基于大数据的在线学习精准预警与干预研究
出版时间:
2021-04
版次:
1
ISBN:
9787030683960
定价:
99.00
装帧:
其他
开本:
16开
纸张:
胶版纸
页数:
260页
字数:
348.000千字
3人买过
-
本书是国家社会科学基金教育学课题一般项目、全国教育科学“十三五”规划课题“基于大数据的在线学习精准预警与干预机制研究”的研究成果。全书分为上、中、下三个篇章。上篇介绍在线学习精准预警与干预的研究现状，基于现实问题梳理相关理论基础和关键技术。中篇从学业水平、课程学习、论坛交互、学习情绪、个性特征五个维度分析在线学习精准预警影响因素和指标体系，构建在线学习精准预警与干预模型，并探讨在线学习干预机制建立。下篇介绍在线学习精准预警系统架构与应用案例，研究成果突破了基础理论模型建构及其实现的关键核心技术。 目录
序
前言
上篇 在线学习精准预警与干预理论研究及技术分析
第1章 基于大数据的在线学习精准预警与干预研究设计与方法 3
1.1 在线学习精准预警与干预的研究意义 3
1.2 基于大数据的在线学习精准预警与干预的主要目标和价值取向 6
1.3 基于大数据的在线学习精准预警与干预研究内容 7
1.4 基于大数据的在线学习精准预警与干预研究方法 10
1.5 基于大数据的在线学习精准预警与干预研究路线 13
参考文献 15
第2章 基于大数据的在线学习精准预警与干预相关研究 16
2.1 在线学习精准预警与干预研究现状 16
2.2 在线学习精准预警与干预系统应用现状 18
2.2.1 在线学习辍学预警 18
2.2.2 课程成绩预警 19
2.2.3 学习过程预警 21
2.2.4 人际交互预警 22
2.3 在线学习精准预警与干预研究问题的提出 24
2.3.1 数据指标的不全面性 24
2.3.2 理论预警算法的单一性 25
2.3.3 干预实证的有限性 25
参考文献 25
第3章 基于大数据的在线学习精准预警与干预理论基础及其关键技术分析 29
3.1 在线学习精准预警与干预研究相关概念的界定 29
3.1.1 学习分析 29
3.1.2 数据挖掘 30
3.1.3 学习预警与学习干预 31
3.2 在线学习精准预警与干预理论基础的多视角解读 32
3.2.1 辍学理论 33
3.2.2 建构主义学习理论 35
3.2.3 活动理论 36
3.2.4 人本主义学习理论 38
3.3 在线学习精准预警与干预关键技术评估 39
3.3.1 认知结构诊断 39
3.3.2 分类方法 45
3.3.3 聚类方法 51
3.3.4 关联规则分析方法 53
参考文献 57
中篇 在线学习精准预警与干预指标体系及模型构建
第4章 基于大数据的在线学习精准预警影响因素分析 63
4.1 国内外典型学习预警系统比较 63
4.1.1 课程信号系统 64
4.1.2 学习者成功系统 64
4.1.3 海星预警系统 65
4.1.4 基于大数据的在线学习精准预警系统 66
4.1.5 基于大数据的在线学习绩效预警系统 67
4.1.6 学习测评大数据支撑下面向知识点的学习预警系统 67
4.2 在线学习精准预警影响因素构成 67
4.2.1 国外在线学习精准预警影响因素概述 68
4.2.2 国内在线学习精准预警影响因素概述 70
4.2.3 在线学习精准预警影响因素分析 71
4.3 在线学习精准预警影响因素的确定 73
4.4 在线学习精准预警影响因素重要性分析 74
参考文献 77
第5章 基于大数据的在线学习精准预警指标体系设计 80
5.1 指标体系的构建 80
5.2 指标的选取与修正 82
5.2.1 第一轮专家意见统计结果分析 82
5.2.2 第二轮专家意见统计结果分析 83
5.2.3 指标体系的指标量化及赋权 85
参考文献 87
第6章 基于大数据的在线学习精准预警系统模型构建 88
6.1 在线学习精准预警框架设计 88
6.1.1 数据与环境（what?） 89
