多模态学习分析视域下的在线学习投入理论重构 .docxVIP

PAGE2

多模态学习分析视域下的在线学习投入理论重构

摘要

本研究聚焦于教育技术学领域在线学习投入理论面临的范式危机，旨在突破传统鼠标点击量化指标的局限，构建多模态数据驱动的学习投入动态连续统理论。

研究首先揭示了传统单模态行为指标在表征学习投入时的解释力不足与理论贫困问题。进而，通过系统整合眼动追踪、面部表情分析、语音情感计算与姿态识别等多模态数据，重新界定了学习投入的本质内涵。

本文的核心理论贡献在于提出“认知-情感-行为”三维动态连续统模型。该模型将学习投入从离散的状态分类提升为连续的、波动的、具身化的动态过程，阐明了多模态数据流与投入状态之间的映射逻辑。研究论证了该框架在解释在线学习深度、预测学习成效方面的理论优势，为智能学习分析系统的设计提供了新的理论基石。

全文遵循“问题揭示—概念重构—机制阐释—理论建构”的递进逻辑，最终完成了对在线学习投入理论的重构，为教育技术学的循证研究与实践干预开辟了新路径。

第一章绪论

1.1研究背景

在线学习已成为后疫情时代教育生态的核心组成部分，然而“高辍学率”与“低投入度”始终是在线教育面临的核心矛盾。大规模开放在线课程（MOOC）的平均完成率长期低于10%，这一数据背后折射出在线学习环境中学习者投入的深层危机。

在理论层面，传统学习投入研究长期受制于“行为可见论”的桎梏。研究者习惯于将学习投入简化为点击流、页面停留时长、发帖