"雨课堂"教学模式的"IDCNN+"结构化分析与实证研究
随着"人工智能+"研究思维与方法水准的螺旋式上升,"Neuro+"与教育教学的深度融合水到渠成,并逐渐炉火纯青.于是,改进型深度卷积神经网络(Improved Deep Convolutional Neural Network,IDCNN)方法与教学研究的融合,使得"如何算出每个影响'雨课堂'等智慧教学模式的核心要素及其权重,如何挖掘证实在线教学资源、互动性行为及教学效果之间存在的逻辑关系,如何准确地量化得出'雨课堂'等教学模式的教学效果"等系列问题的解决,成为可能.IDCNN提取互动性行为层面的7类低维度特征数据,进行各指标数值及模型的运算,进而深析并实证在线教学资源、互动性行为、教学效果之间的内在联系和本质规律.实证研究结果表明:1."雨课堂"中每个核心要素及其一级、二级指标权重和教学效果,均可实现数值化;2.在线教学资源、互动性行为及教学效果三者,两两之间,存在弱正比例线性逻辑关系;3.并非所有在线教学资源,都正向影响师生间的互动性行为;也并非所有的互动性行为,均正向决定"雨课堂"的教学效果.它们分别对应着不同系数(正负值)的函数关系.
"雨课堂"教学、影响规律、质量管理、IDCNN、结构化分析、智慧教学、Neuro+
37
G420;C931(教学理论)
国家自然科学基金项目"'双一流'战略下高校教学质量的多层面评价体系研究"70872046;全国高等教育教学改革研究课题"校企深度融合背景下高校教学质量管理和人才培养模式创新"2018HER01067;北京市自然科学基金项目"'两翼'格局下北京主城区人口转移及演变趋势的计算机仿真研究"项目9182002的研究成果
2019-03-19（万方平台首次上网日期，不代表论文的发表时间）
共10页
94-103
