学生表现

摘要： 面向学生的表现预测(试题得分)是在线教育领域重要的研究课题。但传统认知诊断的预测准确性较低,协同过滤方法难以保证预测结果的可解释性。此外,由于目前方法预测时大多利用了学生的试题作答记录,因而不能预测无作答记录的学生在试题上的表现。学生作答试题之前,通常会阅读一些辅助性文本类学习材料。阅读认知诊断即学生阅读学习材料的内容往往可以反映出学生的知识状态(知识点掌握情况),从而有助于预测学生表现。为此,提出一种基于阅读认知诊断的知识状态建模方法。利用学生阅读学习材料的内容,量化其对学习材料的潜在认知程度。结合教育学假设,量化学习材料的难度。利用上述两个量化结果,根据项目反应理论,计算出学生对学习材料的实际掌握程度,据此建模学生的知识状态并预测其在试题上的表现。在实际数据集上进行实验,实验结果表明所提方法可以保证预测结果的准确性与可解释性,也可以预测出无作答记录的学生表现。

摘要： 学生性别差异是教育经济学研究的重要话题,学生表现的性别差异与不同性别学生的非认知能力有关。本研究基于对北京市城市功能拓展区3个区县40所学校小学四年级学生的调查数据,采用增值模型、普通最小二乘估计、分位数回归探究学生表现的性别差异及其与学生非认知能力发展之间的关系。研究发现,非认知能力特别是自我控制能力显著影响学生表现,并在一定程度解释了学生表现的性别差异。其中,学生学业成绩的性别差异主要由思维控制解释,日常行为的性别差异主要由行为控制解释。此外,后进生表现的性别差异远大于全体学生。本研究建议教育工作者要理性对待学生表现的性别差异,给予男生更多成长空间,帮助他们形成良好的行为习惯,提高自律能力,特别关注后进男生非认知能力的培养和塑造。

摘要： 核心素养的落地是教育教学的目标,遵循怎样的核心素养落地途径考验教师的教学智慧。对于小学语文学科来说,核心素养培育的起点是教师对核心素养的理解,终点则是核心素养以及语文学科核心素养在学生身上的具体表现。将核心素养的组成要素与学生的学习表现结合起来,看学生在新情境中能否体现语文学科核心素养的组成要素,是衡量学生表现并以之判断核心素养是否落地的主要依据。核心素养的背景下,教师必须对学科教学有正确的理解,要能够在自身教学经验与核心素养培育需要之间形成有机的联系,要能基于学生认知特点的把握,寻找衡量核心素养是否得到发展的有效指标。

摘要： 通过对学生生活、学习、活动等行为特征数据分析挖掘,采用改良的K-means聚类算法建立学生表现类别模型,实现根据学生表现数据将学生进行分类.选择学生"德育成绩、体育成绩、智育成绩、竞赛等级、贫困生等级、奖学金等级"6个属性数据作为特征评价指标.针对高校学生管理系统类别放多造成的数据重复、缺失、存储类型不一致等问题,对数据清洗、集成和变换数据存储格式,得到满足K-means算法的输入数据.

摘要： 第14届国际数学教育大会(ICME-14)上,聚焦问题提出和问题解决的专题研究组汇聚了来自中国、美国、德国、意大利等国的学者.问题提出的情境可以是来自于数学学科的数学情境,也可以是来自学习者熟悉的真实世界的现实情境,这在本次ICME会议的相关研究中均有涉及.各国的研究启发了后继研究者对问题提出的情境设计:无论是数学情境还是现实情境,都不能超越学习者的理解与认知;尽可能地创设真实世界的情境,密切联系学习者与真实世界的关联;对真实情境下学生问题提出的表现应秉承宽容的态度.

摘要： 教育机构需要为学生提供高质量的教育,因此从教育数据中获取有用信息是非常关键的.然而,由于教育数据来源和结构的不同,准确评价学生的学习成绩是很难的.此外,由于学生的学习能力不同,采取的教学方法也是不一样的.因此为了解决以上问题,找到教育数据中的相似性,文中研究提出一种基于模糊C-均值的聚类算法,将学生成绩进行聚类,利用二维与三维可视化,展示其结果.实验结果表明,教育者可以通过该方法更好的掌握学生成绩,从而为教学提供决策依据.

摘要： 阅读是语文学习中重要的一环,笔者在实践过程中进行了三种阅读模式的推进——照本宣科式、课外延伸式、读写结合式。在两个学期的实践中,笔者发现,三种阅读模式的推进收到了较好的课堂效果,它改变了学生的阅读方式,发挥了学生在课堂上的主体作用,并逐步提高了学生的阅读成绩。

摘要： 一线教师常态化的课堂观察不必像专业研究者那样运用全面而严密的观察分析工具.以往教师所运用的课堂教学观察表主要着眼于教师的"教"及其基本素质,而忽略了学生的"学"."四维分析法"聚焦学生的课堂表现,分别从学生的参与状态、情感(情绪)状态、思维状态、交往状态等方面来描述并分析课堂教学,以此推动课堂转型,落实核心素养目标.

