- 年份
- 2024(8792)
- 2023(12966)
- 2022(11484)
- 2021(10824)
- 2020(9241)
- 2019(21406)
- 2018(21383)
- 2017(41706)
- 2016(22627)
- 2015(25724)
- 2014(25556)
- 2013(25198)
- 2012(22805)
- 2011(20418)
- 2010(20563)
- 2009(18579)
- 2008(18066)
- 2007(15661)
- 2006(13474)
- 2005(11461)
- 学科
- 济(90873)
- 经济(90768)
- 管理(66982)
- 业(63675)
- 企(54722)
- 企业(54722)
- 方法(49139)
- 数学(43424)
- 数学方法(42694)
- 财(22521)
- 农(22043)
- 中国(21868)
- 业经(19409)
- 学(18365)
- 理论(17359)
- 地方(17026)
- 贸(15624)
- 贸易(15617)
- 务(15131)
- 易(15124)
- 财务(15051)
- 财务管理(15020)
- 技术(14876)
- 农业(14731)
- 制(14403)
- 和(14372)
- 企业财务(14277)
- 环境(13305)
- 划(12740)
- 银(12065)
- 机构
- 大学(317341)
- 学院(317043)
- 管理(130862)
- 济(122085)
- 经济(119442)
- 理学(115073)
- 理学院(113862)
- 管理学(111558)
- 管理学院(111005)
- 研究(97096)
- 中国(70856)
- 京(66334)
- 科学(61337)
- 财(55252)
- 所(47364)
- 业大(47351)
- 农(46924)
- 财经(45534)
- 中心(44684)
- 江(44150)
- 研究所(43430)
- 范(41784)
- 北京(41682)
- 经(41488)
- 师范(41406)
- 农业(36821)
- 州(36489)
- 经济学(36211)
- 院(35423)
- 技术(34308)
- 基金
- 项目(223560)
- 科学(176626)
- 研究(163549)
- 基金(162166)
- 家(140297)
- 国家(139128)
- 科学基金(121161)
- 社会(101421)
- 社会科(96169)
- 社会科学(96141)
- 省(88195)
- 基金项目(86085)
- 自然(80623)
- 自然科(78823)
- 自然科学(78810)
- 教育(77871)
- 自然科学基金(77358)
- 划(74043)
- 资助(68460)
- 编号(67646)
- 成果(53991)
- 重点(49485)
- 部(49380)
- 创(46794)
- 课题(46541)
- 发(45975)
- 创新(43395)
- 教育部(42965)
- 科研(42908)
- 大学(42458)
- 期刊
- 济(123906)
- 经济(123906)
- 研究(87984)
- 中国(56686)
- 学报(48219)
- 管理(46984)
- 科学(44256)
- 财(41100)
- 农(41076)
- 教育(40674)
- 大学(36858)
- 学学(34662)
- 技术(29719)
- 农业(28881)
- 融(23613)
- 金融(23613)
- 财经(21581)
- 业经(21149)
- 经济研究(20353)
- 经(18239)
- 图书(16657)
- 统计(15981)
- 问题(15785)
- 技术经济(15621)
- 理论(15306)
- 科技(15292)
- 业(15234)
- 策(14843)
- 商业(14423)
- 实践(14136)
共检索到439931条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 中国成人教育
[作者]
刘玲艳 赵波
数字化学习时代，对学习者在线学习能力的测量是实现个性化在线学习的关键。目前，数字化学习领域中，人们更加关注学习者的成绩，却往往忽略影响学习成绩的重要因素——在线学习能力。因此，文章依据Sampson能力模型及影响学习过程的因素，对在线学习行为进行数据挖掘，以构建在线学习能力模型。在此基础上，综合应用非监督学习算法（K-means算法、PCA算法）和监督学习算法（随机森林算法），构建学习能力水平预测模型；同时以Canvas Network平台课程数据为例进行实证研究，最终实现在线学习能力的计算。研究表明：学习成绩与在线学习能力息息相关，在线学习能力的测量研究对个性化在线学习的发展具有重要指导作用。
[期刊] 中国远程教育
[作者]
沈欣忆 吴健伟 张艳霞 李营 马昱春
中国慕课大学先修课(MOOCAP)是采用大规模开放在线课程(Massive Open Online Course,MOOC)和中国大学先修课程(Chinese Advanced Placement, CAP)相融合的方式,借助高等教育领域和基础教育领域的学科专家、资深教师,根据高中生的特点将大学课程进行重新设计的在线课程,是慕课大学先修课。本研究充分利用学习者在MOOCAP中的在线学习行为数据,采用德尔菲法、专家排序法、专家工作坊等多种研究方法,构建MOOCAP在线学习行为和学习评价模型,对MOOCAP课程的学习评价工作具有较强的指导性和可操作性,弥补了以往单凭学习成绩进行评价,或者仅依靠单一学习行为得出一些描述性结论的弊端,更具有全面性和系统性,为学生个性化的发展提供充分的过程评价数据依据,挖掘出学习者各自的学习特性,实现有针对性的"因材施教"。
[期刊] 开放教育研究
[作者]
丁亚元 刘盛峰 郭允建
学习力的概念缘起于管理学,近年来逐渐被迁移到教育领域,通过"构建学习力"为学习者有效终身学习提供能量。对远程学习者在线学习力进行深入研究,不仅有助于提高其在线学习水平,也可促进个人可持续发展。为了从实证角度探究远程学习者在线学习力的内在结构与基本特点,本研究在充分借鉴国内外相关研究成果基础上,结合远程在线学习情境,界定了远程学习者在线学习力的概念并构建了理论模型,编制了远程学习者在线学习力测评量表。研究以安徽广播电视大学六所分校960名远程学习者为被试,通过问卷调查和实地访谈等方法,对远程学习者在线学习力的现状进行调查与分析。研究结果表明:远程学习者在线学习力由内驱力、意志力、认知力、转化力四...
