登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 外文翻译 > 管理学类 > 信息管理与信息系统 > 正文

校园贷款用户信用评级系统的设计与实现外文翻译资料

 2022-07-25 13:23:18  

英语原文共 9 页,剩余内容已隐藏,支付完成后下载完整资料


大型开放式网络学习:

有动力且自我约束型的学习

摘要:大量开放的在线课程(MOOCs)要求个人简单的自我调节自己的学习,确定他们的参与时间和方式。然而,MOOC学习者的不同范围,各有不同的动机和以前的经验。本研究调查了自我约束学习(SRL)学习者在MOOC中的应用,特别是关注学习者对MOOC的动机影响他们对SRL策略的行为和使用的影响。通过对788 MOOC参与者的学习行为进行定量调查,对32位学习者进行了后续访谈.Testudy比较了具有自我报告的高和低SRL评分的学习者之间行为的描述描述。在五个子过程中,这两个组之间的自我描述的学习行为之间发现了巨大的差异检查。发现学习者的动机和目标体现了他们如何概念化MOOC的目的,从而影响了他们对学习过程的看法。

1、介绍

大型开放在线网络课程吸引了大量关注,是来自于他们提供学习的机会和他们作为重塑学习机会和高等教育模式改变的传播者的角色。大型开放在线网络课程的支持者强调了他们的开放和规模,这使得学习者不受限于经验和资格的限制,不需要花费大量的金钱去参加课程。往往一些在大学中提供的课程是需要大量的费用的。然而,人们渐渐发现,大型开放式网络学习并没有像之前说的那样,具有深远的意义,在教育中具有立竿见影的效果。

研究还没有充分了解在开放式网络学习的学习和学生学习的特点,或者说研究开放式网络学习可以支持的知识生产和学习的新方法。 大量的研究已经集中在可以被轻松量化的方面,例如进度,保留和完成率。这些措施作为学习代理的失业没有充分考虑到MOOC的独特结构,新形式的学习机会,他们促进或参与MOOC的学习者的多样性。 我们还需要更多的研究,其重点是MOOC中学习和学习者的独特性质,并考察他们可以支持的知识生产和学习的新方法。

大型开放式网络学习的开放性,允许任何人入学,导致学习者之间的动机和期望的多样性。预期的多样性,加上学习者的背景和以往经验,导致了MOOC参与者之间广泛的学习行为,技能和能力.MOCO现在以基于平台的学习方式为主,通常涉及最小的直接交互讲师和学习者之间。这使我们在个人学习者身上创造和导航自己的学习之旅。为了做到这一点,个人必须自我调节自己的学习,这就要求他们监督和调整关于他们的具体学习环境的行为。在MOOC中,个人必须确定何时,如何以及所涉及的内容和活动。研究表明,学习者能够更好地自我调节自己的学习正式或非正式的设置,在线设置中采用更有效的学习方法。初步研究自我调节学习在支持MOOC中的学习中发挥的作用,已经确定了影响学习的一系列认知,情感和行为因素。研究进一步表明,学习者的语境和当前的角色影响了他们在MOOC中自我调节学习的能力。

本研究详细探讨了华盛顿大学通过Coursera MOOC平台提供的“数据科学导论”MOOC中学习者如何自我调节自己的学习。 MOOC从197个国家吸引了5万人参加。这项研究是由研究问题“学习者在MOOC中应用的自我调节学习策略”所构成的,并探讨了自我调节的学习策略如何在衡量SRL的学生中得分低低的学习者之间有所不同。这项研究特别侧重于采用这两个团体之间的MOOC的动机的变化,以及如何塑造其行为和对SRL策略的使用。本文首先回顾了在线设置中关于SRL的文献,以及这些文献如何相关具体到MOOCs。文献综述之后是讨论研究问题的方法。然后介绍和讨论数据分析过程和发现。本文总结了主要发现,并反映了研究的局限性以及未来研究的潜在方向。

2、背景

现在已经提出了关于大型开放式网络学习的特点的问题,包括免费注册,开放获取学习,大型开放网络学习是一个不仅具有不同背景,而且广泛的入学动机的大型和多样化的学习者机构,以及没有一个单一的所有学生在课程之后的线性学习进程正在塑造学习处理。 Breslow et al.等人敦促研究人员利用大量的大型网络开放式课程产生的数据来更详细地确定什么有助于和约束学生的学习。跟踪这种开放式网络学习课程个人参与频率和方面的能力使研究能够根据与功能的交互模式对学习者进行分类。对学习者行为的大部分研究都侧重于完成率,目前的估计值低于百分之十。研究已经研究了参与者的教育背景,性别和地理位置对持续参与课程的作用,而进一步的研究调查了学习者参与在线讨论论坛的性质与完成率之间的联系。

