数据驱动的小学语文句式测评工具研究r——以三余阅读APP为依托

来源 :现代教育技术 | 被引量 : 0次 | 上传用户:zhangwansheng123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着大数据和人工智能等技术的快速发展,数据驱动的学习诊断与能力测评成为教育领域的研究热点.针对小学生句式测评忽视阅读、写作等实际运用场景的现状,文章以自然语言理解技术中的句式语料库构建和句式自动识别算法为技术基础,设计了数据驱动的小学语文句式测评工具.之后,文章以三余阅读APP为依托,实现了此工具的数据采集、智能分析与诊断、结果可视化呈现等三大功能.最后,文章通过算法实验验证了此工具对句式的识别基本达到了预期的效果,并通过可用性调查发现此工具的接受度较高.文章设计的数据驱动的小学语文句式测评工具可对小学生的语文句式掌握情况进行智能测评,不仅弥补了低频次、规范化测试的缺陷,而且为语文知识与能力的动态、持续测评提供了理论和实践支持.
其他文献
新兴信息技术促进教育高质量发展将成为未来技术与教育融合发展的重要趋势.文章在对技术促进教育高质量发展的政策背景进行分析的基础上,进一步梳理了当前教育技术领域中的主要研究议题及其所呈现的研究趋势,如“教学模式:从混合式教学到融合式教学”“教学场景:从虚拟现实到元宇宙”“教育评价:从数据评价到数智评价”“教育治理:从科层管理到技术治理”.在此基础上,文章介绍了《现代教育技术》杂志2022年的选题方向,以期从选题的角度为《现代教育技术》杂志的作者提供学术研究和论文写作方面的参考,希望与教育技术领域的各位专家学者
文章针对在线教育环境中学习者监管缺失、教学反馈滞后等问题,构建了包含课后实时答题、头部姿态估计、表情识别的三维课堂参与度信息融合框架.为验证此框架的有效性,文章通过比较框架对学习者给出的课堂参与度评分与其填写的NSSE-China问卷评分求取绝对误差之和,并进行参与度前提与两者间绝对误差之和的多次对比实验,结果表明:参与度前提与两者间绝对误差之和存在强烈的负相关性,说明此框架有效.研究基于深度学习的学习者在线课堂参与度,有助于提高在线教育的课堂教学质量,并助力现代化信息教育的发展.
在教育信息化2.0时代,智能技术已成为影响教学变革的关键因素.在此背景下,文章基于对智能技术赋能未来课堂的构想,设计了包含四大中心、六大内核技术、五大服务和三大应用场景的智能技术赋能未来课堂的系统方案.之后,文章进一步从制定国家技术标准、优化企业技术研发、深化师生技术应用三个方面,探索了智能技术赋能未来课堂系统方案的推进路径.文章在新的时代背景下探索未来课堂的升级发展,有助于推动课堂教学方式革新和人才培养模式变革,培育适应未来社会发展的创新型人才.
在线虚拟仿真实验教学项目的建设,能在一定程度上弥补传统实验教学的不足.文章通过问卷调查和多元主体访谈,重点分析了当前高校开展在线虚拟仿真实验教学的基本问题与趋势,发现:高校虚拟仿真实验教学面临四个基本问题,即“核心问题”是探索技术与教学的融合机制、“科学问题”是加强虚拟现实基础技术与应用基础研究、“基础问题”是明确实验教学项目建设的评价标准、“发展问题”是建立社会与产业的支撑机制;未来,虚拟仿真实验教学的发展需关注线上线下融合以拓展实验教学场景、促进技术发展以提升虚拟实验的可信度和效度、全方位且多层次变革
中国两岸四地的教育具备一定的典型性,深入分析该地区的教育特点具有重要意义.文章采用认知诊断测评方法,将数学抽象、逻辑推理、数学建模、直观想象、数学运算、数据分析等六大数学核心素养作为认知诊断测评的属性,并以上海、香港、澳门和台湾两岸四地学生参与PISA 2012数学测试的相关数据为研究对象,选取LCDM模型对测试数据进行评估.通过对测试数据的分析和挖掘,文章梳理了两岸四地学生的数学核心素养掌握情况,并得出了两岸四地学生的数学核心素养学习路径.在此基础上,文章从数学核心素养提升、学习路径选择、“讲好中国数学
文章首先阐述了学业负担的概念,然后论述了学业负担监测指标研究现状,包括政策层面的负担指标、理论层面的负担指标、实践层面的负担指标,最后对公众视野下小学生学业负担监测关键指标进行了调查分析.
为了提高小学语文教学成效,文章首先论述了小学语文积累教学中存在的问题,然后提出了小学语文积累教学中存在问题的应对策略,包括坚持日常性、挖掘价值性、增强针对性、突出应用性、提升实效性、统筹全面性.
学业预测工作一直是教育界的研究热点,而现有的学业预测存在数据来源单一、预测精度提升有限的问题.基于此,文章利用卷积神经网络(Convolutional Neural Networks,CNN)在空间特征提取和长短期记忆神经网络(Long Short-Term Memory,LSTM)在时序特征提取方面的优势,构建了一种融合CNN与LSTM的CNN_LSTM混合神经网络模型.之后,文章进行了不同类型特征组合实验和不同模型对比实验,实验结果表明:全部特征组合进行学业预测的精度优于所有的部分特征组合,CNN_L
技术发展引发了社会巨变,然而技术对学校教育的影响却比较缓慢且争议颇多.文章从技术角度出发,首先分析了技术的定义及其发展对教育领域的冲击,说明技术对教育具有必然的显性化影响.之后,文章探讨了技术对教育的复杂性影响,指出教育具有复杂性、技术的价值和技术的教育价值具有多重体现,且频繁出现的新技术让教育领域应接不暇.最后,文章借鉴系统理论和创新扩散理论,构建了技术对教育影响的系统性剖析框架,并从组成要素、社会环境、层级与阶段、影响结果、传播通道等五个维度对此框架进行了阐释.技术对教育影响的系统性剖析框架的提出,有
当前的教学评测普遍关注学生的认知能力,而忽视了非认知能力对学习成功的影响.为此,文章通过在学习数据中挖掘学生的非认知能力特征,将恒毅力、自制力、投入度、后设认知自我调整力、自我感知度、学习动机等六大非认知能力作为预测学习成功的指标,并根据学习数据构建学生画像.文章以“学在浙大”在线学习平台的“汉语”课程为例来评测学生的非认知能力,通过设计非认知能力的27个二级指标,采用主成分分析法、K-means分群算法和六点雷达图,可视化呈现了四类学生画像.学生画像不仅呈现了各学生群体的能力特性,还挖掘出了跨群体间的共