学习投入测评新发展:从单维分析到多模态融合

摘要：

学习投入与学生的学习持续性、学业满意度、学习绩效以及学业完成情况高度相关,对其进行有效测评能够准确预测和干预学生的学习结果和学习行为.为了提升学习投入测评的有效性和准确性,首先,对现有六种学习投入测评方法进行了比较分析,即自我报告、编码分析、日志分析、观察评价、智能测量以及生理测量;然后,提出了多模态数据表征的学习投入测评框架,包括数据收集、数据处理、数据融合以及数据应用四个关键步骤;最后,选取参与同伴互动活动的两名不同成就学习者的多模态数据,依托该框架进行探索性案例分析,从多维时空尺度揭示学习投入的深层机制.研究发现,多模态数据表征的学习投入测评有望突破传统测评方法中单一数据源难以实现的逻辑整合问题,揭示学习投入的动态演变规律,为课程设计、学习活动或教学工具的质量提升提供有价值的参考依据,提升教师帮助学生和改善教学的能力,推动数据驱动的研究范式发展以及教与学规律的研究.

关键词：多模态;学习投入;测评方法;概念框架;多模态学习分析;发展趋势

所属期刊栏目：42

分类号：G434(电化教育)

资助基金：2019年国家自然科学基金面上项目"基于情景的学习者在线学习分析关键技术与评价模型研究";2020年北京师范大学教育学部学生科研基金项目"基于多模态数据分析的学习投入动态监测与提升策略研究"

在线出版日期：2021-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：100-107