学习参与度

摘要： 混合学习已成为高校重要的教学手段,混合学习环境下学生的参与度直接影响教学质量。在混合教学实践的基础上,通过问卷调查、访谈的方法筛选出混合学习环境下影响学生参与度的16项主要因素,并基于对抗解释结构模型进行建模,通过一组具有博弈关系的有向拓扑层级图分析混合式学习环境下影响学生参与度各个因子之间的关系。结果表明,教学活动安排、课程难易度、线上知识呈现方式、课程的便捷性、视频长度等均是根本影响因素;教师反馈、视频生动性、在线成绩考试认定政策、教学平台的易用性、同伴互助等为间接影响因素;自主学习能力、学习动机、学习兴趣、学习风格、师生互动、学习氛围为直接影响因素。文章从资源优化、激励机制、智慧学习方面提出混合学习环境下学生参与度的提升策略。

摘要： 在小学数学合作学习中,教师可以通过创设情境、优化机制以及多维助力,激发学生的参与热情,提升学生的参与效能,优化学生的合作品质。在合作学习中,目标应当让学生制定,问题应当让学生提出,活动应当让学生经历。只有这样,才能有效提升学生合作学习的参与度,引导学生全员参与、全面参与、全程参与,进而让学生的合作学习向纵深处迈进。

摘要： 基于对公选课“数字图像处理PHOTOSHOP”课程在线学习的参与度及相关影响因素的调查分析表明,在线学习过程中网络环境、自律性和在线互动是影响学生参与度的重要因素。从学生、教师和学校三方面提升学生的在线学习参与度,营造无干扰的学习环境,设置合理多元的教学、互动和评价方式,并加强政策和资源建设方面支持力度有利于大学生在线学习的学习效果。

摘要： 随着素质教育的不断深入,人们越来越重视对学生核心素养的培养。学习兴趣作为学生学习的驱动力,不仅是促使学生进行自主学习的主要动力之一,而且也是培养其核心素养的重要前提。对于高中地理教师而言,为使学生的学习参与度以及学习积极性可以得到较好保障,在当前的教学工作中,需要教师积极转变教学模式,创新教学方法,以此培养学生对地理的学习兴趣。

摘要： 学生混合式学习参与度是评价混合式学习效果的重要方面。文章对地方高校学前教育专业学生混合式学习参与度进行调查,并对调查结果进行了分析。结合专业认证理念,提出优化网络学习环境,扩展实践学习资源;围绕人才培养目标、毕业要求确定学习目标与学习内容;设计有效的线上线下教学活动;开展差别化混合式教学等建议。

摘要： 以大学生为被试,采用实证研究方法编制大学生在线课程参与度量表,通过对987名大学生进行探索性因素分析和验证性因素分析,发现大学生在线课程参与度有认知参与度、情感参与度、行动参与度和互动参与度等四个维持组成。量表的信效度均达到了心理测量学指标要求。调查研究发现,大学生具有良好的在线课程参与度;不同性别、年级和专业大学生的在线课程参与度存在显著差异。

摘要： 在空间感应理论指导下,通过课堂观察法、问卷调查法和访谈法,发现群体在自我选择座位时呈现离散型、聚合型和断层型三种空间布局方式,学生分别表现为独立空间下的“冷模式”回应、集群空间下的“互动式”回应以及区隔空间下的“选择性”回应。为了改善教学质量,提高学生学习参与度,需关注群体差异性,给与正确“安全感”场域;培养集体凝聚力,削弱物理位置产生的距离感;增加互动空间,避免构建“边缘”场域。

摘要： 教育信息化2.0时代,如何利用信息技术提升课堂效率,已经引起业界的广泛关注。而学生学习参与度作为保证学习效果的重要因素之一,也广受重视。文章以广州市某中学的智慧课堂为调研对象,对14节课堂实录进行课堂分析,并筛选出其中两节课作为典型代表,对智慧课堂中Pad在提升学习参与度的应用情况做出详细分析。结果显示,教师可通过Pad提升学生的学习参与度,主要体现在行为、认知及情感三方面,但也发现了教师操作不熟练、容易产生反向抑制效果及教学设计需改进等不足之处。

摘要： 教育信息化2.0时代,如何利用信息技术提升课堂效率,已经引起业界的广泛关注.而学生学习参与度作为保证学习效果的重要因素之一,也广受重视.文章以广州市某中学的智慧课堂为调研对象,对14节课堂实录进行课堂分析,并筛选出其中两节课作为典型代表,对智慧课堂中Pad在提升学习参与度的应用情况做出详细分析.结果显示,教师可通过Pad提升学生的学习参与度,主要体现在行为、认知及情感三方面,但也发现了教师操作不熟练、容易产生反向抑制效果及教学设计需改进等不足之处.

