【摘 要】
：
虚拟学习社区角色分类旨在探究虚拟学习社区交互网络中不同类别的学习者在协作式知识构建网络中的行为特征和其所处位置对知识构建过程的推进作用。目前,以MOOC为主的异步式虚拟学习社区中,多数课程存在学习者众多,但学习者参与讨论式知识构建活动的活跃度不高的情况。现有的虚拟学习社区角色划分方法主要有:机器学习方法、内容分析方法、数学分析方法和以凝聚子群、中心性方法为主的社会网络分析方法。上述方法主要存在以下
论文部分内容阅读
虚拟学习社区角色分类旨在探究虚拟学习社区交互网络中不同类别的学习者在协作式知识构建网络中的行为特征和其所处位置对知识构建过程的推进作用。目前,以MOOC为主的异步式虚拟学习社区中,多数课程存在学习者众多,但学习者参与讨论式知识构建活动的活跃度不高的情况。现有的虚拟学习社区角色划分方法主要有:机器学习方法、内容分析方法、数学分析方法和以凝聚子群、中心性方法为主的社会网络分析方法。上述方法主要存在以下缺陷:（1）不能反映学习者在整个社交网络中的交互地位;（2）内容分析方法所需的言论文本量级和差异性难以适用于不活跃的虚拟学习社区;（3）研究主题聚焦于个别意见领袖对整个学习社区活跃度的提升作用,具有一定程度的局限性。为深入理解虚拟学习社区里的人际关系网络,本文以中国大学MOOC精品课程中的三类课程（理工类、通识类、文史类）课后讨论区参与者为例,采用基于正则等价的块模型方法,使用禁忌搜索算法分析三类课程中不同行为的学习者正则相似度,划分出5种不同角色,并解释他们在知识构建过程中发挥的作用,以及探讨在不同类别的学习社区中学习者的异同。然后利用传统机器学习的无监督学习K-means++算法和层次凝聚聚类AGNES算法,再次分析三类课程学习者的互动行为,比较机器学习算法与正则等价块模型划分结果之间的划分相似度和优劣势。实验结果发现:5类学习者角色在不同类别的学习社区中,各角色的分布有差异:理工类学习社区中的角色有“独学者”“初学者”“熟练者”和“善学者”;通识类学习社区的角色有“好学者”“熟练者”和“善学者”;文史类学习社区的角色有“独学者”“熟练者”和“善学者”;每个角色在各自虚拟学习社区中占比不同。在使用K-means++和AGNES算法划分学习者时,结果呈现为学习者交互行为相似且突出的更容易聚为一类（如前人研究中的寻找“中心领袖”）。这一结果表明:基于正则等价的虚拟学习社区学习者角色分类方法比传统机器学习分类方法划分出来的角色更细致、更能够发现直观视野之外的“关键少数”,为虚拟社区的教学实践带来新的启发。它启发我们:如果能对不同的角色采用不同的教学策略,有可能进一步减轻社区助教的工作负荷,用更少的干预促进虚拟学习社区形成更浓厚的学习氛围;不同类别的虚拟学习社区可能需要有不同的教学互动设计,以刺激学习者更多参与到虚拟学习社区的知识构建中。
其他文献
近年来,随着互联网的快速发展,人们已经进入了大数据时代,各种信息数据都在实现着爆炸式的指数型增长,数据信息量处于过载状态。个性化推荐系统作为解决信息过载问题的有效手段,现已经广泛地应用到如电商平台,电影推荐,音乐推荐等各个领域当中,对于推荐算法的不断优化和改进,不仅能够提高用户体验,还能带来一定的商业价值,推动其他行业的发展。在推荐系统中推荐算法是最为关键的部分,良好的推荐算法能快速且较为准确的预
大脑是生物体的“领导中心”,支配着身体的各项活动。大脑接收并处理复杂信息的原因是神经元网络之间的连通与协调的电活动。为了掌握大脑处理信息并发送指令的过程,需要高分辨率技术来监测神经元的电活动。测量神经元电活动的传统方法有:电压钳技术、电流钳技术和膜片钳技术,具体方法是用玻璃毛细管拉制成电极,穿透细胞膜获得神经元电生理特性,理解其动作电位的机制。大脑中的神经元有上千亿,用以上传统方法的缺点是同时监测
