新書推薦：
《
积极心理学
》
售價：HK$
55.8
《
自由，不是放纵
》
售價：HK$
54.9
《
甲骨文丛书·消逝的光明：欧洲国际史，1919—1933年（套装全2册）
》
售價：HK$
277.8
《
剑桥日本戏剧史（剑桥世界戏剧史译丛）
》
售價：HK$
201.6
《
中国高等艺术院校精品教材大系：材料的时尚表达??服装创意设计
》
售價：HK$
76.2
《
美丽与哀愁：第一次世界大战个人史
》
售價：HK$
143.4
《
国家豁免法的域外借鉴与实践建议
》
售價：HK$
188.2
《
大单元教学设计20讲
》
售價：HK$
76.2
|
| 編輯推薦： |
人工智能与智能教育丛书
袁振国 主编
传播智能教育融合发展先锋理念
促进每个人全面、自由、有个性地发展
人类已进入智能时代。教育与人工智能相融合，掀起了教育变革的第三次浪潮！智能教育为每一位学习者提供个性化服务，能够有效提升教育质量，促进教育公平。与此同时，人工智能时代对劳动者素质也提出了更高要求，向传统教育方式发起了挑战。
“人工智能与智能教育丛书”聚焦人工智能前沿理论、核心技术，用大量鲜活生动的案例，探讨人工智能技术推动教育方式和学习方式变革的颠覆性力量。
丛书以人工智能关键技术为牵引，以教育场景应用为落脚点，系统解读人工智能关键技术的发展历史、理论基础、技术进展、伦理道德、运用场景等，分析其在教育场景中的应用形式和价值。希望通过这套书，与各行各业的读者一同关注、学习、探索、思考，发挥人工智能优势，建设更加开放灵活的高质量教育体系。
|
| 內容簡介： |
|
《学习分析》是“人工智能与智能教育丛书”的一本。学习分析已经成为当前教育研究中一个重要的跨学科研究领域，并且在大数据时代逐步从理论研究向实践应用转化。伴随在线教育的兴起和教育信息化的不断革新，学习分析技术作为在教育领域较先落地和具有成功实践经验的智能教育方向之一，受到教育工作者、教育研究人员和教育产品研发人员的广泛关注。本书以学习分析为主题，从该领域的发展历史、前沿理论和技术方法、典型教育应用案例，以及未来展望几个方面展开论述。本书内容通俗易懂，对于读者理解学习分析的基本思想、原理方法和在解决教育问题中所扮演的角色及产生的影响具有启发意义。
|
| 關於作者： |
|
吴忭，华东师范大学教育学部副教授，研究方向为教学设计与学习科学、在线学习系统设计与评估、学习分析、计算机可视化学习等。
|
| 目錄：
|
一 学习分析的概念、发展及内涵? _ 1
学习分析和预测的含义? _4
学习分析的发展简史? _12
学习分析：理解学习、设计学习的新范式? _20
二 学习分析的实现方式? _29
特征工程—是技术也是艺术? _31
预测模型的百宝箱? _45
如何衡量预测效果？? _64
三学习分析的挑战与展望? _123
建立学习分析模型的迷思? _125
学习分析面临的机遇和挑战? _132
从分析预测到数据智慧? _142
四无处不在的学习分析? _83
数字化学习行为预警—自主学习的守护神? _85
见微知著的社会性学习分析—让协作学习更高效? _95
数据驱动的教学决策—教师的好参谋? _107
|
| 內容試閱：
|
学习分析：理解学习、设计学习的新范式
“一切都将被重新定义”，这是对未来三十年人工智能等技术影响世界的畅想。正如次工业革命中以蒸汽机为代表的机器促进了社会生产关系变革那样，为应对当今信息化带来的挑战，教育实践领域出现了从“理论驱动”到“数据驱动”的转变。作为核心技术的学习分析为理解学习和设计学习提供了新范式，从学习者、教师、教育管理者三方面促进了教与学的变革，进而形成了多范式并存的教育实践常态。本节将首先描绘教育范式转变的过程；其次介绍在范式转变的背景下，学习分析通过技术辅助教学变革的意义；后将视角转向真实的教育实践，强调在以学习者为中心理念的指导下，学习分析辅助多范式教育常态的实践意义。
从“理论驱动”到“数据驱动”的范式转变
教育领域的范式不是一成不变的，旧的范式在科学研究的进程中可能得到发展完善，也可能退出历史舞台，而新的范式会出现，补充或取代旧的范式。这一动态的过程可能形成范式的转变，进而拓宽人们思考教育的视角，从本质上促进教育领域的变革。整体来看，教育范式在信息化进程中出现了从传统的“理论驱动”到“数据驱动”的转型。之所以教育范式发生了从“理论驱动”到“数据驱动”的转变，是因为一些问题在传统的理论视角下得不到满意的答案，而学习分析技术带来的希望，激励着人们去寻求新的研究视角来解答这些问题。
从字面上理解，“理论驱动”和“数据驱动”范式的区别在于解决教育相关问题的过程中，“驱动力”的不同。“理论驱动”范式指的是将“理论”作为解决教育问题的驱动力，即先根据已有的教育理论建立假设，再进行验证。“数据驱动”范式指的是将“数据”作为解决教育问题的驱动力，即不再仅凭个人经验，也不需要提出理论假设，而是直接从海量的数据中进行归纳，发现规律，从而得到解决方案。
王老师是某高级中学的一名数学教师，在疫情防控期间通过直播平台开设了平面几何的相关课程。然而，由于王老师缺少使用直播平台授课的经验，他迫切地想要了解直播课程中教学效果的影响因素有哪些。针对王老师教学过程中产生的这一实际问题，理论驱动和数据驱动两种教育范式给出了各自的解决方案。
基于传统理论驱动范式的解决方案包括了以下步骤：首先，查找有助于解决问题的教育理论并建立假设，王老师通过阅读文献发现许多研究者认为学生和教师的交互影响了直播授课的教学效果；其次，根据教育理论并结合实际情况来建立假设，王老师发现在自己的直播课堂中，主要通过弹幕进行师生交互，因此他提出的假设是学生发布的弹幕数量影响了考试成绩；后，对假设进行检验并解决实际问题，王老师统计了每个学生发布的弹幕数量和考试成绩，并通过回归分析等数据分析方法发现了学生发布弹幕数量越多，考试成绩越高。王老师据此得出结论：“师生交互”是教学效果的影响因素之一。
基于数据驱动范式的解决方案则提供了不同的思路：首先，通过直播平台收集尽可能多的学生数据，如登录平台的次数、观看直播的时间、讨论区的发帖数量、提交作业的次数、发布弹幕的数量等；其次，分别分析每类数据和学生考试成绩的关系；后，王老师发现弹幕发布数量或者讨论区的发帖数量越多，学生的考试成绩越高。由此，王老师得出结论：“师生交互”和“生生交互”均是教学效果的影响因素。
从这个例子可以看出，传统理论驱动的范式往往通过假设检验来解决问题，依据理论建立假设的过程可能会受到前人经验和个人价值观的影响，而数据驱动的范式则倾向于直接从海量数据中发现关系，平台记录的所有数据都可以被收集用于进一步分析，这有助于减少主观认识的干扰，更加全面地了解并预测学习效果。由于数据驱动的研究范式具有这些独特的优势，教育者们对应用数据驱动变革传统教育展现出了浓厚的兴趣。在此背景下，旨在理解和促进教学的学习分析技术应运而生。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
