clt-international

ISSN Number

2958-4272 

期刊档案

  1. vol.8[2026] iss.1
  2. vol.8[2026] iss.2
  3. vol.7[2026] iss.1
  4. vol.7[2026] iss.2
  5. vol.6[2026] iss.1
  6. vol.6[2026] iss.2
  7. vol.5[2026] iss.1
  8. vol.5[2026] iss.2
  9. vol.4[2026] iss.1
  10. vol.4[2026] iss.2
  11. vol.3[2026] iss.1
  12. vol.2[2026] iss.1
  13. vol.2[2026] iss.2
  14. vol.3[2026] iss.2
  15. vol.1[2026] iss.1
  16. vol.1[2026] iss.2
  17. vol.12[2025] iss.2
  18. vol.12[2025] iss.1
  19. vol.11[2025] iss.2
  20. vol.11[2025] iss.1
  21. vol.10[2025] iss.2
  22. vol.10[2025] iss.1
  23. vol.9[2025] iss.2
  24. vol.9[2025] iss.1
  25. vol.8[2025] iss.2
  26. vol.8[2025] iss.1
  27. vol.7[2025] iss.2
  28. vol.7[2025] iss.1
  29. vol.6[2025] iss.2
  30. vol.6[2025] iss.1
  31. vol.5[2025] iss.2
  32. vol.5[2025] iss.1
  33. vol.4[2025] iss.2
  34. vol.4[2025] iss.1
  35. vol.3[2025] iss.2
  36. vol.3[2025] iss.1
  37. vol.2[2025] iss.2
  38. vol.2[2025] iss.1
  39. vol.1[2025] iss.2
  40. vol.1[2025] iss.1
  41. vol.12[2024] iss.2
  42. vol.12[2024] iss.1
  43. vol.11[2024] iss.2
  44. vol.11[2024] iss.1
  45. vol.10[2024] iss.2
  46. vol.10[2024] iss.1
  47. vol.9[2024] iss.2
  48. vol.9[2024] iss.1
  49. vol.8[2024] iss.2
  50. vol.8[2024] iss.1
  51. 2024年7月下
  52. 2024年7月上
  53. 2024年6月下
  54. 2024年6月上
  55. 2024年5月下
  56. 2024年5月上
  57. 2024年4月下
  58. 2024年4月上
  59. 2024年3月下
  60. 2024年3月上
  61. 2024年2月下
  62. 2024年2月上
  63. 2024年1月下
  64. 2024年1月上
  65. 2023年12月下
  66. 2023年12月上
  67. 2023年11月下
  68. 2023年11月上
  69. 2023年10月下
  70. 2023年10月上
  71. 2023年9月下
  72. 2023年9月上
  73. 2023年8月下
  74. 2023年8月上
  75. 2023年7月下
  76. 2023年7月上
  77. 2023年6月下
  78. 2023年6月上
  79. 2023年5月下
  80. 2023年5月上
  81. 2023年4月下
  82. 2023年4月上
  83. 2023年3月下
  84. 2023年3月上
  85. 2023年2月下
  86. 2023年2月上
  87. 2023年1月下
  88. 2023年1月上
  89. 2022年12月下

index

Home 期刊档案 2024年5月上

面向协作学习多重投入特征画像的多模态学习分析

Download Full PDF

面向协作学习多重投入特征画像的多模态学习分析

 

齐鲁理工学院 山东 济南 250200

[摘 要]随着在线学习的广泛应用,人们逐渐意识到学习者在在线学习中的投入是影响其学习成效的重要因素,而传统的在线学习分析往往聚焦于学习者个体特征,难以对协作学习过程进行有效监测。本研究以在线协作学习中学习者投入行为作为分析对象,旨在构建一种基于多模态数据的学习者投入行为特征画像,揭示在线协作学习过程中学习者个体投入行为特征与协作学习成效之间的内在联系,并提出相应的优化策略。 研究选取两所学校中开展协作学习的学生为研究对象,使用 CSCE 2019项目数据集对教师、学生和班级进行在线访谈与问卷调查。研究采用因子分析方法构建投入特征模型,通过多元回归分析得到不同学科学生在参与协作学习时的投入行为特征,利用聚类分析方法将其分为三类;采用K-均值聚类对数据进行分组,并构建投入特征模型对不同类别进行识别。研究以教师为例,验证了该方法在不同学科、不同年级学生参与协作学习时的有效性。最后,通过多模态数据对该方法进行优化。

[关键词]协作学习特征画像多模态学习