摘要：课堂反馈作为最直接的教师-学生互动内容,对于MOOC课程中学生的课堂学习行为研究具有重要意义.大规模的课堂反馈记录有利于观察学生的参与度和活跃度变化规律;同时,课堂反馈内容又可以反映出学生的知识掌握程度,便于教师精准地捕捉学生反馈水平和优化教学结构.基于此,本文选取中国大学MOOC平台"课堂交流区"中的5万条教师-学生反馈记录作为研究对象,结合数学统计和自然语言处理等学习分析技术,从反馈记录的统计分析和反馈内容的话语分析两个方面入手,追踪学生在课程学习过程中的参与率和活跃度变化,并进一步探讨不同学科类型课程的学习行为差异及其课堂话语分布.结果表明:学生的反馈内容主要围绕主题内容展开,正面情感比例较高,但其参与率和活跃度较低,学习积极性有待提高.就不同学科类型课程的学习行为而言,艺术类课程的参与人数比例和反馈数量呈现出最优状态,反馈内容的广度均高于其他类型课程;文科类课程呈现出参与率高而活跃度低的不协调现象,反馈内容注重主题的深层次思考;而理科类课程力求简洁准确的回复主题,学生间的反馈重复度高,适当提高其课堂参与率和活跃度也将有助于学生间的学习交流,促进知识建构行为的优化发展.

摘要：从BYOD在高校课堂教学中的具体应用出发,利用学习分析技术和相关工具研究BYOD支持的高校课堂教学中学生的学习行为,包括个体学习行为和社会性学习行为两大维度.研究发现,BYOD在促进社会性学习方面独具优势,主要表现在BYOD支持的期末作品同伴互评活动中学生之间互动频繁;BYOD支持的个体学习行为呈现一定的时间特性,主要表现在学生阅读学习资源的时间表现出一定的规律性.相关性分析发现,学生阅读课程资源的及时性、随堂小测的成绩以及同伴互评中的受欢迎程度均对学生的期末考试成绩有显著性影响.从学习资源的供给时间、课程考核方式和课程互动设计三方面为BYOD支持的高校课堂教学实践提供相关建议.

摘要：近年来,由学生自主学习与教师翻转课堂相结合的新型混合式教学模式受到普遍关注。然而,混合式教学过程中如何量化、评测学生的学习效果,开展以学生为中心的个性化教学成为影响教学效果的难点和瓶颈。结合课程教学中面临的问题和学生的需求,提出基于学习行为分析的混合式教学设计,开展学生自主学习、学习行为分析与教师翻转课堂有机融合的教学模式重构:建立在线虚拟课堂辅助学生开展自主学习,同时采集学习行为数据量化、评测学生自主学习的效果;教师基于学习行为分析了解学生对知识点的掌握情况及其疑问,线下翻转课堂,讲解重点难点,解答学生疑问,并进行案例研讨,加强教师在学生知识建构中的引导作用。实践表明,基于学习行为分析的混合式教学模式填补了学生自主学习和翻转课堂教学的鸿沟,实现了以学生为中心进行知识建构和能力培养。

摘要：线上培训成为高职教师学习能力提升的新路径,如何评价其培训效果正是文章的关注点。文章从学习行为分析的视角出发,借鉴教育领域成熟的量化学习行为分析方法—弗兰德课堂分析法,从分析高职教师线上培训学习行为特征入手,以高职教师线上培训平台的功能特征为切入点,梳理出高职教师线上培训常见的18个行为,按照OCCP层次模型对其进行分类,制定了量化编码的分析机制,总结出学习行为视角下高职教师线上培训效果评价指标体系的应用方法,以期为高职教师线上培训评价体系的构建提供新的思路。