摘要： 目前,语文课堂的教学质量逐渐下降,主要是因为语文课堂相对于其他学科更加开放,内容灵活,吸引力强。小学生之所以课堂上不能认真听讲,注意力不集中,总是搞小动作,是因为他们年龄小,还在发育过程中,尤其是思维能力,还未完全发育。此外,语文课堂本身特点也影响学生表现,例如开放性、灵活性等使小学生发散思维,发挥各种想象,理解知识的同时课堂注意力不集中,从而降低教学质量。

摘要： 教师期望是教师对学生当前与未来学业成就和一般课堂行为的推断,期望通过自我实现预言的方式干预教育过程中的师生互动,教师对高期望学生和低期望学生采取不同方式,并自觉或不自觉地促使期望实现的行为,使学生的学业成就或行为等看教师期望的方向发展。

摘要： 二十一世纪可以说教育评监的时代,教育评监不再是理论的倡导而是已落实于教育现场,由于校长的领导品质影响一所学校的发展甚巨,因此对于校长之评监亦应受到重视,过去国内各级各类教育评监已实施多年,惟关于校长评监方面尚处于发展阶段,再者,学校是以学生学习为核心任务的教育场所,故本文拟以中小学校长评监为范畴及参酌美国中小学校长评监的发展趋势,聚焦探究国内校长评监的实施现况及问题,并提出以学生表现为核心的校长评监之革新方式与校长评监的未来展望趋势,以供教育相关单位未来发展校长评监之政策参考.

摘要： 本文对香港全港性系统评估(TSA)进行了简要介绍,重点分析TSA资料在反映学校整体表现、反映学生在主科不同范畴的学习表现和回馈教师教学成效三个方面的情况.

摘要： 本文对香港全港性系统评估(TSA)进行了简要介绍,重点分析TSA资料在反映学校整体表现、反映学生在主科不同范畴的学习表现和回馈教师教学成效三个方面的情况.

摘要： 本文对香港全港性系统评估(TSA)进行了简要介绍,重点分析TSA资料在反映学校整体表现、反映学生在主科不同范畴的学习表现和回馈教师教学成效三个方面的情况.

摘要： 本文对香港全港性系统评估(TSA)进行了简要介绍,重点分析TSA资料在反映学校整体表现、反映学生在主科不同范畴的学习表现和回馈教师教学成效三个方面的情况.

摘要： 本发明提供了一种学生课堂表现的监测方法及装置，包括：获取课堂情况；根据所述课堂情况，分析学生的课堂表现。能够精确定位到每个学生，分辨出学生讨论、听讲、完成课堂任务、回答问题四种状态；和学生举手、发言、发呆三种行为，同时通过教师语音判断出目前课堂的进程。最后的报告会记录每种状态的时长，和特定行为的次数，为教师评估教学效果，为家长掌握学生在校状态提供精确资料。

摘要： 本发明属于教学管理技术领域，具体涉及一种学生课堂表现评测系统及方法，一种学生课堂表现评测系统，包括摄像单元、控制单元、储存单元和随身单元，摄像单元内置有摄像模块与音频收集模块，控制单元内置有判断模块、信息录入模块、人脸识别模块和计分模块，随身单元内置有睡眠检测模块、心率检测模块和声音采集模块，当老师处于讲话授课状态，且捕捉到学生面部表情数量超过二之分一时，判断出此时老师处于授课状态需要学生看向黑板，然后自动判断出此时未看向黑板的学生的身份信息，从而进行扣分处理，当检测到上课期间存在睡觉状态时可针对该学生身份信息进行扣分处理，当发现学生在老师授课时存在讲话行为时，可对学生进行扣分处理。

摘要： 本发明涉及人工智能技术领域，具体涉及一种基于机器视觉的客观评价学生课堂表现的方法及系统，包括构建课堂行为判定模型；基于监控数据生成教室座位背景基准图；对学生人脸、人体数据进行识别和追踪，得到座位对应关系；将座位对应关系填充在教室座位背景基准图中，得到课堂行为抓拍图；将课堂行为抓拍图输入课堂行为判定模型判定学生的课堂表现行为，得到课堂表现评价结果，通过学生人脸数据判断学生的课堂参与情况、课堂活动情况、发言情况和出勤表现，解决现有的评价学生课堂表现的方法评价出的平时成绩真实性较低的问题。

