学习行为

摘要： 在线教学平台在高职院校社会扩招学生教学中得到了广泛应用,通过收集平台中大量的学生在线学习行为数据,并利用K-Means聚类算法对这些数据进行有效分析,可以帮助教师掌握学生在线学习行为状态,提高在线教学质量,为提升高职社会扩招学生育人水平提供参考.

摘要： 游戏是幼儿一日生活与学习的一部分,是幼儿自主、自发、自由的活动,幼儿园区域游戏活动为幼儿的学习与发展提供了良好的载体。教师在组织区域游戏活动时,应在充分尊重幼儿游戏主体性的前提下,对幼儿游戏过程中的学习行为进行密切的观察与有效的指导,及时发现问题并予以有效介入指导,让幼儿在游戏活动中有更好的体验与收获。在教师观察中应着重观察幼儿游戏过程中的执行力、学习力、创造力等维度,在教师指导中要注重目的性、适当性和启发性,在教师评价中落实以幼儿发展为本的激励评价,从而让幼儿在游戏活动中更好地学习与发展。

摘要： 线上线下结合的教学模式是未来教学的一个趋势,每一个学生的学习行为会直接影响学习结果,因此研究学习者学习行为对学习成绩的影响程度是目前的研究重点。目前常见的评价模型存在可信程度较低、可解释性较弱等问题,本文使用基于证据推理的贝叶斯网络(Bayes Network,BN)能够有效地解决这一问题。把方法应用在学习行为分析上,与常用的机器模型和深度学习模型进行比较,表现出更低的误差和更强的可解释性。

摘要： 智慧课堂作为智慧学习环境范式,追求利用技术优势帮助学习者获得良好的学习体验,然而技术如何影响学习体验,未发现有研究给出明确的回答。对此,本研究随机调查了六个省市在智慧课堂学习的1775名中小学生,构建了由技术使用、学习行为、学习体验、学生凝聚力、教师公平对待等变量组成的中介模型,探究其影响机制。通过高阶因素、结构方程、潜调节结构方程等方法分析数据,本研究发现:1)在智慧课堂中使用技术能够正向影响学生的学习体验;2)这种影响是通过影响学习行为间接实现的(即学习行为具有传导性);3)学习者的凝聚力和感受到的教师公平对待均在这种间接影响的前半路径(即技术使用影响学习行为这一路径)中具有显著的正向调节效应。本研究还发现,相比2015年,智慧课堂的质量有了实质性的提升;数据获取、自主学习、探究学习和合作学习成为智慧课堂的主要学习行为。这些发现能够对优化智慧课堂建设及其教学创新提供启示。

摘要： 分析思想政治理论课学习行为与社会适应性的契合机理,探讨大学生思想政治理论课的学习行为与社会发展要求相适应的优化路径,对于培育大学生主体素质与提升思想政治教育的实效性具有重要价值。

摘要： 研究通过问卷调查的方式,对北京交通运输职业学院民航运输专业高职学生技术技能学习行为进行综合分析,探寻高职院校学生学习行为存在的问题,并进一步提出塑造高职院校学生良好学习行为的有效对策。

摘要： 慕课(又称“MOOC”),因其大规模和开放性等特点,已成为国内外互联网上的热点,给各个阶段的学习者带来非常的便利。在目前国内的有关于MOOC的研究中,对学习者的研究逐渐增多。通过论述学习者在MOOC中的学习行为来分析其对学习效果的影响。研究发现,学习行为对学习绩效等有密切的关系,通过研究学习者的学习行为和动机来探究对学习效果的影响从而有针对性地提出改进意见,通过总结、梳理对满意度和参与度的调查进行改进从而提升学习效果。