摘要： 有效提问可以激发学生学习兴趣,引导学生走进文本、开启思维、提升语文素养,也有利于教师获得教学反馈,不断优化教学策略。

摘要： 虚拟学习环境是教育信息化的产物,研究介绍了虚拟学习环境的概念及研究现状,运用实验研究法、以NetLogo虚拟学习环境为例、采用探究式教学进行了生物学科的教学实践,采用调查研究法将应用效果与传统学习环境进行了对比分析和评价,发现虚拟学习环境在信息获取效率、学习参与度、学习体验和知识掌握等方面的效果优于传统学习环境.最后提出了研究的不足和缺陷,为未来虚拟学习环境教育应用的研究提供参考和建议.

摘要： 本文选取了美国具有代表性的三个就读经验调查项目,SERU、NSSE及CCSSE,根据就读经验与学生参与的概念及相关理论,对这三个项目的调查内容进行比较和分析.结果显示:三个项目在学习参与、师生互动、时间分配等方面包括很多相同的问题.但三个项目根据各自的办学任务和办学目标又都有各自的特色与侧重点.例如SERU包括的很多关于学生参与研究的活动的问题.研究建议中国不同类型大学要开发或者采纳能反映各自办学特色的学生就读经验调查问卷,也可以为制定本科教育质量评价指标提供参考.

摘要： 本文选取了美国具有代表性的三个就读经验调查项目,SERU、NSSE及CCSSE,根据就读经验与学生参与的概念及相关理论,对这三个项目的调查内容进行比较和分析.结果显示:三个项目在学习参与、师生互动、时间分配等方面包括很多相同的问题.但三个项目根据各自的办学任务和办学目标又都有各自的特色与侧重点.例如SERU包括的很多关于学生参与研究的活动的问题.研究建议中国不同类型大学要开发或者采纳能反映各自办学特色的学生就读经验调查问卷,也可以为制定本科教育质量评价指标提供参考.

摘要： 本文选取了美国具有代表性的三个就读经验调查项目,SERU、NSSE及CCSSE,根据就读经验与学生参与的概念及相关理论,对这三个项目的调查内容进行比较和分析.结果显示:三个项目在学习参与、师生互动、时间分配等方面包括很多相同的问题.但三个项目根据各自的办学任务和办学目标又都有各自的特色与侧重点.例如SERU包括的很多关于学生参与研究的活动的问题.研究建议中国不同类型大学要开发或者采纳能反映各自办学特色的学生就读经验调查问卷,也可以为制定本科教育质量评价指标提供参考.

摘要： 本文选取了美国具有代表性的三个就读经验调查项目,SERU、NSSE及CCSSE,根据就读经验与学生参与的概念及相关理论,对这三个项目的调查内容进行比较和分析.结果显示:三个项目在学习参与、师生互动、时间分配等方面包括很多相同的问题.但三个项目根据各自的办学任务和办学目标又都有各自的特色与侧重点.例如SERU包括的很多关于学生参与研究的活动的问题.研究建议中国不同类型大学要开发或者采纳能反映各自办学特色的学生就读经验调查问卷,也可以为制定本科教育质量评价指标提供参考.

摘要： 本研究的数据来自辽宁师范大学878名师范生,数据用来分析自我发展意识与师范生教学能力之间的联系以及师范生的微格课程的参与性.结果显示,师范生的教学能力与他们的爱好、兴趣和对微格课程学习的参与性生有显著性关系(p＜0.01),具有高层次的自我发展意识的学生的教学能力超过了那些中等和低等层次的学生.建议,改善学生在微格课程中的情绪和兴趣及提供有意义的教学活动可以有效提高师范生的教学能力.