摘要： 一种校园场景下的学生行为表现的订阅方法及设备、系统，该方法：获取用户设备发送的包括学生的唯一身份信息及指定时间段的学生行为表现订阅请求；根据学生的唯一身份信息匹配的学生的人脸特征，从校园场景分布的若干个图像采集设备采到的监控视频的集合中遍历出若干监控视频画面；每一监控视频画面均包含该学生的人身图像，该人身图像包含该学生的人脸特征；将若干监控视频画面按采集时间从先到后的顺序排序获得监控视频画面序列；从监控视频画面序列中获取采集时间均位于该指定时间内的各个目标视频画面；将各个目标视频画面按采集时间从先到后的顺序依次拼成学生行为表现视频发给用户设备。能提升获取校园内的某些学生的学生行为表现的效率。

摘要： 本实用新型涉及教学设备技术领域，公开了一种操作便捷的基于认知诊断的学生学业表现测评装置，包括主体、桌板、显示屏、第二桌腿、横杆和第一桌腿，所述主体的上方安装有所述桌板，所述桌板的上表面开设有孔，所述孔内滑动安装有所述显示屏，所述桌板的下表面前侧固接有所述第一桌腿，所述桌板的下表面后侧固接有所述第二桌腿，所述主体的内部安装有所述横杆，所述主体的内部安装有升降机构，所述主体的前方安装有闭锁机构，通过设置升降机构，该机构操作便捷，节约了桌板上的使用空间，通过设置闭锁机构，在进行学业表现测评时，能将主体的前端进行封闭，避免学生将资料放在主体内部在测评时偷看，有效的保证测评结果的真实性。

摘要： 本发明提出了一种基于多模态音视频技术的学生课堂表现评估方法，涉及课堂教育的技术领域。通过声纹识别技术对学生的发言频率进行统计，对学生发言活跃度进行评价，通过视频关键帧提取技术对视频中的关键帧进行提取，分别挑选出能够反应专注度学生面部图像作为正样本或负样本；利用机器学习模型对正负训练样本进行训练，得到专注度检测模型；利用检测模型对关键帧图像进行检测，得到学生课堂小动作频率，根据课堂评价数据表内记录，对学生表现进行分类。其能够使得每个学生可以根据其监测中反应的学习状态，进行针对教育，提高了学习的效率。

摘要： 本发明公开了一种面向知识追踪过程的双态协同演化预测学生表现方法，其特点是采用动态路由的方法，从原始的知识点中提取知识共性，同时更新和维护知识点级别的知识状态和知识共性级别的知识状态，对学生未来的学习表现进行预测，该方法引入习题和知识点之间重要的关联信息，使用互信息最大化的准则学习所有习题以及知识点的表征，学习到的表征能够为习题和知识点表示提供更丰富的信息。本发明与现有技术相比具有兼顾学生所接触到的知识点本身的特性和知识点之间的关联性，解决知识状态的单一表示问题，能够帮助教师即时便捷的跟踪学生的知识掌握情况，以此来调整教学计划和教学内容，从而能够提高教学质量。

摘要： 本发明涉及机器学习、深度学习及数据挖掘等技术领域，具体是涉及基于混合深度学习及注意力机制的学生表现预测方法。利用学生在线学习日志信息，首先对其进行预处理和特征提取，使用相关性特征选择方法来获得对预测结果有重要影响的特征。然后将提取到的特征按照特征类别进行周累计统计和全部累计统计。接着将提取到的时序特征和潜在特征进行拼接，由于学习到的两类特征在量级和类别上差异较大，因此使用深层神经网络进行高阶特征交互，学习更深层次的特征。同时考虑到不同特征对学生表现的影响程度不同，使用注意力机制为不同的深层次特征分配不同的权重。最后使用sigmoid分类器预测学生是否能够通过某一门课程，从而提高预测的准确性。

摘要： 一种在交互式在线题库中预测学生表现的方法，包括:一数据处理和特征提取模块，用于:从历史分数数据中提取统计学生特征，反映过去在问题上的学生表现；及统计问题特征，显示每个问题的受欢迎程度以及关于每个问题的平均学生分数；以及从指向装置移动数据中提取代表学生问题解决行为的特征的多个交互边特征；一个网络构建模块，用于:执行Edge2Node变换，将交互边特征变换为一个或多个交互节点；及构建学生‑交互‑问题(SIQ)网络；及一个预测模块，用于处理SIQ网络，使用通过残差关系图神经网络以预测学生在未尝试问题上的分数。

摘要： 本发明公开了一种基于多层LSTM的深度学生表现预测方法，包括以下步骤：数据预处理，预处理是对人口统计学数据根据类型进行划分，并进行One‑Hot编码，得到人口统计学序列，对点击流数据按类别进行处理，得到点击流序列，拼接后得到预处理数据；建立多层全连接层，输入人口统计学序列；建立多层LSTM结构层，输入预处理数据中的点击流序列；拼接多层全连接层与多层LSTM结构层的输出序列；建立Softmax层，将拼接后的输出序列转化为概率分布，概率大的类别为输出结果；本发明以多层LSTM结构层为基础架构，解决数据利用不全、预测效果较差问题；还引入了注意力机制，为不同输入项分配不同注意力，提高预测效果。