关键词：
远程学习者 在线学习 学习力
[期刊] 中国远程教育
[作者]
马秀麟 毛荷 王翠霞
视频资源已经成为翻转课堂、ＭＯＯＣ教学等在线学习活动的重要支撑。然而，在视频资源支持下的在线学习活动真的发生了吗？本文首先通过调查问卷调研了学习者使用各种类型视频资源开展自主学习活动之后的个人体验；其次借助从北师大计算机基础课教学平台收集的第一手客观数据，分析了不同类型视频资源对具体学习内容的适应性；最后依据研究结论对视频资源建设和资源组织策略等给出了建议。
关键词：
视频资源类型 个人体验 学习效果
[期刊] 中国远程教育
[作者]
苏胜强
学生满意对一个学校的发展至关重要。本文旨在揭示学生期望、感知质量、感知价值、学生满意、学生忠诚五个潜变量之间的结构关系。首先在前人研究的基础上,构建一个反映五个潜变量关系的结构方程模型,然后通过问卷设计、量表开发,对电大学生展开调查得到实际数据,再对量表数据进行缺失值处理,并据此对提出的结构方程模型进行拟合、修正和解释,最后得出潜变量之间关系的几点结论。
[期刊] 中国远程教育
[作者]
王冬冬 张亨国 郑勤华 封晨
教师网络研修社区作为教师培训的新型方式被广大教师及教育工作者所接受,而促进学员个性化发展成为教师网络研修的核心诉求。学习分析技术为个性化教学提供了新的思路,而从学习分析在学习评价、诊断、预测及干预中的实际应用来看,建立学习者模型是重要的基础。采用数据挖掘方法,紧密结合学习过程,对教师网络研修社区的学员进行建模,深入挖掘学员的行为特征,结合理论演绎和数据驱动,选用主成分分析法构建了教师网络研修社区环境下的学习者模型。在此基础上,通过K-means聚类将学习者分为六类:全能型好学生、交互型好学生、任务型好学生、阅读型中等生、基础型中等生和薄弱型后进生,验证了学习者模型的实用性与科学性。本研究为在网络研修社区中开展学习者评价提供了理论参考,为构建学习者模型的实践提供了方法与思路。
[期刊] 清华大学教育研究
[作者]
张晓蕾 黄振中 李曼丽
信息技术支持下,在线学习打破了传统教学模式,使学习者、教师和计算机学习资源系统之间跨越时空的多元、智能和深度交互成为现实。本研究尝试从"交互"切入,探究中文在线学习者交互学习状况及其对学习效果的影响。研究发现,当前中文在线学习者与学习媒介交互体验较好。不同在线学习环境中,远程教育的学习者与媒介、教师的交互体验较差,学习者与同伴交互体验无显著差异。在线学习者与学习媒介、同伴和教师多层次广泛交互能提升其深度学习效果。当前改进在线学习的交互质量应注重教师的引导和调节作用,创设问题解决和探索性的在线学习课程任务或
[期刊] 中国职业技术教育
[作者]
吴静 姜春艳
开放式教育环境下存在在线学习者学习成效低、流失率高等问题。以学习者画像在群体特征识别与分析上的应用为研究起点，从如何建立画像以及如何支持服务学习者进行剖析，探索基于学习者画像的在线学习支持服务策略。从知识水平、行为特征、兴趣特征三个维度构建学习者画像模型并开展标签化处理，以群体化、个性化作为设计思路，探究适合不同学习者群体的服务方式，同时为教育工作人员的教学设计提供服务实施依据。
[期刊] 中国远程教育
[作者]
苏胜强 谢江田 肖明
学生是教育服务的消费者,有效识别和满足学生的需求和期望,提高办学质量,是当前学校工作的焦点之一。本研究在继承美国顾客满意度ACSI模型的一些核心概念和架构的基础上,吸收其他一些顾客满意度模型的创新之处,结合电大学生的特点,通过结构调整和综合因素分析,给出了电大学生满意度测评的模型架构、指标体系和计算方法,建构了具有广泛适用性的电大学生满意度模型,为下一步进行实证调查分析打下了理论基础。
关键词：
学生满意度 远程学习者 模型
[期刊] 开放教育研究
[作者]
刘选 杨素娟
教师能力是影响教学质量的重要因素,也是教师专业化发展的核心内容。本研究从学习者的视角探究网络远程教师的能力框架。研究结果表明,学生认为主讲教师的能力框架应包括三大维度,即职业素质、网上教学和评价考核,共计15项能力;学生认为辅导教师的能力框架应包括四大维度,即职业素质、网上答疑、促学活动、学习活动的组织与管理,共计25项能力。
[期刊] 开放教育研究
[作者]
尹睿 徐欢云