这些关于进展,保留和MOOC完成率作为学习指标的研究的重点已经能够理解整个MOOC队列,但对个体的行为和学习几乎没有洞察力。 此外,使用完成率作为学习成功的代理在MOOC背景下是有问题的。 与传统的HE课程不同,学习者的期望大部分是标准化的,MOOC中的学习者的多样性导致了参与的动机,并可能导致不同的参与程度。 要了解MOOC中的学习,有必要超越完成者之间的人为二进制区分,代表那些已经学习的人,非完成者,没有学习的人,更全面地调查动机和驱动因素,包括上下文,认知和行为因素 ,这正在影响学习者的行为和行为。

对大型开放式网络学习的调查还必须考虑到网络学习的非正式性质,使学习者能够参与不遵循预先确定的顺序进度的非线性学习轨迹。 四个MOOC的学习者行为分析确定,证书收入者平均只观看78%的学习顺序,完全跳过了22%,导航从评估到讲座的回溯更常见而不是讲课讲座。 这种自我定义的导航与教师和学习者之间缺乏互动需要个人自我调节自己的学习,确定何时,如何以及所涉及的内容和活动。

在正规的离线教育环境中首先研究的自我调节学习是指自我创造的想法,感觉和行动,被计划和循环地适应于实现个人目标。确定了自我调节学习的三个阶段,预想,表现和自我反省以及与每个阶段相关的一些子过程。自我调节并不固定。 自我调节自我调节能力是由个人心理因素和情境环境因素调节的。自我调节与正式,离线学习环境中的学术成果正相关,越来越多的研究调查了SRL在在线学习环境的角色。

在网络环境中学习的研究已经确定了自我调节学习行为与学业成绩之间的正相关性。 进一步的研究侧重于在线学习环境中映射SRL子流程。 程和洲在电子投资组合的研究中,确定了五个子过程,与分析,组织,批判性思维,元认知自律和同伴学习有关。 另一项研究集中在MOOC的自我调节学习中,确定了四个SRL子过程,其中表现出高低自我调节的人之间的差异 - 目标设定,自我效能感,学习和任务策略以及求助策略。 在MOOC中对自我调节学习的进一步研究发现,不同背景和专业角色的学习者之间的自我调节学习行为存在显着差异。

这项研究构建了以前在非正式和在线环境中对自我调节学习的研究,以调查学习者在MOOC中使用的SRL子过程,并探讨不同的学习兴趣如何影响自我调节的学习行为。 自我调节的学习框架有助于创建一个关于MOOC中个人学习行为和行为的上下文丰富的记录。 它提供了对MOOC中发生的学习的性质的了解,以及个人如何解释他们的学习与他们的“现实生活”或离线情境相关的证据。

3、方法论

这项研究成为研究788名参与者在“数据科学导论”MOOC中的学习行为和行为的较大研究的一部分华盛顿大学提供了Coursera平台。定量数据通过在课程留言板上发布的调查收集。 该调查是一种经过修订的经过修订的版本,用于在非正式学习环境中测量成人学习者的SRL和SRL子过程。 调查工具可在。 从调查生成的数据可以为每个参与者开发一个SRL概要文件。 配置文件包括总体SRL评分以及八个SRL子过程的单独分数。完成调查并确定为数据专业人员的参加者被邀请参加半结构化访谈。 设计了一种半结构化面试工具,用于针对齐默尔曼(Zimmerman)确定的全部SRL子流程进行了一系列研究。 这些问题被调整为适合本研究的背景,并确保它们与参与者的MOOC经验直接相关。来自16个国家的32位参与者通过Skype进行访谈。所有采访都被逐字记录和转录。