6.1.2 关益者（who?） 89
6.1.3 方法（how?） 90
6.1.4 目标（why?） 90
6.2 在线学习精准预警系统模型构建 91
6.2.1 预警数据采集 92
6.2.2 预警数据分析 93
6.2.3 预警结果呈现与反馈 94
6.3 学习者能力特征分析 95
6.3.1 知识水平子模型 97
6.3.2 认知特征子模型 102
6.3.3 情感特征子模型 109
6.3.4 元认知能力子模型 119
6.4 关键问题 122
6.4.1 改善个性化的学习者档案 123
6.4.2 提供个性化的学习反馈与建议 123
6.4.3 保障在线学习精准预警数据的安全与隐私 124
6.4.4 重视学习者学习的社会性 126
6.4.5 实现学习者模型可视化 127
参考文献 130
第7章 基于大数据的在线学习精准干预机制建立 136
7.1 在线学习精准干预模型构建 136
7.2 在线学习精准干预策略 137
7.2.1 教师主导性干预策略 137
7.2.2 学习分析仪表盘干预策略 140
7.2.3 个性化推荐干预策略 144
7.2.4 知识图谱干预策略 154
7.3 在线学习精准干预机制建立 157
7.3.1 干预机制的具体规定 157
7.3.2 干预机制的特点 158
7.3.3 干预机制的建立路径 159
参考文献 161
下篇 在线学习精准预警与干预系统的实现及实证研究
第8章 基于大数据的在线学习精准预警系统原型的架构与实现
165
8.1 在线学习精准预警系统功能需求调查 165
8.1.1 调查设计与实施 165
8.1.2 问卷信度检验 167
8.1.3 数据统计与分析 168
8.1.4 调查结论 174
8.2 在线学习精准预警系统的设计目标 175
8.3 在线学习精准预警系统的总体架构 176
8.3.1 基础数据层 176
8.3.2 数据分析层 178
8.3.3 应用服务层 178
8.4 在线学习精准预警系统的功能模块设计 179
8.4.1 学习者功能模块 179
8.4.2 教师功能模块 182
8.4.3 管理者功能模块 183
8.5 在线学习精准预警系统平台的实现 185
8.5.1 学习者功能原型 185
8.5.2 教师功能原型 191
8.5.3 管理者功能原型 196
参考文献 198
第9章 基于大数据的在线学习精准预警系统实证分析 199
9.1 在线学习干预模型可行性与有效性验证 199
9.1.1 实验效果分析 199
9.1.2 二元logistic回归分析 200
9.1.3 问卷调查反馈 201
9.1.4 结论 202
9.2 大学生在线学习拖延干预效果实证分析 203
9.2.1 基于学习分析技术的大学生在线学习拖延现象分析 204
9.2.2 大学生在线学习拖延原因诊断 206
9.2.3 基于学习分析技术的大学生在线学习拖延干预模式 207
9.2.4 大学生在线学习拖延干预模式分析 208
9.2.5 结论 210
9.3 社会临场感影响因素及学习预警分析 211
9.3.1 相关概念与理论基础 212
9.3.2 研究设计 216
9.3.3 范畴提炼与模型构建 216
9.3.4 基于社会临场感的学习预警分析 220
9.3.5 研究启示 222
9.3.6 结论 224
9.4 内隐行为模式预测学习成绩：基于同伴评价的情感、认知和元认知分析 224
9.4.1 相关概念与理论基础 225
9.4.2 建模与实验设计 227
9.4.3 数据分析与结果讨论 231
9.4.4 研究启示 239
9.4.5 结论 241
9.5 基于过程挖掘的自主学习行为路径差异及干预分析 241
9.5.1 理论基础 242
9.5.2 研究设计 243
9.5.3 数据分析与结果讨论 245
9.5.4 研究启示 251
9.5.5 结论 252
参考文献 253
第10章 基于大数据的在线学习精准预警与干预发展战略 256
