作為學習分析領域的重要內容,學習投入的評測日益成為研究熱點。對學習投入的概念與特征的闡釋,反映出當前對于經典學習分析的局限,即"路燈效應"（Streetlight Effect）。其有可能使研究者偏離解決"真實場景"中的問題,而多模態(tài)數據支持的學習評測,恰恰契合了學習投入的動態(tài)、多維、境脈化的特征。多模態(tài)的數據獲取,可以從交互情景中的行為分析、單模態(tài)傳感器與多模態(tài)傳感器三個維度來分類。多模態(tài)數據經過建模場景、數據源與精度等方面的刻畫,可實現對學習者交互狀態(tài)、輟學率、心智游移水平、注意力以及成功表現等指標的評估,體現出對復雜認知能力衡量、改善建模精度以及對數據集整體意義還原的實踐價值。未來,對學習投入的評測研究,應強化對理論模型的構建,充分借助腦科學、教育神經科學等的技術手段,闡釋學習者外部行為表現、認知過程與內部生理的相關機制,構建科學的生物數據庫以及對脫離投入提供更為有效的解釋與干預,從而為智能時代的個性化學習提供"增值"。 

【文章來源】：遠程教育雜志. 2020,38(01)北大核心CSSCI

【文章頁數】：11 頁

【部分圖文】：

學習投入的多模態(tài)數據建模流程

【參考文獻】：
期刊論文
[1]人工智能時代的智慧學習:原理、進展與趨勢[J]. 梁迎麗,梁英豪.  中國電化教育. 2019(02)
[2]人工智能視域下的學習參與度識別方法研究——基于一項多模態(tài)數據融合的深度學習實驗分析[J]. 曹曉明,張永和,潘萌,朱姍,閆海亮.  遠程教育雜志. 2019(01)
[3]技術賦能 萬眾學習——AECT 2018年會綜述[J]. 鐘琳,陳蕙若,姚中銳,唐恒濤,王小雪,李艷.  遠程教育雜志. 2019(01)
[4]An interview with Dr.Raj Reddy on artificial intelligence[J]. FITEE editorial staff.  Frontiers of Information Technology & Electronic Engineering. 2018(01)
[5]從學力觀的歷史變遷審視“互聯網+”時代的學習評價[J]. 齊宇歆.  遠程教育雜志. 2017(02)
[6]e-Learning環(huán)境學習測量研究進展與趨勢——基于眼動應用視角[J]. 張琪,楊玲玉.  中國電化教育. 2016(11)
[7]學習分析中的生物數據表征——眼動與多模態(tài)技術應用前瞻[J]. 張琪,武法提.  電化教育研究. 2016(09)



本文編號：3550076