摘要： 学习者的个体特征和学习过程中的行为表现对在线学习结果具有一定的预测作用。为了探究在职教师在线学习结果的影响因素及预测模型,研究以教师信息技术应用能力在线学习为研究场景,选取1041名教师作为研究对象,依据性别、年龄、学科、学段等倾向性指标和参与、专注、绩效、规律4个维度的行为表现指标建立4种学习结果预测模型,综合评估7种分类算法后选择较优的预测模型和算法,并对确定的预测模型进行调参优化、动态适应性检验、可视化呈现和规则提取,并对预测风险给出了干预策略。研究表明:应用CART决策树算法通过倾向性指标和行为表现指标的混合预测模型获得了较优的预测效果,并且该模型具有早期的预测能力,可以为培训管理者在不同的学习阶段实施学习干预和支持服务提供科学依据。

摘要： 目的:大学生的在线体育学习行为的表现是研究教学质量的重要因素,该文旨在分析大学生在线体育学习行为的现状及特征,为今后线上体育教学的发展提供参考。方法:采用在线体育学习行为问卷对大学生进行调查,对问卷情况进行描述性统计和差异性分析。结果:(1)大学生的互动行为得分较低(xˉ=3.42);(2)不同性别的学生的练习行为、展示行为、问题行为存在显著性差异(P<0.05);(3)不同年级的大学生在练习行为、展示行为、问题行为方面存在显著性差异(P<0.05)。结论:(1)大学生在线体育学习行为的互动行为方面较差;(2)女生在学习行为上总体好于男生;(3)大一的学生在练习行为、展示行为和问题行为方面明显好于大二的学生。

摘要： “互联网+教育”是一种新型的教育模式,大学生通过利用互联网进行在线学习时,需要理解哪些是影响学习者接受的关键性因素,对提高学习者接受度有重要作用。基于UTAUT模型,构建了大学生在线学习影响因素的研究框架,框架包括6个自变量、2个因变量、3个调节变量,并根据研究变量设计了问卷。采用SPSS 24.0进行数据统计分析,研究结果表明:大学生在利用互联网进行在线学习时具有较高的普适性,不同性别、不同专业在进行在线学习时各个影响因素上表现出显著性差异;大二与大四的学生在绩效期望中表现出显著性差异,感知自我效能、绩效期望、社群影响对行为意愿的影响权重的占比较高,感知自我效能、绩效期望、配合情况对学习满意度的影响权重占比较高。最后,根据研究结果提出相关的建议。

摘要： 以"航海气象观测与分析"MOOC为例,对基于中国大学MOOC平台的课程考核数据、成绩分段分布、学习资源类别等数据进行统计分析,并剖析MOOC普遍完成率低下的原因以及学习者对学习资源的偏好.结果表明:开放性MOOC环境中学习者的动机和知识背景呈现多样性,MOOC的完成率和考核成绩并非学习者的关注重点,不宜以此来衡量MOOC质量或作为评价MOOC的唯一指标,学习资源统计中视频资源更受欢迎,学习者更愿意从简单的学习行为开始,在此基础上进一步提出MOOC情境下学习行为分析的思考与建议.

摘要： 基于移动互联网的大数据及新媒体技术,及时针对教学过程中的反馈信息对学生的学习行为准确量化,是当今开展因材施教和个性化教学的有效手段.本文以2018年秋季学期开展的完整雨课堂智慧教学活动实践为例,从课件推送信息数据、学生对不同教学内容和不同学习模式完成情况等多个维度,对大学物理课程产生的真实数据进行可视化分析,并实证混合式教学对影响教学效果的核心要素,为深入了解学生行为特征、提升教学效果提供有价值的参考.

摘要： 网络学习者的学习行为,对于构建个性化、智能化的学习系统具有极为重要的意义.但目前对于网络学习行为存在情境多样性、交互复杂性、行为多变化等特点,研究者对网络学习行为的研究都基于某一特定情境进行,所建立的模型也只适用于某一界定的网络教学中.随着教育大数据的成熟应用,标准化教育数据开放与共享已是研究的热点.基于些,笔者根据当前数据开放与共享下的在线教育数据标准(xAPI)和网络教育资源描述标准(Dublin Core)的基础上,对网络学习者的行为进行属性分析、定义与建模,建立了基于数据开放的学习者网络学习行为模型,为进行教育大数据的学习分析与研究提供标准化模型与技术支持.