10.1 深化基于大数据的精准学习预警与干预理论研究 256
10.2 探索面向在线学习精准预警的文本挖掘应用研究 257
10.3 推进大数据支持的学习情绪的识别与预测研究 257
10.4 开展基于学习者画像的在线精准干预实证研究 258
10.5 重视在线学习精准预警与干预关键技术应用研究 258
10.6 加强在线学习数据安全与数据治理研究 258
10.7 促进在线学习精准预警与干预数据共享整合研究 259
10.8 完善在线学习精准预警与干预模型评估研究 259
参考文献 260
-
内容简介:
本书是国家社会科学基金教育学课题一般项目、全国教育科学“十三五”规划课题“基于大数据的在线学习精准预警与干预机制研究”的研究成果。全书分为上、中、下三个篇章。上篇介绍在线学习精准预警与干预的研究现状，基于现实问题梳理相关理论基础和关键技术。中篇从学业水平、课程学习、论坛交互、学习情绪、个性特征五个维度分析在线学习精准预警影响因素和指标体系，构建在线学习精准预警与干预模型，并探讨在线学习干预机制建立。下篇介绍在线学习精准预警系统架构与应用案例，研究成果突破了基础理论模型建构及其实现的关键核心技术。
-
目录:
目录
序
前言
上篇 在线学习精准预警与干预理论研究及技术分析
第1章 基于大数据的在线学习精准预警与干预研究设计与方法 3
1.1 在线学习精准预警与干预的研究意义 3
1.2 基于大数据的在线学习精准预警与干预的主要目标和价值取向 6
1.3 基于大数据的在线学习精准预警与干预研究内容 7
1.4 基于大数据的在线学习精准预警与干预研究方法 10
1.5 基于大数据的在线学习精准预警与干预研究路线 13
参考文献 15
第2章 基于大数据的在线学习精准预警与干预相关研究 16
2.1 在线学习精准预警与干预研究现状 16
2.2 在线学习精准预警与干预系统应用现状 18
2.2.1 在线学习辍学预警 18
2.2.2 课程成绩预警 19
2.2.3 学习过程预警 21
2.2.4 人际交互预警 22
2.3 在线学习精准预警与干预研究问题的提出 24
2.3.1 数据指标的不全面性 24
2.3.2 理论预警算法的单一性 25
2.3.3 干预实证的有限性 25
参考文献 25
第3章 基于大数据的在线学习精准预警与干预理论基础及其关键技术分析 29
3.1 在线学习精准预警与干预研究相关概念的界定 29
3.1.1 学习分析 29
3.1.2 数据挖掘 30
3.1.3 学习预警与学习干预 31
3.2 在线学习精准预警与干预理论基础的多视角解读 32
3.2.1 辍学理论 33
3.2.2 建构主义学习理论 35
3.2.3 活动理论 36
3.2.4 人本主义学习理论 38
3.3 在线学习精准预警与干预关键技术评估 39
3.3.1 认知结构诊断 39
3.3.2 分类方法 45
3.3.3 聚类方法 51
3.3.4 关联规则分析方法 53
参考文献 57
中篇 在线学习精准预警与干预指标体系及模型构建
第4章 基于大数据的在线学习精准预警影响因素分析 63
4.1 国内外典型学习预警系统比较 63
4.1.1 课程信号系统 64
4.1.2 学习者成功系统 64
4.1.3 海星预警系统 65
4.1.4 基于大数据的在线学习精准预警系统 66
4.1.5 基于大数据的在线学习绩效预警系统 67
4.1.6 学习测评大数据支撑下面向知识点的学习预警系统 67
4.2 在线学习精准预警影响因素构成 67
4.2.1 国外在线学习精准预警影响因素概述 68
4.2.2 国内在线学习精准预警影响因素概述 70
4.2.3 在线学习精准预警影响因素分析 71
4.3 在线学习精准预警影响因素的确定 73
4.4 在线学习精准预警影响因素重要性分析 74
参考文献 77
第5章 基于大数据的在线学习精准预警指标体系设计 80
5.1 指标体系的构建 80
5.2 指标的选取与修正 82
