最近整理了浙江大学欧阳璠老师的讲座,还是只学到了其中的一点皮毛。对数据分析方法的选择以及研究创新点的思考是及其重要的。当然,除了坚持不懈的研究之外还要特别有信心。
加油!
协作学习环境大框架 包含几个径向
1 传统协作学习环境(中小学和大学仍然存在)
2 计算机软件或在线网络平台支持
1.学习分析的应用
主要应用于三个部分
协作学习过程中过程性数据的分析
1)教师和学校,教学质量评估(学生的学习过程、学生的学习质量反映教师的教学质量)
2)教师分析或教学分析,收集和分析教师数据(新的方向)
3)课堂的实证研究 教育教学研究的本质——了解学生如何学习——具体方式策略促进学习
从实践/教学的角度
研究的角度,实证研究的方式,了解应用工具、分析方法,干预策略,对教和学的影响
- 教育大数据的挖掘
算法对学生成绩的prediction,数据学习教学pattern
学习分析和数据挖掘的区别,本质质和量的区别,学习分析虽然应用了不同的学习方法,但是其本质还是侧重于教师和研究人员对结果的解释,(质的解释)
而数据挖掘更加侧重于量化方面的工作,计算机、数学方面相关的算法,客观因素:教学和学习过程中的大规模数据。
3 人工智能教育应用
与人工智能算法相关(新方向)
传统环境下在职教师知识建构
- 为什么做这个研究?
知识建构,大多数研究侧重于学生层面,尤其是K12,教学也是学习的过程,从学生变为教师,终身学习的概念一直没有停止。如果把教学本身看做一种认知活动,教师在工作的同时也是一个知识建构者,而不是简单的复制所谓的最佳的实践。思考自身知识如何分享,在小组层面的互动、对设计的课程进行交流、开发和解释。相关研究也进行了一些探索,表明了一些理论和实践上的挑战。
从实践角度来看,教师教学,个人活动,习惯自己完成,缺乏经验交流。——课程改革,在职教师知识建构过程中,小组内部知识探究,知识建构和创造的具体模式是什么样子的。
对于他们最终教学产品的质量的提高是否有影响。