摘要： MOOC的出现不仅改变了高等教育的生态环境,而且促进了小规模限制性在线课程(SPOC)的发展.为了了解学生在SPOC平台的行为,本研究收集了他们一个学期内在平台上的操作记录,并用序列模式挖掘算法分析了学生的在线学习行为.研究结果发现3个主要的学生的频繁行为序列,与学习课程资源、查看资源统计和查看作业模块有关.

摘要： 探究学习社区理论扩展了网络自我调节学习行为的影响因素的研究角度,为预测网络自我调节学习行为提供了良好的理论架构.本文根据个体因素、社区因素、网络自我调节学习行为的具体分类,建立了基于探究学习社区理论的网络学习行为模型.本文并以“教育技术导论”课程为例进行了实证研究,梳理了模型中各要素之间的关系、构建了验证模型.本文认为,提升学习者的自我效能感、学习策略有助于有效改善自我调节学习行为,认知性存在影响学习者的制定目标行为,教学性存在影响寻求帮助行为,社会性存在影响学生的自我满意度.

摘要： 随着资讯科技的进步,故应用数位学习科技在教学上也相当普遍.许多研究显示先备知识对学习者使用数位学习科技的学习行为有相当大的影响.因此,本研究针对台湾某大学研究生，提出了学术英语字汇学习系统,并探讨先备知识如何影响学习者使用学术英语字汇学习系统之学习行为.由实验结果发现,高先备者在开始任务后,偏好先使用文字提示来了解答题内容,而低先备者则偏好先使用图片提示来了解答题内容;此外在答题过程中,高先备者善用多样提示帮助帮助答题,而低先备者则偏重从提示帮助中获得字汇的学习内容.换句话说,先备知识对使用学术英语字汇学习系统有相当大的影响.

摘要： 本文基于2001-2016年有关智慧学习环境的121篇国际期刊论文,对智慧学习环境国际研究现状进行内容分析,探究新世纪以来该领域研究发展趋势.结果发现智慧学习环境的研究从技术水平发达的国家开始,逐渐辐射到技术薄弱教育欠发达的区域.应用热点有从高等教育向基础教育、职业教育发展的趋势.技术热点有从平板电脑等传统技术向以自适应和人工智能为核心的机器人技术发展的趋势,开发热点有从关注学生外在学习行为的与外界分离的智慧学习环境向关注内在学习行为更加开放的智慧学习环境发展的趋势,最后使用策略热点有从关注应用技术向技术与教育深度融合,兼顾学生主体和教师主导的混合式教育理念发展的趋势.

摘要： 为了帮助学习者改善学术英文的文法概念,本研究以某大学研究生为研究对象，开发了学术英语多人电脑麻将游戏,并且探讨时间和题目难易度对于学习者使用学术英语麻将游戏的学习行为之影响.其结果发现,时间较题目难度更能影响学习者的学习行为,学习者在经验不足时会依赖更多的提示,并会有作答时间较慢的状况发生,而学习者在后期因为有足够的经验,因此能够在使用较少的提示工具下成功完成任务.根据研究结果,提出了一个架构图,说明时间与题目难度对于学习行为影响的差异,未来可用于建立有不同难度的学术英语多人麻将游戏,以达到差异化教学.

摘要： 本研究系以台湾某大学之全校通识必修课程「资讯应用与素养」为实验课程,规划3周,每周2小时,做为「Arduino主控板及周边模组」介绍,控制组为外国语文学系大学部一年级41位学生,实验组为经济管理学系大学部一年级41位学生,控制组使用讲述教学法,而实验组则使用本研究开发设计之「Arduino桌游破冰卡牌活动」及「Hello,Arduino!」两款电脑游戏,进行游戏式学习,并对学生实施学习成效测验及心流问卷.实验结果显示本研究之桌游,不只能提高学生的学习成效,对提高学生的心流状态也颇为显著.