5.2.1 第一轮专家意见统计结果分析 82
5.2.2 第二轮专家意见统计结果分析 83
5.2.3 指标体系的指标量化及赋权 85
参考文献 87
第6章 基于大数据的在线学习精准预警系统模型构建 88
6.1 在线学习精准预警框架设计 88
6.1.1 数据与环境（what?） 89
6.1.2 关益者（who?） 89
6.1.3 方法（how?） 90
6.1.4 目标（why?） 90
6.2 在线学习精准预警系统模型构建 91
6.2.1 预警数据采集 92
6.2.2 预警数据分析 93
6.2.3 预警结果呈现与反馈 94
6.3 学习者能力特征分析 95
6.3.1 知识水平子模型 97
6.3.2 认知特征子模型 102
6.3.3 情感特征子模型 109
6.3.4 元认知能力子模型 119
6.4 关键问题 122
6.4.1 改善个性化的学习者档案 123
6.4.2 提供个性化的学习反馈与建议 123
6.4.3 保障在线学习精准预警数据的安全与隐私 124
6.4.4 重视学习者学习的社会性 126
6.4.5 实现学习者模型可视化 127
参考文献 130
第7章 基于大数据的在线学习精准干预机制建立 136
7.1 在线学习精准干预模型构建 136
7.2 在线学习精准干预策略 137
7.2.1 教师主导性干预策略 137
7.2.2 学习分析仪表盘干预策略 140
7.2.3 个性化推荐干预策略 144
7.2.4 知识图谱干预策略 154
7.3 在线学习精准干预机制建立 157
7.3.1 干预机制的具体规定 157
7.3.2 干预机制的特点 158
7.3.3 干预机制的建立路径 159
参考文献 161
下篇 在线学习精准预警与干预系统的实现及实证研究
第8章 基于大数据的在线学习精准预警系统原型的架构与实现
165
8.1 在线学习精准预警系统功能需求调查 165
8.1.1 调查设计与实施 165
8.1.2 问卷信度检验 167
8.1.3 数据统计与分析 168
8.1.4 调查结论 174
8.2 在线学习精准预警系统的设计目标 175
8.3 在线学习精准预警系统的总体架构 176
8.3.1 基础数据层 176
8.3.2 数据分析层 178
8.3.3 应用服务层 178
8.4 在线学习精准预警系统的功能模块设计 179
8.4.1 学习者功能模块 179
8.4.2 教师功能模块 182
8.4.3 管理者功能模块 183
8.5 在线学习精准预警系统平台的实现 185
8.5.1 学习者功能原型 185
8.5.2 教师功能原型 191
8.5.3 管理者功能原型 196
参考文献 198
第9章 基于大数据的在线学习精准预警系统实证分析 199
9.1 在线学习干预模型可行性与有效性验证 199
9.1.1 实验效果分析 199
9.1.2 二元logistic回归分析 200
9.1.3 问卷调查反馈 201
9.1.4 结论 202
9.2 大学生在线学习拖延干预效果实证分析 203
9.2.1 基于学习分析技术的大学生在线学习拖延现象分析 204
9.2.2 大学生在线学习拖延原因诊断 206
9.2.3 基于学习分析技术的大学生在线学习拖延干预模式 207
9.2.4 大学生在线学习拖延干预模式分析 208
9.2.5 结论 210
9.3 社会临场感影响因素及学习预警分析 211
9.3.1 相关概念与理论基础 212
9.3.2 研究设计 216
9.3.3 范畴提炼与模型构建 216
9.3.4 基于社会临场感的学习预警分析 220
9.3.5 研究启示 222
9.3.6 结论 224
9.4 内隐行为模式预测学习成绩：基于同伴评价的情感、认知和元认知分析 224
9.4.1 相关概念与理论基础 225
9.4.2 建模与实验设计 227
9.4.3 数据分析与结果讨论 231
9.4.4 研究启示 239
9.4.5 结论 241