互联网的快速发展在给人们带来便利的同时,也给人们的生活带来诸多安全隐患,其中信息安全尤为重要。为提高传输信息的安全性,保护个人隐私,很多学者在从事隐写技术研究,它是利用载体的冗余,将秘密信息嵌入到载体中通过公共信道进行传输,避免第三方的怀疑,从而实现秘密信息的传递。图像是隐写常用的载体之一,传统的以图像为载体的隐写术都是以单张图像作为载体,但单张图像作为载体隐写容量有限。为适应实际需求,确保秘密信
抗生素耐药形势严峻,抗生素发展遇到了前所未有的挑战。了解抗生素耐药作用机制对于有效跟踪耐药性传播、优化治疗方法以及进行新药物研发至关重要。大量关于抗生素耐药性研究成果存在于生物医学文献中,使用文本挖掘相关方法自动从文本中获取信息有效降低了知识获取成本并提高了工作效率。本文将抗生素耐药性信息抽取建模为生物医学事件抽取任务,以期从生物医学文本中自动获取抗生素耐药作用机制信息。生物医学事件抽取主要由生物
随着大数据时代的到来,互联网图像资源迅猛增长,如何快速正确地从海量的图像数据中检索出用户所需的图像成为亟需解决的一大难题。在大规模图像检索的背景需求下,基于内容的图像检索技术利用图像自身的语义信息,摈弃以往繁杂的人工文本标注,提高了图像检索性能,但在基于内容的图像检索方法中,图像往往由高维的特征矢量表示,而这又带来了大规模图像特征存储量大,索引难等新问题。近年来,在大规模图像检索中引入哈希的检索方
近年来,用户情感分析在个性化推荐系统中体现出越来越重要的地位,各种各样的垂直场景的移动应用极大丰富了人们社交、娱乐和学习的方式。通过手机拍照,然后配上一段合适的文案来分享和记录生活,更是成为了当代人们一种新的社交方式。基于拍照配文这一特定的场景中进行用户情感分析,能够提供更为精准的基于情感需求的个性化推荐服务。但目前针对拍照场景中的用户情感分析还较少,已有的图像描述生成任务是对进行照片内容客观的描
建筑物三维模型是地球空间信息的重要组成部分,也是组成“数字城市”的关键所在,在诸如城市规划、三维导航、文化遗产保护等领域得到了广泛的应用。而随着激光雷达技术的不断发展,点云数据尤其是机载激光雷达扫描数据已经成为继矢量地图和影像数据之外的第三类重要的时空数据,其本身蕴含的信息具有二维地图和影像无可比拟的优越性。目前,根据建筑物点云数据进行建筑物三维重建是摄影测量、计算机图形学、计算机视觉和遥感社区中
学习分析中学习者的学业成绩预测有利于教师进行教学决策,并采取教学干预以提升学生成绩。当前该领域主要是通过学习者的人口学信息和行为特征来预测学业成绩,忽略了文本数据所蕴含的情感与学业成绩之间的关系。因此,本文尝试利用学习情感进行学业成绩预测。具体而言,本文首先识别文本所蕴含的情感极性,然后从情感角度来预测学业成绩。为提升情感识别准确性,本文加入与学习行为相关的主题文本,包含“教师授课”、“获得证书”
文本关键词抽取是从文本中把能代表该文本内容的词或短语抽取出来的一种自然语言处理技术,它是自然语言处理领域较为重要的一个研究方向,在信息检索、图书馆学、情报学等领域都有重要的实际应用价值。尤其是进入二十一世纪,随着移动互联网等信息技术的快速发展,文本类型的数据呈现出指数增长的态势。对于企业和一些组织而言,这些文本数据具有极大的潜在应用价值,然而如何快速理解、利用这些文本数据是当前企业面临的一个重大实
随着自然语言处理的发展,开放领域的问答成为越来越重要的研讨课题,它基于用户的自然语言提问,从大批候选文本中精准地找到答案,而面向开放领域问答系统的机器阅读理解技术成为其中的一个热门研究方向。机器能够更准确的理解人类文本语言,从而去构建开放领域的问答系统、自动化阅读理解评价系统以及电子化答疑系统等。这对于学习分析领域的研究,辅助教师进行答疑、阅卷、学习行为干预,帮助学生进行成绩预测和更高效的学习有着