摘要：智慧学习空间是智慧学习理念下构建的学习空间新形态,学习分析是智慧学习中不可或缺的组成成分。文章围绕智慧学习过程中面向学习者对于知识内容的"呈现与获取"、"个性化建构与拓展延伸"两大环节以及学习者所处的学习状态,构建了学习行为分析及推荐系统。该系统利用W eb挖掘技术,从学习内容、学习路径和空间使用记录三个方面针对智慧学习过程模型中的学习行为进行数据分类挖掘,通过与优秀学习者路径及路径知识点相关学习行为进行相似性比对,为学习者进行个性化学习推荐路径。

摘要：差异化教学尊重学习者个体内在认知逻辑,通过挖掘并诊断学习者的个体潜质和优势,提供适合的学习环境和学习干预。然而,现有差异化教学存在时效性差、维度单一等问题,停留在浅层次干预阶段。数据驱动的学习行为分析为设计和实施高阶差异化干预策略提供了新的途径。本研究依据概率论与数理统计课程创新班30名注册大学生在超星学习通平台上的学习日志数据,应用相关分析、聚类分析和滞后序列分析对在线学习行为特征和个性化干预进行实证研究。根据观察结果发现,定义的10种学习行为所形成的62个行为序列中,7个行为序列与期末成绩显著相关。以62个行为序列的频数作为分类变量,应用k-means算法将30名大学生样本根据其学习行为模式划分为3种类别。应用滞后序列分析法发现和识别3个类别大学生的学习风格:混合/无序型,孤立/分解型,整体/规划型,提出差异化干预框架和具体的干预策略。本研究期望构建技术增强的差异化教学模式,为建设和优化以大学生为中心的个性化课堂提供新范式。

摘要：多模态数据为学习行为分析和教育研究的发展带来了新范式,加快了多模态学习分析理论的研究和实践模型的构建。文章以智慧学习环境下学习行为分析研究进展为基础,明确划分了智慧学习环境下学生多模态学习行为数据采集类别,构建了多模态学习行为分析框架并将分析框架应用实践,实践研究表明:智慧学习环境下多模态学习行为分析框架立体地刻画了学生学习行为轨迹,科学地展示了学生学习状态。

摘要：针对高职院校的教育数据,依托云边协同机制,使用数据挖掘聚类算法,设计了基于云边协同的高职学生学习行为分析与成绩预测系统.该系统使用C#语言,采用C/S架构搭建应用平台,设计功能包含边缘节点管理、数据查询、成绩监控、学业预警和系统管理,实现了全过程、全方位地采集、处理、传输、存储和分析高职学生的学习行为数据,可使用决策树实现对学生的学习成绩分级预测和学业成绩预警,并实现行为分析结果和预测结果的可视化.

摘要：以河北干部网络学院平台为研究对象,从网页设计、技术、资源建设和教学模式等四个方面,介绍了与其他干部网络教育平台相比的创新点。并选择平台试运行阶段学员的学习行为记录,从学习计划完成情况、课程学习情况及专题网班进行情况等三个方面,分析并归纳了学员的学习行为特征。基于学习行为特征分析,提出试运行阶段存在的问题,并给出有针对性的建议,以期完善平台功能,提高学员学习兴趣,并为改善"互联网+干部教育"模式提供借鉴。

摘要：MOOC学习行为分析研究已从描述性研究转向以大数据为证据、学习行为模型和分析框架为理论基础的深入研究阶段。MOOC课程数量激增,平台的功能愈发强大,学习者学习行为的印记被多种数据形式记录,分析学习绩效、学习行为产生的原因及相关性已有了研究环境和研究基础。本文结合中国大学MOOC平台上的X课程,梳理学习者学习行为类型,运用系统的观点和方法,从学习行为、行为分析维度、数据来源及类型、分析目的等要素及相互关系分析的视角,构建了多元学习分析框架,根据框架中的学习行为及影响要素,分析了X课程数据,对学习行为的整体趋势进行了分析,得出了目前MOOC课程学习中学习者持续力不强、学习投入不足、参与度不高的结论。在此基础上讨论了改善学习支持服务、优化课程设计的思路。