9.5 基于过程挖掘的自主学习行为路径差异及干预分析 241
9.5.1 理论基础 242
9.5.2 研究设计 243
9.5.3 数据分析与结果讨论 245
9.5.4 研究启示 251
9.5.5 结论 252
参考文献 253
第10章 基于大数据的在线学习精准预警与干预发展战略 256
10.1 深化基于大数据的精准学习预警与干预理论研究 256
10.2 探索面向在线学习精准预警的文本挖掘应用研究 257
10.3 推进大数据支持的学习情绪的识别与预测研究 257
10.4 开展基于学习者画像的在线精准干预实证研究 258
10.5 重视在线学习精准预警与干预关键技术应用研究 258
10.6 加强在线学习数据安全与数据治理研究 258
10.7 促进在线学习精准预警与干预数据共享整合研究 259
10.8 完善在线学习精准预警与干预模型评估研究 259
参考文献 260
查看详情
-
全新
山东省济宁市
平均发货68小时
成功完成率80.76%
-
全新
湖南省长沙市
平均发货42小时
成功完成率83.41%
-
全新
四川省成都市
平均发货24小时
成功完成率85.32%
-
全新
北京市朝阳区
平均发货19小时
成功完成率94.86%
-
全新
北京市朝阳区
平均发货17小时
成功完成率96.17%
-
全新
湖北省武汉市
平均发货15小时
成功完成率94.52%
-
全新
北京市朝阳区
平均发货19小时
成功完成率94.86%
-
全新
广东省广州市
平均发货20小时
成功完成率86.48%
-
九五品
北京市东城区
平均发货34小时
成功完成率82.72%
-
全新
天津市西青区
平均发货14小时
成功完成率90.45%
-
全新
江苏省苏州市
平均发货9小时
成功完成率95.67%
-
全新
北京市东城区
平均发货30小时
成功完成率83.98%
-
全新
江苏省无锡市
平均发货18小时
成功完成率94.42%
-
全新
江苏省无锡市
平均发货18小时
成功完成率92.26%
-
全新
江苏省无锡市
平均发货8小时
成功完成率95.84%
-
全新
广东省广州市
平均发货7小时
成功完成率89.29%
-
全新
江苏省南京市
平均发货16小时
成功完成率82.72%
-
全新
江苏省南京市
平均发货7小时
成功完成率97.77%
-
全新
江苏省南京市
平均发货8小时
成功完成率96.7%
-
全新
北京市朝阳区
平均发货9小时
成功完成率96.78%
-
全新
北京市西城区
平均发货30小时
成功完成率90.45%
-
九五品
北京市大兴区
平均发货12小时
成功完成率94.07%
-
九品
重庆市沙坪坝区
平均发货7小时
成功完成率95.7%
-
全新
广东省广州市
平均发货18小时
成功完成率87.77%
-
全新
广东省广州市
平均发货21小时
成功完成率80.14%
-
全新
广东省广州市
平均发货7小时
成功完成率90.41%
-
全新
北京市通州区
平均发货52小时
成功完成率71.32%
-
全新
北京市通州区
平均发货71小时
成功完成率80.51%
-
全新
-
全新
江苏省徐州市
平均发货12小时
成功完成率92.19%
-
全新
江苏省无锡市
平均发货7小时
成功完成率89.17%
-
全新
北京市通州区
平均发货39小时
成功完成率51.35%
-
全新
四川省成都市
平均发货10小时
成功完成率94.08%
-
全新
江西省九江市
平均发货11小时
成功完成率79.47%
-
全新
北京市东城区
平均发货11小时
成功完成率82.14%
-
全新
北京市通州区
平均发货47小时
成功完成率68.89%
-
全新
北京市通州区
平均发货59小时
成功完成率80.3%
-
全新
-
全新
江西省吉安市
平均发货4天内
成功完成率84.19%
-
全新
江苏省无锡市
平均发货10小时
成功完成率92.86%
-
全新
广东省广州市
平均发货15小时
成功完成率90.11%
占位居中
