定 價：59 元
叢書名：“十三五”江蘇省高等學校重點教材 江蘇師范大學教育技術(shù)學省品牌專業(yè)資助
- 作者：張琪編著
- 出版時間：2018/12/1
- ISBN：9787030599773
- 出 版 社：科學出版社
- 中圖法分類：G791
- 頁碼：240
- 紙張：
- 版次：31
- 開本：16
“互聯(lián)網(wǎng)+”時代，技術(shù)支撐的教與學日益常態(tài)化，人類的認知規(guī)律、教學的交互規(guī)律及知識生產(chǎn)和進化規(guī)律正發(fā)生重要的變化。對過程性學習數(shù)據(jù)進行評價、發(fā)現(xiàn)學習者行為習慣的規(guī)律、預(yù)測學習者反應(yīng)及提供及時反饋的學習分析日益受到重視。學習分析的“引人入勝”之處在于能夠?qū)逃袨檫M行更直接的干預(yù)。與此同時，學習分析又依賴對學習現(xiàn)象本身的深入理解，而不只強調(diào)分析手段在技術(shù)上的先進性和數(shù)據(jù)量的大小。學習分析的出現(xiàn)，為認識教育教學規(guī)律、探究個性化教學提供了全新的研究范式。全書共5章，前兩章分別介紹學習分析的概念、本質(zhì)、相關(guān)模型與**進展；第3章討論學習分析的關(guān)鍵技術(shù)與應(yīng)用；第4章介紹學習者畫像、個性化推薦系統(tǒng)與學習分析工具；第5章討論學習分析工具的綜合設(shè)計。
更多科學出版社服務(wù)，請掃碼獲取。
目錄
前言
第1章 學習分析概述 1
1.1 學習準備 2
1.1.1 學習分析體驗 2
1.1.2 學習過程的數(shù)據(jù)化 3
1.1.3 量化自我與量化學習 4
1.1.4 教育數(shù)據(jù)挖掘與學習分析 6
1.2 學習分析的概念和內(nèi)涵 7
1.2.1 學習分析的定義 7
1.2.2 學習分析的特征 9
1.2.3 學習分析的應(yīng)用 10
1.3 學習分析產(chǎn)生的時代背景 15
1.3.1 智慧教育時代的應(yīng)然訴求 15
1.3.2 數(shù)據(jù)科學方法在教育領(lǐng)域的彰顯 16
1.3.3 網(wǎng)絡(luò)學習空間建設(shè)的基本要求 16
1.3.4 實施個性化教學的助推力量 17
1.4 學習分析與教育教學變革 17
1.4.1 從教育過程不同層面的視角 18
1.4.2 從教學結(jié)構(gòu)的視角 19
1.5 學習分析的現(xiàn)狀與趨勢 22
1.5.1 學習分析的研究組織與機構(gòu) 22
1.5.2 從學習分析技術(shù)到學習分析學 24
第2章 學習分析的本質(zhì)與模型 27
2.1 學習分析的本質(zhì) 28
2.1.1 數(shù)據(jù)、信息與知識 28
2.1.2 信息熵與世界的不確定性 30
2.1.3 數(shù)據(jù)驅(qū)動范式 32
2.1.4 教育人工智能 38
2.1.5 數(shù)據(jù)驅(qū)動教學 42
2.1.6 學習分析的研究 43
2.2 學習分析的理論基礎(chǔ) 47
2.2.1 數(shù)據(jù)科學為數(shù)據(jù)價值分析提供學科指導(dǎo) 47
2.2.2 教育神經(jīng)科學為多模態(tài)分析提供生物學依據(jù) 48
2.2.3 量化學習為精準刻畫學習者提供技術(shù)支撐 48
2.2.4 聯(lián)通主義學習觀為靈活學習提供理論指南 49
2.3 學習分析模型 50
2.3.1 學習分析模型的演進 50
2.3.2 學習分析的過程模型和生命周期模型 51
2.3.3 學習分析的框架模型 53
2.4 學習分析研究新進展：多模態(tài)學習分析 57
2.4.1 眼動分析技術(shù) 57
2.4.2 多模態(tài)整合分析 60
第3章 教育數(shù)據(jù)挖掘 67
3.1 數(shù)據(jù)采集 68
3.1.1 數(shù)據(jù)采集的概念 68