摘要： 本研究系以台湾某大学之全校通识必修课程「资讯应用与素养」为实验课程,规划3周,每周2小时,做为「Arduino主控板及周边模组」介绍,控制组为外国语文学系大学部一年级41位学生,实验组为经济管理学系大学部一年级41位学生,控制组使用讲述教学法,而实验组则使用本研究开发设计之「Arduino桌游破冰卡牌活动」及「Hello,Arduino!」两款电脑游戏,进行游戏式学习,并对学生实施学习成效测验及心流问卷.实验结果显示本研究之桌游,不只能提高学生的学习成效,对提高学生的心流状态也颇为显著.

摘要： 本发明提供一种行为信息学习装置、机器人控制系统及行为信息学习方法，用于使作业者容易进行与机器人的协作作业。行为信息学习装置(300)具备：状态信息取得部(310)，其在机器人(100)将从工件放置处取得的工件(7)在交接工件的区域即工件交接区域(8)内交接给作业人员(P)时，取得机器人的状态(s)；行为信息输出部(320)，其输出状态的调整信息即行为(a)；回报计算部(331)，其取得关于工件的交接所花费的交接时间(T)的信息即判定信息，并根据所取得的判定信息来计算强化学习的回报的值；以及价值函数更新部(332)，其根据回报的值、状态(s)、行为(a)进行强化学习，从而更新价值函数(Q)。

摘要： 本发明提供一种行为识别装置、学习装置、行为识别方法、学习方法及计算机可读的记录介质。行动识别装置具有：检测单元，根据拍摄车辆内而得到的车内图像检测所述车内图像中的车辆内的人物的、人体的多个部位的位置；特征量抽取单元，抽取位次特征量，该位次特征量是基于由所述检测单元得到的部位间的距离大小的位次的特征量；以及辨别单元，使用预先学习到的辨别器和所述特征量抽取单元抽取的位次特征量来辨别车辆内乘客的行为。辨别单元优选作为输入受理动态图像，根据各帧的辨别器的辨别结果来辨别行为。

摘要： 本发明属于移动安全技术领域，具体为一种基于动态行为序列和深度学习的恶意软件实时检测系统，本发明系统包括两个核心模块：应用动态行为实时采集子系统和应用行为实时判别子系统，应用动态行为实时采集子系统用于持续、可靠地记录应用所调用的框架层函数调用接口与和内核层系统调用序列，以表征应用所产生的行为；为应用行为判别子系统提供行为判别依据；应用行为实时判别子系统利用深度学习技术探索行为序列信息内在联系，使用机器学习模型对上述调用序列进行即时判别，以高效准确地识别出应用中的恶意行为。系统还包括数据处理模块和数据通信模块，用来协助两个核心模块的运行。本发明可有效缓解移动系统生态面临的安全问题与威胁。

摘要： 本发明提供一种机器学习自动化行为分析的行为威胁分析方法，接管系统内核所有程序执行管道；监控用户指令序列并交由通过机器学习建立的用户指令序列库进行比对；将用户指令序列分为长度较短的序列组合并得出判决值，若其低于阈值则系统告警，在操作系统内部通道捕获进程和内核的行为信息，通过捕捉用户指令序列，由机器学习的方式分析其行为可疑程度，从而达到检测高级持续性威胁，检测效率高，能够较全面地分析攻击在系统层面的行为情况。

摘要： 本发明提供一种行为信息学习装置、机器人控制系统及行为信息学习方法，用于使作业者容易进行与机器人的协作作业。行为信息学习装置(300)具备：状态信息取得部(310)，其在机器人(100)将从工件放置处取得的工件(7)在交接工件的区域即工件交接区域(8)内交接给作业人员(P)时，取得机器人的状态(s)；行为信息输出部(320)，其输出状态的调整信息即行为(a)；回报计算部(331)，其取得关于工件的交接所花费的交接时间(T)的信息即判定信息，并根据所取得的判定信息来计算强化学习的回报的值；以及价值函数更新部(332)，其根据回报的值、状态(s)、行为(a)进行强化学习，从而更新价值函数(Q)。