摘要： 本研究的数据来自辽宁师范大学878名师范生,数据用来分析自我发展意识与师范生教学能力之间的联系以及师范生的微格课程的参与性.结果显示,师范生的教学能力与他们的爱好、兴趣和对微格课程学习的参与性生有显著性关系(p＜0.01),具有高层次的自我发展意识的学生的教学能力超过了那些中等和低等层次的学生.建议,改善学生在微格课程中的情绪和兴趣及提供有意义的教学活动可以有效提高师范生的教学能力.

摘要： 本研究的数据来自辽宁师范大学878名师范生,数据用来分析自我发展意识与师范生教学能力之间的联系以及师范生的微格课程的参与性.结果显示,师范生的教学能力与他们的爱好、兴趣和对微格课程学习的参与性生有显著性关系(p＜0.01),具有高层次的自我发展意识的学生的教学能力超过了那些中等和低等层次的学生.建议,改善学生在微格课程中的情绪和兴趣及提供有意义的教学活动可以有效提高师范生的教学能力.

摘要： 本研究的数据来自辽宁师范大学878名师范生,数据用来分析自我发展意识与师范生教学能力之间的联系以及师范生的微格课程的参与性.结果显示,师范生的教学能力与他们的爱好、兴趣和对微格课程学习的参与性生有显著性关系(p＜0.01),具有高层次的自我发展意识的学生的教学能力超过了那些中等和低等层次的学生.建议,改善学生在微格课程中的情绪和兴趣及提供有意义的教学活动可以有效提高师范生的教学能力.

摘要： 本研究的数据来自辽宁师范大学878名师范生,数据用来分析自我发展意识与师范生教学能力之间的联系以及师范生的微格课程的参与性.结果显示,师范生的教学能力与他们的爱好、兴趣和对微格课程学习的参与性生有显著性关系(p＜0.01),具有高层次的自我发展意识的学生的教学能力超过了那些中等和低等层次的学生.建议,改善学生在微格课程中的情绪和兴趣及提供有意义的教学活动可以有效提高师范生的教学能力.

摘要： 本公开提供了一种用于联合学习中确定参与方贡献度的方法及装置。该方法包括：构造全部参与方组合，计算每个参与方组合的权重；确定聚合周期前后联合学习模型的效用变化值并建立查找表，根据效用变化值判断是否对参与方的贡献值进行计算；从全部参与方组合中选取一个参与方组合，对参与方的边际贡献值进行估计，根据估计结果以及权重，判断是否采用插值函数对参与方组合的效用值进行计算；依据参与方组合的效用值对查找表进行更新，依次选取参与方组合，直至计算出所有参与方组合的效用值，利用参与方组合的效用值对查找表进行更新，基于最终更新后的查找表，计算参与方的贡献值。本公开能够提升联合学习中贡献值的计算精度和计算效率。

摘要： 本发明公开了一种基于模型陈旧性与用户参与度感知的联邦学习算法，涉及联邦学习技术领域。该算法将参与任务的客户端分成不同的性能层级，每次选取客户端时选取同一性能层级的客户端，实现了联邦学习由随机选取客户端到有选择地选取客户端的转变，提高了联邦学习的通信效率；使用一个添加了全局模型近端项的目标函数作为各客户端训练本地模型的目标函数，改善了全局模型偏向某一客户端本地模型的问题；通过设置一个自适应超参数以及考虑客户端的本地模型对云中心服务器上最新的全局模型的滞后程度，提出了一种基于模型陈旧性与用户参与度感知相结合的更新方式，来对全局模型进行动态调整，解决了联邦学习中全局模型偏向某一客户端本地模型的问题。

摘要： 本公开提供了一种确定联合学习中参与方贡献度的方法及装置。该方法包括：基于联合学习的架构生成多个参与方组，计算参与方组的权重；确定聚合周期前后联合学习模型的效用变化值并建立查找表，根据效用变化值判断是否对参与方的贡献值进行计算；利用参与方组随机生成一个全排列组合，并计算参与方加入子组合时的边际贡献值的估计值，根据估计值以及权重，判断是否采用插值函数对新参与方组的效用值进行计算；依据新参与方组的效用值对查找表进行更新，基于更新后的查找表，计算参与方的边际贡献值，直至计算得到收敛后的参与方的贡献值，根据贡献值确定参与方在联合学习中的贡献度。本公开能够提升联合学习中贡献值的计算精度和计算效率。

