学习者分析

摘要： 教学设计的科学化水平和精准化程度是影响教学质量的重要因素,会对教学实践起到指导与规划作用。数据驱动下的教学设计,其学习者分析具有两面性:一方面,教师能准确定位学习起点、科学判断学习风格、理性慎思学习需要,彰显数据驱动教学设计的价值;另一方面,师生主体混乱、学习动机难剖析、高阶思维难发展等,又是其不可避免的局限。教师在数据驱动下进行教学设计时,应该理性认识和防范其所存在的限度,并以高阶性的深度学习为基本要求,以准确性的学情分析为内在保障,以主体性的学习通道为主要手段,提升教学设计的适应性和有效性。

摘要： 教学目标:1.通过学习《阿里郎》,培养学生对不同民族音乐的喜爱之情;2.欣赏与体验中感受朝鲜民歌的特点,使学生能够用圆润的声音和优美的抒情的情绪演唱《阿里郎》生动形象表现歌曲内容;3.学唱《阿里郎》掌握其独特的节拍节奏特点。感受朝鲜民族歌曲的特点。学习者分析:《阿里郎》是朝鲜具有代表性的民歌,以螺旋式升降的旋律,3/4拍,具有鲜明的长短节奏的特点,全曲有上、下两个乐句组成并变化重复。

摘要： 教学活动首先要分析学习者的情况,随着计算机技术的飞速发展,成人教育的学习者情况变化较大.本文对成人高校的学习者进行了分析,并在此基础上探究了计算机基础教学改革的内容与措施.

摘要： 《普通高中化学课程标准(2017年版2020年修订)》(以下简称“高中课标”)指出,教师要“整体规划和科学设计单元和课时教学目标”,开展单元教学实践。因此,围绕“学科大概念”展开课程和教学设计成为当前教育界的又一热点。教师在教学中如何使用新版教材以体现高中课标的内涵?我们在“物质的分离与提纯”教学单元中,通过高中课标、教材及学习者分析,制订了单元进阶目标,明确了课时教学目标,通过递进的三个阶段教学的实施,突破了学生的学习难点,完善了物质分离与提纯的认知模型,从而实现深度教学,为高中化学单元教学提供了范例。

摘要： 基于专业课实践性教学的重要性,通过对成人继续教育的学习者特征分析,指出了理实一体化课程教学设计在成人继续教育过程中对于专业课程学习的有效性与重要性,并研究设计了基于多种方式相结合的理实一体化课程教学体系,为成人继续教育的专业课程教学设计提出了新的思路.

摘要： 教学目标:1.复习上节课所学的难读易错的生字、词语以及《水调歌头·明月几时有》这首词。2.理解课文内容,掌握“文包词”文中有词,词中有文的特点,领路词的意境。3.精读课文,体会苏轼中秋佳节时对亲人的思亲之情,以及他豁达豪放的精神个性和乐观向上的情怀。4.初步感受中华古典诗词的魅力,让学生对古诗词产生浓厚的学习兴趣。学习者分析:学生之前已学过《咏华山》、《每逢佳节倍思亲》等“文包诗”类型的文章,虽然这是一篇“文包词”,但是与“文包诗”极其相似,所以他们有一定的学习基础,但是由于学生很少经历过离别,对文章中所表现出的思念之情可能无法理解,因此需要教师在课堂上适时点拨,将教学重点放在品读与感悟上,引导学生体会苏轼中秋佳节时对亲人的思亲之情,体会苏轼身上表现出的豁达之情。

摘要： 学习者分析是系统教学必不可少的环节,无论是传统因材施教,还是新课程提倡的以生为本,都离不开学习者分析。学习者分析是制定教学目标的基础,也是设计教学内容的依据,因此教师必须高度重视学习者分析,全面了解学生,关注学生实际需求,从学生实际情况出发,真正提高教学有效性。本文主要探讨了结构化学习设计中的学习者分析在课堂教学活动中发挥的重要性及其深远影响。

摘要： 全面系统的学习者分析是教学设计过程的重要组成,但进行学习者分析需要教师具备一定的专业知识,且过程复杂,教师在进行教学设计过程中往往不会进行完整的教学过程分析.所以有必要开发一个学习者分析辅助工具来辅助教师完成学习者分析工作.通过平台提供的学习者分析模板,教师可以进行全面的学习者分析,系统将根据分析结果自动为教师提供一份教学建议,教师选择合适的教学方案进行教学,从而提高学习的效果与效率.此外,该辅助工具还针对教师对学习者分析了解程度的不同,提供学习版与简化版2种分析模板,使完全不懂学习者分析的教师能够通过工具的使用学会学习者分析,而熟练者则能够迅速便捷地完成学习者分析.

