论文部分内容阅读
随着云计算、大数据、物联网、智慧学习四大因素影响信息化教育的发展,信息化教学的学习过程和学习方式正逐渐从多媒体化学习转变为网络化学习。利用在线平台学习就是以互联网为衔接的网络化学习的一种表现形式。在线学习平台以学习途径便捷化、学习空间多元化、学习时间多样化、教学资源丰富化、学习环境无缝化等优点,正逐步被社会各类人员所接受。通过在线学习平台进行教学,不仅缩减了教学资源的占用和教育经费的投资,同时增加了学习者的自主选择性,拉近了学习者与“学习课堂”之间的距离。目前我国学者对在线学习平台中影响学习者学习效果的因素研究层出不穷,但分析学习者的网络学习行为、划分学习者的网络学习行为维度、对网络学习行为影响学习效果的相关研究却较为薄弱。网络学习行为分析是判断学习者在学习过程中所发生的动作路径好坏的最直接方式,对评价学习效果的好坏产生着重要的影响。而对学习者网络学习行为特征进行结构化的分析,可以更为直观的看出学习者对在线学习平台使用的有效情况。纵观我国网络学习行为分析研究的现状,不难看出其研究还处于探索阶段,大部分学者都是通过搭建模型来对网络学习行为进行分析研究,对结构化的探索网络学习行为维度的研究分析相对较少。随着在线学习平台的普及,工业类型在线学习平台也得到了广泛的发展。工业类型的在线学习平台强调对技术型人才的培养,以工人为学习对象进行教学。目前的工业人才在线学习平台存在着教学效果不优、教学内容无目的性、工学矛盾突出等问题,对学习者个体的学习特征缺乏较具体的研究分析。研究以期通过划分网络学习行为之维度,结构化的分析其维度,找出工业类型学习者的学特性和个体特征,使平台能提供更具个性化和适应性的教学服务,优化教学效果。借此,作者吸纳前人对网络学习行为分析的研究成果,通过分析国内外研究现状,在诺尔斯成人学习理论、联通主义学习理论、理性行为理论和计划行为理论、行为科学和行为科学理论的支撑下,结合工业类型在线学习平台的特点和工业类型学习者特征,总结出一套包括外显维度和内隐维度在内共19个行为维组的工业类型学习者的网络学习行为维度,并对该维度做出结构化分析。研究采集了10个参学企业,每个企业各抽取20人的行为数据,通过数据结构挖掘法,挖掘平台中学习者的外显行为数据,利用聚类算法(WEKA)分析行为数据特征,数据统计方法(SPSS)分析行为数据相关性,对比行为特征总结出外显行为程度。再结合问卷调查,利用EXCEL工具统计分析内隐行为数据,总结出内隐行为程度。分析内外行为维度相关性,通过相关度对比内外行为程度找出学习者的行为特征,根据行为特征分析出15种行为结论。通过分析结论提出改善平台的相关策略以及改进学习者网络学习行为的相关策略。本研究为今后研究工业类型学习者的网络学习行为维度、对网络学习行为维度的结构化分析、数据结构化挖掘网络学习行为数据等提供了一定的参考价值。