大数据时代的学习力(前沿讲座).pptVIP

染色体、基因、性状的关系： 胡小勇/QQ：472275060 手机Mail:huxiaoy@ * 2、图例 LOGO 学习环境的设计研究中需要考虑的三个重要方面：学习内容、学习支持和学习的社会结构。 学习内容 学习支持（媒介） 课堂的社会结构 大数据教育 大数据与传统的数据相比，就有非结构化、分布式、数据量巨大、数据分析由专家层变化为用户层、大量采用可视化展现方法等特点，这些特点正好适应了个性化和人性化的学习变化。 大数据教育提供了另外一种可能，标准化的教育将转向网络完成，而人才培养和个性化将主要由学校承担：越来越小的班级、越来越近的学校、越来越聚焦的教育支持、越来越个性的培养方式，将使教育摆脱工业化时代。“为什么数学课每天都有，而舞蹈、音乐和体育课一周一次呢？” 罗宾逊这个疑问逐渐得到改观，针对性和多元的教育目标正在普遍得到认可，尤其是在私立学校中。 学习分析 学习分析指的是对学生学习过程中产生的大量数据进行解释，目的是评估学术进步、预测未来表现、发现潜在问题。其领域主要涉及学术分析、行为分析和预测分析的研究和应用。相关数据来自学生的显性行为，如完成作业和参加考试；还有学生的隐性行为，如在线社交，课外社团活动，发布网络帖子，以及其他一些不直接作为学生进步评估的活动。学习分析利用教育数据挖掘建立的模型对数据进行处理和显示，帮助教师和学校更好地理解教与学。 学习分析学（ Learning Analytics ） 学习分析是一种“使用数据和模型来预测学生的进步和表现，并且能够对这些信息采取行动”。它不同于其他教育学理论在于它着重于学习者与他(或她)的学习环境的互动。 学习分析包含四个基本步骤：（1） 收集大量的资料；（2）将数据转化为可执行的见解，系统可以追踪他学生的行为并把它当作一个信号；（3）个人化和适应；（4）预测未来那种做法是最好的。 资料收集是：从很多不同的渠道 来收集大量的数据。把这些数据跟各种不同的学习理论连结在一起，我们可以开始全面了解学生的学习进展。 领域知识建模 学习内容的难度级别、呈现顺序与学习者学习结果的相关关系 1.学习者正确的、不正确的和部分正确的应答数据；学习者在不同难度学习模块中的表现情况数据 2.领域知识分类数据 3.技能和问题解决的关联性数据 学习组件分析和教学策略分析 在线学习系统中学习组件的功能、在线教学策略与学习者学习结果的相关关系 1.学习者正确的、不正确的和部分正确的应答数据；学习者在不同难度学习模块中的表现情况数据 2.领域知识分类数据 3.技能和问题解决的关联性数据 趋势分析 学习者当前学习行为和未来学习结果的相关关系 1.在线学习系统中学习者学习行为相关的横向和纵向数据 2.学生信息管理系统中，持续一段时间且相对稳定的学习者基本信息数据 自适应学习系统和个性化学习 学习者个性化学习实现和在线学习系统自适应性实现 1.在线学习系统中学习者学习行为相关的横向和纵向数据 2.与在线学习系统使用相关的用户反馈数据  学生预习的即时报表 自主学习过程用于分析的数据 学习者正确的、不正确的和部分正确的应答数据 学习者回答正确率数据 阅读情况统计表 学习者作答用时数据  实时报表 上课上课过程用于分析的数据 回答时间报表 答案统计报表 回答正确率报表 TRACE智能学习环境功能模型 记录过程 Tracking 识别情景 Recognizing 轻松的、投入的和有效的学习 Easy,Engaged Effective learning 感知环境 Awareness 联接社群 Connecting 学习环境 学习的7条原则（《学习的本质》） 学习的终极目标是获得不同学科的适应性专长——在不同情境中有意义运用所学知识的能力、灵活的技巧及创造性。这个目标它涉及变革核心胜任力的意愿和能力，并持续地拓展和深化个人的专长。 1.学习者是中心。学习环境的认可学习者是其中心参与者，激励他们主动投入。 学习者是学习环境的主角，因而其认知与发展是自主的。 学习活动允许学习者通过投入和主动探索建构其学习。 这要求一套混合的教学法，包括指导和行动方法，也包括合作、基于探究和服务的学习。 这个环境的目的在于发展自我调节的学习者，他们是：（a）发展元认知技巧；（b）监督、评价和优化知识的获得与运用；（c）在学习过程中调节其情感和动机；（d）完好地管理学习时间；（e）形成非常特定及个性化的目标，并能够监管它。 根据老师布置的导学案自主学习，辅以文字、图片、视频、音频等多媒体信息，帮助学生加深理解，主动探究问题答案。 自主学习 学习者为中心  PPT 自学导学案 导学案 视频资源 自主学习过程中，会有一些靠自己能力不能