摘要： 本发明公开一种基于图学习的视频参与度预测方法、系统、装置及介质，涉及计算机技术领域。本申请融合基于多模态分析的情感特征矩阵和基于单模态分析的文本特征矩阵、音频特征矩阵和视频特征矩阵进行用户参与度的预测，不仅考虑单模态数据对预测结果的影响，又通过情感分析考虑多模态数据间的相互关联，从而提高了视频用户参与度预测的准确性。

摘要： 公开了与适应性学习环境相关联的与适应性学习环境相关联的计算机可读储存媒体、计算设备、以及方法。在实施例中，计算设备可以包括教育模块和在操作时被与教育模块耦合的适配模块。教育模块可以经由与计算设备耦合的一个或多个输出设备向计算设备的用户选择性地提供多个教育性内容类型之一的教育性内容。适配模块可以实时地确定与计算设备的用户相关联的参与度水平并可以与教育模块合作以至少部分地基于所确定的参与度水平动态地适配被提供给用户的教育性内容。可以描述和/或主张其它实施例。

摘要： 本发明公开了通过深度学习提高媒体参与度，具体公开了使用神经网络基于环境因素和其他因素来调整回放速度和音量以促进对媒体内容的理解的装置、系统和技术。在至少一个实施例中，如果基于背景噪声、口音、材料困难度以及降低媒体内容的可理解性的其他因素难以理解与所述媒体内容相关联的音频，则减慢或加速媒体内容的播放。

摘要： 本发明涉及基于时空注意力网络的在线学习参与度评估方法及评估系统、设备、存储介质，该评估方法包括：对视频片段依次进行预处理、特征提取和变换；通过空间注意力模块的输出M

摘要： 本申请提出了一种面向在线课堂的学习参与度智能评估方法和装置，该方法包括：获取受教育者的在线学习数据，并对在线学习数据进行预处理；通过两分支网络学习预设数量的图像数据的大类样本特征和小类样本特征，并通过3D卷积神经网络对两分支网络输出的特征进行提取，获得每个图像数据的特征向量；通过聚合模块对每个图像数据的特征向量进行加权处理；基于每个图像数据对应的特征的相似性构造困难四元组，并通过困难四元组的损失函数对两分支网络的网络参数进行优化；将受教育者的实时数据输入至优化后的两分支网络，获取参与度识别结果。该方法可在参与度识别任务中样本分布不均衡的状况下，显著提升网络模型识别学习参与度的准确性和鲁棒性。

摘要： 本申请提供了一种学习参与度识别方法、装置、设备及可读存储介质，涉及多模态情感识别技术领域，包括：对获取的视频样本进行预处理，提取出多个模态下的单模态特征；将多个模态下的单模态特征进行特征融合，得到多模态融合特征；多模态融合特征经过全连接层降低维度并进行预测，得到多模态输出值；单模态特征映射到低维空间中，再运用线性回归得到单模态输出值；将单模态输出值和多模态输出值按照预设权重加权求和，得到融合输出值；基于多模态输出值、单模态输出值和融合输出值，确定用户的学习参与度，这样，通过联合多模态信息和单模态信息，将提取出的单模态特征映射到低维空间，再单独训练模型，可以提高学习参与度的识别准确率。

摘要： 本申请提出了一种面向在线课堂的学习参与度智能评估方法和装置，该方法包括：获取受教育者的在线学习数据，并对在线学习数据进行预处理；通过两分支网络学习预设数量的图像数据的大类样本特征和小类样本特征，并通过3D卷积神经网络对两分支网络输出的特征进行提取，获得每个图像数据的特征向量；通过聚合模块对每个图像数据的特征向量进行加权处理；基于每个图像数据对应的特征的相似性构造困难四元组，并通过困难四元组的损失函数对两分支网络的网络参数进行优化；将受教育者的实时数据输入至优化后的两分支网络，获取参与度识别结果。该方法可在参与度识别任务中样本分布不均衡的状况下，显著提升网络模型识别学习参与度的准确性和鲁棒性。