多模态数据赋能精准教研：情境、路径与解释

被引：21

作者：

王超 ^{[1
]}

顾小清 ^{[1
]}

郑隆威 ^{[2
]}

机构：

[1] 华东师范大学教育信息技术学系

[2] 华东师范大学上海智能教育研究院

来源：

电化教育研究 | 2021年 / 42卷 / 11期

关键词：

教育研究; 精准教研; 智能课堂; 多模态数据; 关系挖掘; 数据解释;

D O I：

10.13811/j.cnki.eer.2021.11.016

中图分类号：

G434 [计算机化教学];

学科分类号：

040110 ;

摘要：

多模态教学数据驱动的精准教研具备精准化、个性化特征,符合新时代教育研究的发展要求,因缺乏有效的技术支持、规范的顶层设计和数据解释框架而难以真正落地。文章依托智能课堂中丰富的智能技术和多模态行为数据作为破解精准教研难题的创新途径,首先综合证据资源、关系挖掘、数据报告等维度构建适应智能课堂教学环境的精准教研模式,同时从数据获取手段、数据样态、关键技术等方面搭建精准教研逻辑实现框架,为细致准确地定位教学问题与规律提供了顶层指导。然后,整合和解释数据以透视行为背后蕴含的教学意义,形成数据解释框架。文章最后指出,精准教研若要实现智慧干预与决策,除在数据阶段确保"精"与"准"之外,还需在教学干预设计、教学改进策略上做到准确无误。

引用

页码：114 / 120

页数：7

共 38 条

[1]

Going beyond what is visible: What multichannel data can reveal about interaction in the context of collaborative learning?.[J].Jonna Malmberg;Sanna Järvelä;Jukka Holappa;Eetu Haataja;Xiaohua Huang;Antti Siipo.Computers in Human Behavior.2019,

[2]

An eye-tracking study of cueing effects in multimedia learning.[J].Eric Jamet.Computers in Human Behavior.2014,

[3]

Assessing the effectiveness of new devices for accessing learning materials: An empirical analysis based on eye tracking and learner subjective perception.[J].Ana I. Molina;Miguel A. Redondo;Carmen Lacave;Manuel Ortega.Computers in Human Behavior.2014,

[4] The Faces of Engagement: Automatic Recognition of Student Engagement from Facial Expressions [J].