在线学习环境下高校教师教学决策制定与实施

摘要

针对教师难以有效利用教育大数据实施差异化教学决策的问题，研究了基于学生学习行为数据的差异化教学决策制定与实施方法。首先，构建能充分描述学生学习行为的输入指标集，并在网课教学过程中采集每位学生的学习行为数据，基于采集到的学习行为数据，以人工方式定期评估学生的在线学习效果。然后，利用其作为训练样本训练卷积神经网络，并使其逼近学生行为数据与评估结果间的映射关系，训练好的网络即可依据学生学习行为自动给出差异化的评估结果，教师依据每位学生的评估结果，结合教师的教学经验，即可形成面向不同学生的差异化干预策略。最后，考察干预策略的实施效果，并对干预策略实施修正。实证研究结果证明，相对传统教学决策方法，基于在线学习行为数据的教学决策方法在提升学生学习成绩方面更具显著性，表明基于学生学习行为数据实施差异化教学决策的方案是有效、可行的。该研究可为教师分析学习行为数据、调整相应教学决策提供支撑。

关键词

数据驱动 / 教学决策 / 差异化决策 / 卷积神经网络