.根据研究重点的不同,本文分别从学习分析的概念定义、模型研究、工具以及常用技术对学习分析领域的研究进行了梳理.最后,本文深入探讨了学习分析未来面临的挑战以及发展趋势.

摘要： 近年来,信息技术的蓬勃发展,尤其是数据挖掘和学习分析技术的兴起,为精准教学提供了新的契机.本文采用文献分析法,从基本情况、主研人员和机构、研究脉络、研究热点四个方面对在中国知网(社会科学II辑)以“精准教学”为主体关键词检索到的文献进行了分析和总结,阐述了精准教学的研究现状、问题和趋势,以期为未来精准教学的理论和实践研究提供参考.

摘要： 本发明公开了一种基于迁移学习和视频帧关联学习的视频内容分析方法，主要解决了现有视频内容分析方法需要大量人工标记以及视频分析中存在“黑洞”现象的问题。其实现步骤是：(1)依据运动预测和光流分析算法对标签进行视频帧之间的迁移；(2)利用现有的图像标注数据集对上述步骤中产生的“黑洞”现象进行跨媒体迁移学习；(3)利用马尔科夫随机场模型对单幅视频帧中对象空间分布进行先验知识建模；(4)在最大后验概率模型下将以上三步统一求解，得到最终的视频分析结果。本发明充分利用了视频中空‑时域信息，迁移学习方法将大规模的已标注图像数据信息迁移到视频域对“黑洞”进行补绘，从而取得更精准的视频内容的像素级自动标注结果。

摘要： 一种基于在线学习行为分析的个性化学习推荐方法，包括以下步骤：步骤1，收集数据，获取在线学习平台的学习者日志数据、学生成绩数据，学生性格数据；步骤2，特征提取与挖掘；步骤3，准备数据集进行BP神经网络的训练和测试模型的准确度；步骤4，利用训练好的模型，对新的学习者进行成绩预测；步骤5，向学习者发放调查问卷，并收集问卷数据；步骤6，对问卷数据进行k‑means聚类分析；步骤7，结合不同学习者的性格特征，进行个性化学习方法的推荐。本发明提供一种预测精度较高、较为全面分析学习者线上学习时间规律性的BP神经网络预测方法。并且能够对学习者进行性格分析，为学习者做出个性化学习方法推荐。

摘要： 本发明公开了一种基于学习度分析的在线平板学习结果预警方法：具有用于采集完整学习课程过程学习度特征参数的数据采集器，用于学习度特征参数的存储器，用于进行数据处理的处理器，用于进行远程控制的控制中心，用于控制中心和处理器进行通信的通讯模块，针对在线平板课程学习结果预警的需求，分阶段进行课程学习度特征的数据实时采集，通过建立粗略的回归曲线信任区间，实现对在学习课程学习结果的预警。

摘要： 对利用以往的散点图无法判定的细胞种类进行判定。一种使用神经网络结构的深度学习算法对生物试样所含的细胞进行分析的细胞分析方法，包括：使前述细胞在流路中流过，取得关于在前述流路内通过的各个细胞的信号强度，将与取得的关于各个细胞的信号强度对应的数值数据输入深度学习算法，基于从深度学习算法输出的结果，对每个细胞判定取得了信号强度的细胞的种类；利用前述细胞分析方法，解决了课题。

摘要： 本发明公开基于用户学习行为深度分析的在线教育平台学生学习力分析反馈方法，通过对在线教育平台上的教育课程基本参数进行获取，并对各教育课程下的各学生在学习时长中的精神状态系数、学习关联度系数、学习互动度系数、学习专注度系数和学习成果优异度系数进行统计，并根据以上统计结果计算学生的综合学习力系数，进而反馈给学生自身和任课教师，实现了根据学生学习行为对学生在线学习力的综合可靠性评估，弥补了目前在线教育平台对学生在线学习力的评估方式存在的评估指标过于单一化、评估结果过于片面化的步骤，完善了评估指标范围，提高了评估结果的可靠度，满足了现在对学生在线学习力的综合可靠度高的评估需求。

摘要： 本发明涉及一种利用人工神经网络深度学习技术分析测量对象的系统，所述系统包括：生物特征信息测量装置；以及基于分析生物特征信息的人工智能的深度学习服务器，所述深度学习服务器具备：信号获取单元，用于获取基于电化学反应的信号，将通过所述生物特征信息测量装置采集的血液注入具有一对电极的传感器会引起所述电化学反应；信号处理单元，用于将从所述信号获取单元获取的信号预处理为用于人工智能深度学习的信号；生物特征信息测量算法生成单元，用于利用深度学习人工神经网络技术自动提取利用通过所述信号处理单元处理的信号进行优化的生物特征信息测量算法；以及优化算法结果提供单元，用于向所述生物特征信息测量装置提供优化的生物特征信息测量算法。

摘要： 本发明揭示一种游戏式学习系统、学习方法及学习结果分析方法，该游戏式学习系统包括存储多个学习题目的题目数据库，及游戏平台和学习平台。游戏平台的游戏模块提供游戏剧本供玩家角色进行游戏，并在游戏中回答学习题目；学习平台则提供学习课程和读取学习题目，供玩家角色学习及回答题目。玩家角色在游戏平台和学习平台所进行的游戏及学习行为，分别记录在对应的记录单元当中；并且通过一分析单元将学习行为产生的记录转换为适用于游戏平台的游戏历程记录数据，让玩家角色在游戏平台进行游戏的成果和学习平台学习经历，可以同时反馈到玩家角色的角色等级上。本发明可让玩家在游戏的过程中进行学习获取知识，达到寓教于乐的目的。

摘要： 本发明涉及一种基于学习过程情绪实时分析的智能化学习干预系统，包括：情绪数据采集部分，用于在真实学习场景下，对人脸面部跟踪，获取人脸面部动态变化数据；自动识别处理部分，用于建立训练测试数据库、困惑情绪自动识别模型，利用该模型对情绪数据采集部分采集的数据进行处理；情绪分析、干预部分，用于建立学习情绪分析可视化系统、给出干预策略；实现学习过程中对学习者情绪状态实时变化的记录与分析，并及时提供适应性的调节和干预。

摘要： 提供一种能够削减为了开始分析所需要的数据的学习装置、分析装置、学习方法、程序及存储介质。实施方式的学习装置使第1模型进行学习，上述第1模型根据表示人的动作的时间序列数据来推定作业的期间。上述学习装置取得被赋予了表示上述作业的标签的第1时间序列数据。上述学习装置从在上述第1时间序列数据中上述标签表示的期间中，提取作为特征的样式。上述学习装置生成表示上述第1时间序列数据中的上述样式的出现定时的定时数据。上述学习装置使用上述标签、上述第1时间序列数据及上述定时数据，使上述第1模型进行学习。

摘要： 本发明涉及情感分析领域，为基于对比学习与持续性学习的属性级情感分析方法、系统及存储介质，方法包括：获取产品点评的文本数据；对文本数据进行预处理；使用迁移学习方法训练多个BERT‑adapter模型，并将训练完成的多个BERT‑adapter模型组成模型集合；其中，单个BERT‑adapter模型通过在BERT模型的每一个译码器层里的前向传播网络层之后增加适配层得到；将预处理后的文本数据输入模型集合中，得到多个逻辑值分类结果；根据多个逻辑值分类结果，得到文本数据的属性级情感分析结果。本申请将对比学习用于情感分析模型中，从而使得模型达到更好地分类效果。同时基于迁移学习思想构建的模型具有知识迁移的能力也能拥有知识增强的能力，可以缓解深度学习存在的灾难性遗忘问题。