3.1.2 數(shù)據(jù)的分類 68
3.1.3 數(shù)據(jù)采集技術(shù) 70
3.2 數(shù)據(jù)預(yù)處理 81
3.2.1 教育數(shù)據(jù)挖掘概述 81
3.2.2 數(shù)據(jù)預(yù)處理內(nèi)容 83
3.2.3 數(shù)據(jù)清洗 84
3.2.4 數(shù)據(jù)集成 87
3.2.5 數(shù)據(jù)歸約 88
3.2.6 數(shù)據(jù)變換 88
3.3 關(guān)聯(lián)規(guī)則 90
3.3.1 關(guān)聯(lián)規(guī)則概述 90
3.3.2 Apriori算法 92
3.3.3 FP-Growth算法 94
3.4 回歸 96
3.4.1 回歸分析概述 97
3.4.2 一元線性回歸 97
3.4.3 多元線性回歸 100
3.5 分類 102
3.5.1 分類概述 103
3.5.2 KNN算法 103
3.5.3 決策樹算法 105
3.6 聚類 109
3.6.1 聚類概述 110
3.6.2 K-means聚類算法 112
3.6.3 層次聚類算法 114
3.7 離群點診斷 116
3.7.1 離群點概述 116
3.7.2 基于統(tǒng)計的離群點診斷 117
3.7.3 基于距離的離群點診斷 120
3.8 時間序列 122
3.8.1 時間序列概述 122
3.8.2 ARMA模型 123
3.8.3 ARIMA模型 127
第4章 學習者畫像與應(yīng)用 134
4.1 學習者畫像的本質(zhì) 135
4.1.1 學習者畫像的概念 135
4.1.2 學習者畫像的表征 135
4.2 學習者畫像的類型 136
4.2.1 知識狀態(tài)建模 137
4.2.2 學習風格建模 141
4.2.3 學習行為建模 142
4.2.4 學習認知建模 143
4.2.5 學習情感建模 145
4.2.6 其他建模形式 148
4.2.7 學習者綜合建模 149
4.3 個性化推薦系統(tǒng) 151
4.3.1 協(xié)同過濾推薦 152
4.3.2 基于內(nèi)容的推薦 152
4.3.3 混合推薦 154
4.3.4 學習路徑的推薦 154
4.4 信息設(shè)計 155
4.4.1 數(shù)據(jù)可視化 155
4.4.2 學習狀態(tài)可視化 162
4.4.3 基于隱喻的界面設(shè)計 165
4.5 學習分析工具概述 166
4.5.1 學習儀表盤 166
4.5.2 學習路徑規(guī)劃 173
4.5.3 個性化推薦 176
4.5.4 學習診斷與預(yù)警 177
4.5.5 自適應(yīng)學習系統(tǒng) 179
第5章 學習分析工具設(shè)計 185
5.1 從“沃森”看學習分析的設(shè)計 186
5.1.1 何謂“沃森” 186
5.1.2 “沃森”如何被運用到學習分析領(lǐng)域 187
5.1.3 “沃森”如何實現(xiàn)與學生的學習互動分析 188
5.2 學習分析工具的設(shè)計流程 190
5.2.1 學習者建模與課程分析 190
5.2.2 學習行為分析 195
5.2.3 結(jié)構(gòu)發(fā)現(xiàn)與關(guān)系挖掘 198
5.2.4 趨勢分析 201
5.2.5 監(jiān)督與控制 205
5.2.6 預(yù)警與干預(yù) 207
5.2.7 適應(yīng)性學習 210
5.3 學習行為投入可視化分析工具設(shè)計 212
5.3.1 在線學習行為投入理論模型 213
5.3.2 在線學習行為投入周期反饋循環(huán)框架 214
5.3.3 在線學習行為投入評測框架的實證研究 217
5.3.4 框架指標對學習結(jié)果的預(yù)測分析 219
5.3.5 學習行為投入度計算 221
5.3.6 儀表盤信息界面設(shè)計 222
5.3.7 實證研究與討論 225
參考文獻 230
書單推薦