摘要： 本发明公开一种基于课堂场景及学习者视线分析学习者注意力的方法，首先采用图像增强技术对于课堂实时采集图像进行预处理，此后采用背景建模法对授课场景进行分析，提取出课堂场景中可能的感兴趣区域，同时对学生采集图像的颜色特征进行分析，确定学习者面部位置，通过Gabor滤波器获取眼部位置并对其眼动情况分析判定其视线，通过课堂场景中的感兴趣区域位置结合学习者视线判定学习者注意力是否集中。实时性高，可根据学生的眼动情况对课堂中内容进行有效的变换，实时生成对应学习策略。

摘要： 本发明公开了一种基于眼动跟踪的学习者感知能力水平分析方法及装置，方法包括：获取学习者在学习过程中眼动时间数据和眼动频率数据；对所述学习者的学习内容进行拆解，将所述学习内容划分为多个目标场景，并将每个目标场景划分成多个兴趣区；根据所述眼动时间数据、所述眼动频率数据、所述目标场景以及所述兴趣区，确定眼动指标参数；根据所述眼动指标参数计算所述学习者的反应力指标和观察力指标；根据所述反应力指标和所述观察力指标，确定所述学习者的感知能力水平。本发明能够提高学习者感知能力水平的分析准确度，可广泛应用于计算机技术领域。

摘要： 本发明公开了一种基于时间序列的在线学习者认知风格分析方法，包括以下步骤：采集在线学习系统中学习者产生的历史行为数据；从采集的历史行为数据中提取学习者的行为模式，并按照认知风格的不同为每一种行为模式分别预设相应的阈值；将采集的学习者的实时行为数据进行量化并提取行为模式，并根据预设的阈值确定学习者当前认知风格；向学习者推送与学习者当前认知风格相匹配的教学策略。本发明极大地激发了学习者的在线学习兴趣，提高了在线学习效率。

摘要： 本发明公开一种基于课堂场景及学习者视线分析学习者注意力的方法，首先采用图像增强技术对于课堂实时采集图像进行预处理，此后采用背景建模法对授课场景进行分析，提取出课堂场景中可能的感兴趣区域，同时对学生采集图像的颜色特征进行分析，确定学习者面部位置，通过Gabor滤波器获取眼部位置并对其眼动情况分析判定其视线，通过课堂场景中的感兴趣区域位置结合学习者视线判定学习者注意力是否集中。实时性高，可根据学生的眼动情况对课堂中内容进行有效的变换，实时生成对应学习策略。

摘要： 本发明属于数据分析及应用领域，提供一种基于课程教学模型的学习者学习表现分析方法，包括以下步骤：（1）构建课程教学模型；（2）建立学习者学习效果评价计算公式；（3）学习者学习表现分析，对所有全体学习者的拟合多项式函数进行分析，根据函数的变化情况描述学习者的学习表现。本发明方法简便易行，能有效解决现有方法分析精度不高和效率低下等问题。

摘要： 一种分析学习者学习活动的设备和方法及其对应的介质，该设备包括供学习者使用的学习者计算机设备与教学者计算机设备和数据库服务器连接；各台学习者计算机设备接收教学者计算机设备的参数，由学习者计算机设备向学习者提供活动；通过从教学者计算机设备接收的参数决定活动的参数，生成学习者在活动中的成就的数据，并作为数据库条目发送至数据库；服务器处理数据并发送至教学者计算机设备；所述数据用以说明学习者的学习情况；各学习者计算机设备可由多名学习者共享，各学习者可登录到学习者计算机设备中的各自档案。

摘要： 本发明公开了一种基于眼动跟踪的学习者感知能力水平分析方法及装置，方法包括：获取学习者在学习过程中眼动时间数据和眼动频率数据；对所述学习者的学习内容进行拆解，将所述学习内容划分为多个目标场景，并将每个目标场景划分成多个兴趣区；根据所述眼动时间数据、所述眼动频率数据、所述目标场景以及所述兴趣区，确定眼动指标参数；根据所述眼动指标参数计算所述学习者的反应力指标和观察力指标；根据所述反应力指标和所述观察力指标，确定所述学习者的感知能力水平。本发明能够提高学习者感知能力水平的分析准确度，可广泛应用于计算机技术领域。

摘要： 本申请公开了本申请实施例提供的基于因果图神经网络的学习者情感演化分析方法与系统的有益效果为：本申请设计基于“学习者‑活动‑情感”多层级的情感关联语义描述框架，以获取学习者多模态时序数据；基于Z‑Transformer的跨模态时序融合方式，融合所述多模态时序数据；根据融合后的学习者时序数据，构建面向学习者细粒度情感演化的情感结构因果模型；根据所述情感结构因果模型，利用干预变分图自编码器建立情感异质因果图；根据所述情感异质因果图，构建因果图神经网络分析学习者情感演化。本申请能够动态追踪学习者真实情感状态及其趋势，深度剖析学习者情感变化的时空因果关系，实现课堂中学习者情感变化及其溯源规律的深层次揭示，助力于课堂精准施教。

摘要： 本申请公开了一种基于文本主驱动的学习者多模态情感分析方法及装置，本申请提取在线课堂中有学生相关情感信息嵌入的多模态数据；对于文本模态的数据，利用语言表征预训练模型BERT进行特征提取；对于音频和视觉模态的数据，利用LSTM来进行特征提取；利用跨模态注意力机制融合多模态信息，输出多模态特征融合的最终结果；根据最终融合结果进行情感分析。利用对比学习技术促进单模态特征编码质量，维持任务相关的模态数据独特性，保证多模态融合结果充分学习课堂中产生的多种模态数据的独特情感信息，提升在线学习环境中学习者的参与度，从而促进教学质量。

摘要： 本发明涉及一种基于学习者表情的体验分析方法，包括数据采集与初始化、随机生成隐藏层映射函数的输入权重向量与输入偏置、生成隐藏层输出函数、生成隐藏层输出矩阵、初始化输出权重矩阵、更新标签近似矩阵、更新输出权重矩阵、训练停止判断、在线预测体验分数等步骤。本发明具有预测精度高、无需大量学习者体验打分、运算速度快等优点。