当前位置:   article > 正文

基于行为识别的课堂深度学习成绩预测模型研究

基于行为识别的课堂深度学习成绩预测模型研究

摘 要: 课堂学习行为智能识别和大数据分析为课堂高阶认知评价带来契机。利用数据技术挖掘学生课堂学习行为对深度学习成绩的影响关系,解决识别与评价课堂高阶认知不足的现实问题。以英语和化学两门学科为例,以课堂学习行为为自变量,以测试试卷深度学习成绩为因变量,通过高斯消元、回代总样本求均方差最优解等算法,分析出课堂“听讲”“阅读”等8种课堂行为对深度学习成绩的权重影响,构建课堂学习行为与深度学习成绩间的预测模型,依据模型可识别和评价学生的高阶认知是否发生,为常态课堂高阶认知规模化评价提供科学依据和技术支撑。

关键词: 行为识别;深度学习;深度学习成绩预测模型;过程性评价

一、引言

            

  过程性评价是发生在学习过程中的价值判断,通过对学生学习的量化、预测、诊断、干预等过程,实现对学习行为的引导和修正,渐进培养学习习惯,是推进素质教育实践发展的需要。[1]预测是过程性评价的最重要环节,诸多研究证实,学习行为(即交互行为、学习参与等)是确定学业成就的关键参数,学生学习行为可以作为预测评价学生学习成就的重要依据。[2-4]

  梳理相关文献,成绩预测评价研究主要集中于在线学习平台,常态课堂(以下简称“课堂”)预测评价研究却较少涉及。分析原因,在线技术平台自动记录学习行为的便利性和规模化,如在线学习系统[5]、慕课[6]、学习管理系统[7]、平板教学[8]等的日志行为数据,是促进学习预测发展的重要力量。而课堂环境数据获取测量仍然依赖人工,如观察法、教师报告法、自我报告等,操作规格高,方式主观低效,很难解决真实情境、过程性评价的问题。新课程标准要求的课堂深度

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/我家自动化/article/detail/815733
推荐阅读
相关标签
  

闽ICP备14008679号