摘要： 本发明提供一种行为识别装置、学习装置、行为识别方法、学习方法及计算机可读的记录介质。行动识别装置具有：检测单元，根据拍摄车辆内而得到的车内图像检测所述车内图像中的车辆内的人物的、人体的多个部位的位置；特征量抽取单元，抽取位次特征量，该位次特征量是基于由所述检测单元得到的部位间的距离大小的位次的特征量；以及辨别单元，使用预先学习到的辨别器和所述特征量抽取单元抽取的位次特征量来辨别车辆内乘客的行为。辨别单元优选作为输入受理动态图像，根据各帧的辨别器的辨别结果来辨别行为。

摘要： 本发明属于移动安全技术领域，具体为一种基于动态行为序列和深度学习的恶意软件实时检测系统，本发明系统包括两个核心模块：应用动态行为实时采集子系统和应用行为实时判别子系统，应用动态行为实时采集子系统用于持续、可靠地记录应用所调用的框架层函数调用接口与和内核层系统调用序列，以表征应用所产生的行为；为应用行为判别子系统提供行为判别依据；应用行为实时判别子系统利用深度学习技术探索行为序列信息内在联系，使用机器学习模型对上述调用序列进行即时判别，以高效准确地识别出应用中的恶意行为。系统还包括数据处理模块和数据通信模块，用来协助两个核心模块的运行。本发明可有效缓解移动系统生态面临的安全问题与威胁。

摘要： 使用神经语言编程和机器学习机制，基于行为驱动开发步骤定义和相似性分析，从行为驱动开发场景生成测试模型。本发明涉及一种用于在行为驱动开发（BDD）环境中自动验证软件程序的方法以及被配置为执行这样的方法的数据处理系统。首先匹配BDD测试场景的单独的测试步骤，然后将其分派给来自BDD框架的现有测试步骤定义。如果一对一的匹配是不可能的，则自然语言处理（NLP）被用来决定所述分派是否可能具有一定的匹配概率。所分派的测试步骤定义用于为测试场景生成图形测试模型，例如UML图。最后，生成可执行的测试脚本来测试软件程序。本发明特别是涉及行为驱动开发（BDD），并且将传统的BDD优点与基于模型的测试（MBT）相组合，以用于在复杂软件包的情况下的改进的便利性和自动化。自动化的步骤匹配允许BDD步骤短语到测试自动化框架的有效映射，并支持必要框架代码的结构化开发。图形测试模型增加了附加的抽象层，并提供了检查BDD场景的一致性和完整性的机会。

摘要： 本发明属于教育信息化领域，具体涉及一种基于学习者在线学习行为数据的学习有效性综合评分方法。包括以下步骤：S1为学习者观看视频行为评分；S2确定每一种学习行为得分的权值λi∈[0,1],i＝1,2,...,N，N为学习行为评分的数量；S3将各学习行为得分综合在一起形成课程综合评分，综合评分的方式是计算S和Smax的比值。本发明可以大幅度提升学习者评分的比率，让有学习行为的学习者都能获得评分；同时也提高了学习者评分的合理性；还可以提高学习者对于MOOC课程的参与性，提高课程资源的利用率：综合评分要求学习者参与各类学习行为才能获得更高的评分，可以激励学习者的学习热情，提高MOOC课程资源的利用率；最后，雷达图让学习者准确的了解自身的学习状态。

摘要： 本发明属于教育信息化领域，具体涉及一种基于学习者在线学习行为数据的学习有效性综合评分方法。包括以下步骤：S1为学习者观看视频行为评分；S2确定每一种学习行为得分的权值λi∈[0,1],i＝1,2,...,N，N为学习行为评分的数量；S3将各学习行为得分综合在一起形成课程综合评分，综合评分的方式是计算S和Smax的比值。本发明可以大幅度提升学习者评分的比率，让有学习行为的学习者都能获得评分；同时也提高了学习者评分的合理性；还可以提高学习者对于MOOC课程的参与性，提高课程资源的利用率：综合评分要求学习者参与各类学习行为才能获得更高的评分，可以激励学习者的学习热情，提高MOOC课程资源的利用率；最后，雷达图让学习者准确的了解自身的学习状态。