首页 >> 教育学 >> 教育技术学
牟智佳等:学习结果预测研究的内容解析
2018年04月23日 14:36 来源:《中国电化教育》 作者:牟智佳 武法提 字号
关键词:学习结果预测;学习分析;人工智能;个性化学习;设计取向

内容摘要:基于数据集的学习分析和人工智能技术的深入发展,使得以优化学习过程、缩短学习改善周期为目标的学习结果预测得到研究者的广泛关注和实践探索。

关键词:学习结果预测;学习分析;人工智能;个性化学习;设计取向

作者简介:

  原标题:教育大数据背景下学习结果预测研究的内容解析与设计取向

  作者简介:牟智佳,博士,江南大学教育信息化研究中心讲师,研究方向为数字化学习技术与学习分析,ambitionyt@163.com。无锡 214122;武法提,北京师范大学教育学部教育技术学院教授,博士生导师,研究方向为数字化学习环境与学习资源设计,wft@bnu.edu.cn。北京 100875

  内容提要:基于数据集的学习分析和人工智能技术的深入发展,使得以优化学习过程、缩短学习改善周期为目标的学习结果预测得到研究者的广泛关注和实践探索。文章首先对数字化学习环境下的学习预测研究探索进行梳理,辨析其研究特性,之后纵向解析了学习结果预测研究中的内容,并横向剖析了研究中存在的问题;在此基础上,从情境、理论、数据、方法和结果五个层面对未来学习结果预测研究的设计取向进行讨论;最后,对以学习者为中心的数据的预测设计原理进行阐释,并设计个性化学习结果预测研究框架,以明晰其系统化分析流程与结果。

  关 键 词:学习结果预测 学习分析 人工智能 个性化学习 设计取向

  标题注释:本文系2014年全国教育科学“十二五”规划教育部重点课题“基于教育大数据的学习分析工具设计与应用研究”(课题编号:DCA140230);中央高校基本科研业务费专项资金资助课题“‘互联网+’环境下的理解性学习与认知研究”(课题编号:2017JDZD07)研究成果。

  中图分类号:G434 文献标识码:A 文章编号:1006-9860(2017)07-0026-07

  一、数据集驱动学习预测研究的发展契机

  计算机和数据科学的进步使得基于新类型证据的决策得到前所未有的发展。尽管数据科学已经在商业、工程、技术、科学等领域建立了良好的应用基础,但对教育领域的影响和渗透还尚未全面展开。近年来,移动技术的逐渐普及和网络学习资源的指数性增长使得数字化学习逐渐成为常态,而增强现实技术和可穿戴技术的兴起则进一步丰富了数字化学习方式和学习环境。大数据技术和数据科学给教育带来的冲击使得研究者、管理者、教育企业、教师等不同角色人员开始重视对不同学习情境和学习方式下生成的数据进行整合与分析,并逐步形成了基于不同类型数据集进行学习测量与计算的学习评价新生态。与此同时,学习分析探索已走过初期对分析模型、应用价值、发展方向等理论方面的研究,正转向基于数据集的可视化分析和学习行动,以将其理论分析的价值转化成实际应用效能。在教育大数据和学习分析的背景下,以优化学习过程和改善学习成效为目标的学习预测研究迅速得到研究者的广泛关注和实践探索。而以模式识别、计算感知、神经网络、机器学习等为代表的人工智能技术的深入发展则为学习预测研究提供了分析技术上的有力支撑,从而使学习预测有了实现实时动态监测和智能化分析的可能。尽管当前对学习预测的研究有了一些探索和成果,但距离实现系统平台的准确分析和大规模应用还较远,特别是在实践中还出现一些分析和设计问题,使得预测模型和结果并不能被广泛应用于当前的数字化学习中。因此,有必要对学习预测研究中的问题进行深入剖析,明晰未来研究设计取向,促进其效能转化以提高其应用价值。

  二、学习结果预测研究的内容解析与问题述评

  该部分首先对数字化学习环境下的学习结果预测研究进行纵览,以窥看其整体研究状态。之后从不同视角对其研究内容和问题进行分析以洞察其研究现状。

  (一)数字化学习环境下的学习结果预测研究探索梳理

  对数字化学习环境下有关学习结果预测的研究文献进行系统搜集,采用内容分析法对各项研究中的预测维度、数据来源、预测方法、结果分析等方面进行总结分析,结果如表所示。在学习预测维度上,研究者主要对学习心理特征、学习结果与表现、学习能力等方面进行预测,其中对学习成绩、学习结果和学习成功预测研究较多。在数据来源上,主要集中在课堂学习测评数据、问卷调查数据和学习管理系统数据上。在预测方法上,以多元回归分析、决策树、贝叶斯网络和神经网络分析方法为主。在分析结果上,预测模型在所研究的具体情境中表现较好,但在不同预测方法的准确率上存在差异。整体而言,学习结果预测研究体现出以下几方面的特性:(1)微情境性,已有的学习预测研究偏向具体的学习情境,如多媒体学习环境、网络学习环境、移动学习情境等,侧重对学习者在某一具体情境下的学习阶段活动分析;(2)学习数据的外在性,预测数据来源主要依靠网络学习活动的外在行为表现和课堂学习情境下的学习测试表现;(3)预测内容的可计算性,尽管学习预测内容多样化,但每一项预测内容都转化成可以测量和计算的指标,以支持分析工具的数据处理和自适应学习系统的识别与自动化分析;(4)学习预测的结果导向性,学习预测主要依据之前和当前的学习活动特征对学习者未来的结果表现进行预估,如学习成绩、学习目标和学习能力等,通过不同形式的学习结果预测来改善学习成效和学习体验。通过对学习预测研究的梳理分析可以看出,以学习成效和学习能力为目标的学习结果研究是预测的重点,这反映出学习预测的目标是促进学生个体能力发展和学习成功。

  (二)纵向解析学习结果预测研究中的内容

  教育大数据的日渐兴起和学习分析的广泛应用使得学习结果预测研究成为学习分析领域中的一项研究热点。为了进一步明晰该类研究的当前状况和发展态势,我们对有关学习结果预测研究的内容进行解析,窥探其预测方向和原理。该类研究内容主要集中在以下四个方面:

作者简介

姓名:牟智佳 武法提 工作单位:

转载请注明来源:中国社会科学网 (责编:毕雁)
W020180116412817190956.jpg
用户昵称:  (您填写的昵称将出现在评论列表中)  匿名
 验证码 
所有评论仅代表网友意见
最新发表的评论0条,总共0 查看全部评论

回到频道首页
QQ图片20180105134100.jpg
jrtt.jpg
wxgzh.jpg
777.jpg
内文页广告3(手机版).jpg
中国社会科学院概况|中国社会科学杂志社简介|关于我们|法律顾问|广告服务|网站声明|联系我们