近年来,随着在线学习的发展,在线学习投入作为评估在线学习质量的重要指标之一,成为在线学习研究的热点和趋势。本研究在借鉴已有研究成果的基础上构建了"行为投入、认知投入、情感投入和社会交互投入"的理论模型。基于广东省5所高校662名大学生的问卷调查,本研究运用结构方程模型开展实证研究,分析结构要素之间的路径关系及相互效应。研究结果显示:在线学习投入各个结构要素对总体在线学习投入的影响从高到低依次是社会交互投入、认知投入、情感投入、行为投入。行为投入受到认知投入、情感投入和社会交互投入的直接正向影响,认知投入对
关键词：
在线学习投入 社会交互投入 结构方程模型
[期刊] 开放教育研究
[作者]
肖君 乔惠 李雪娇
在线学习中,学习者特征不明、学习支持服务针对性不足、学生流失率高等问题是教学利益相关者关注的重点。大数据环境下在线学习者画像的构建对识别、分析学习者特征并据此提供针对性学习支持服务具有重要意义。本研究以开放学习分析架构为基础,从目标(Object)、数据(Data)、分析(Analysis)、服务(Service)四个角度提出"ODAS"开放学习分析概念模型,并设计了一套具体可行的、可操作的基于ODAS的在线学习者画像构建流程,包括画像构建目标、数据收集、标签分析、画像服务输出四个阶段,从而为学习者画像教学应用与评估提供方法。本研究进而以上海开放大学的在线学习者为对象,从学习者基本特征、在线学习行为和学习路径三个维度构建高风险学习者画像,开展画像标签分析。研究表明,学习者画像能反映高风险学习者的学习能力、行为表现、学习路径等特征,并具有教学情境性,能为针对性教学设计及在线学习支持服务设计提供数据支撑。
[期刊] 中国远程教育
[作者]
舒莹 姜强 赵蔚
对学生学习行为进行全面的定量化描述、学业诊断、精准预警、处方干预,有助于准确识别学习危机学生,提供精准教学服务。本研究利用数据挖掘和学习分析技术,跟踪分析在线学习中非干预行为数据,包括过程性结构化外显信息(如学习状态、学习交互、学业水平等)和非结构化内隐信息(如学习者情绪),确定在线学习危机预警因素。本研究采用朴素贝叶斯构建精准预警模型,利用准实验设计对处于学习危机的学生进行聚类分组,并提出采用邮件通知人工干预和在线学习支持环境自动干预两种策略,同时通过信誉积分和预警指标干预制度加以保障。研究结果表明,模型能够准确识别学习者学习状态与趋势,发现学习异常者;干预策略能够有效引导学生学习,化解学习危机,促进个性化教学和学生管理。
[期刊] 开放教育研究
[作者]
王珏 解月光
在智慧学习环境中,对学生进行适应性诊断与反馈的效度,取决于学习者模型的精准程度。文章以前概念为切入点,从认知发展角度描述学习者学习过程,并以此为依据构建基于前概念理论的精准学习者模型(ABP学习者模型),用于指导研究人员认知学习者特征以及对学习者进行数字化建模。ABP模型要素分为认知、能力、体验三方面,包括前概念要素、科学概念要素、认知能力要素、元认知能力要素、感官要素等,建立并描述了要素间关系。依据该模型,研究者能够诊断学习者的具体认知状态、相关前概念与能力缺失,分析其原因及推荐相应学习资源与学习路径,
[期刊] 中国远程教育
[作者]
王丽英 何云帆 田俊华
显性化测量与评估在线学习行为和情感状态是学习分析领域的研究热点。为克服单模态数据分析片面和多模态数据融合模糊等问题,全面感知和反馈在线学习过程状态,本研究构建了一种在线学习行为多模态数据融合模型。该模型利用自动化操作行为事件监听、表情识别、生理特征监测等原理,从行为、情绪和认知3个维度进行时序数据同步融合、分层递进诊断评估和统计聚类分析;考虑到对在线学习者具有较低的侵入性和干扰性,该模型在技术实现上采用分布式物联网技术和开放式Django Web服务器部署技术,形成学习过程状态数据的自动采集、分析、融合、评估和反馈等多层体系结构;应用该系统对MOOC环境下在线学习行为评测实验,讨论了本模型的准确性、易用性和有用性等问题。研究结果表明,本研究构建的模型能够为在线学习分析提供一种有效的技术解决方案,为同类研究可提供方法借鉴与技术实现参考。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