结合定量数据分析面试记录,以探讨参与者如何自我调节与每个子过程相关的行为。数据在三个连续的轮次中进行了分析,八个SRL子过程作为初始编码框架运行。首先,32位成绩单中的每一个由两位研究人员独立编码。两名研究人员之间的编码差异较小,并在第二轮分析开始之前得到解决。第二,参与者被分配了与其整体SRL分数相对应的等级(1到32),其通过将39个项目中的每一个添加回答来计算,最小可能得分为39,最大得分为195。在开展自我调节的学习行为方面开发更强大的理解,在整体排名方面,参与者也被列在表1中报告的八个SRL子过程中的每一个。总体SRL得分被用作指导。在八个因素之间进行的Pearson相关分析确定了八个子因子和总分之间的强相关性,表明构建体形成了一个连贯的群体。

在第三轮分析中,对参与者的SRL分数进行了成绩单的分析,以了解在具有较高和较低SRL评分的参与者的访谈中是否存在任何明显的差异。 分析确定了具有较高整体SRL评分的参与者之间的许多子过程中学习行为和行为的差异,以及总体SRL评分较低的参与者,其中146个代表样本参与者的中位数。 第四轮分析分别检查了8个子过程中每一个的高SRL组和低SRL组的数据,以确定每组中的紧急行为模式。 分析确定了五个子过程 - 动机和目标设定,自我效能,任务策略,任务兴趣和价值,自我满足度和评估的行为差异。

3.1结构定义

面试数据分析揭示了具有较高整体SRL评分的学习者与五个子过程中总体SRL评分较低的学习者之间的明确模式 - 动机和目标设定,自我效能感,任务策略,任务兴趣和价值,以及组合 自我满足和评价。 分析数据,以确定与五个子过程中的每一个相关的学习者行为和行为的关键主题。 然后进一步分析数据,以确定每个主题的参与者的数量或行为是否在每个特定子过程的整体SRL分数及其得分上是否存在可辨别的差异。 下面将讨论五个子因素和紧急主题。

动机和目标设定是指学习者的动机和理由,以及学习和成就的目的来自于MOOC的开始.Zimmerman建议动机和学习是相互依存的过程,个人参与 更高的自律在他们的学习方式上更积极主动。 本研究参与者的主要动机是:与工作相关; 对于专业发展,拓展技能; 学习的乐趣; 支持职业发展。目标出现四大类:一般学习与发展; 发展具体知道如何; 实现认证; 并完成所有的任务。

自我效能是指个人对参与和完成MOOC提供的学习活动的能力有信心的程度,以及在学习变得具有挑战性时坚持的能力。 学习者的自我效能塑造了他们的动机和他们采用与特定学习背景或活动相关的特定学习策略,意味着自我效能结合了个人和社会认知组件。 本研究的自我效能与个人对学习能力的信心有关,对学习现状的信心,以及学习者在学习活动中的决心和纪律方面的信心。

任务策略包括学习者计划学习的能力,以及识别和采用学习方法,使学习者能够学习。它还融合了学习者在整个学习过程中调整策略和计划的能力。 数据有选择性地学习; 进行背景阅读; 与其他材料接触以补充MOOC; 记录笔记,并创建MOOC内容的个人记录; 观看讲座并进行测验和任务; 开展实践活动,巩固学习能力;从作业中倒退。

任务兴趣价值是指学习者对MOOC对他们有价值的看法。 Pintrich,Smith,Garcia和McKeachie(1991)认为,与目标导向不同的是,与学习者参与学习任务的动机密切相关,并且经常遵循与目标导向相关的内在价值和外在目的之间的相同区别, 任务价值是指个人对任务重要性和趣味性的评价。 学习者认为MOOC的任务利益价值与其工作有关,支持其职业发展的潜力,对该课题的普遍兴趣,实际学习规定以及现实世界范例的规定, 并进行一般知识的增强。

自我满足和评估结合了Zimmerman的SRL子流程,从自我反思阶段。评估是指个人对学习行为的认识,以及他们将自己观察到的表现与某些标准相比较的方式,例如他们以前的表现,另一个人的表现或绝对的表现水平。自我满足包括学习者的满意度他们的表现和进展达到他们的目标。参与者采用了一些自我评估策略:评估自己的知识;通过完成练习和任务来评估知识;在工作中应用知识和技能的能力;认识他们如何学习最好;在课程中对自己进行评估;评估他们坚持的能力;并且不确定如何衡量自己的学习。

4、发现和讨论

本部分介绍了与MOOC数据科学导论中参与者访谈的数据分析。 下面介绍和讨论与这五个子过程相关的数据,特别注意探索具有较高SRL分数的学习者与低SRL分数的学习者之间的差异。

4.1 动机和目标设置

在这项研究中,12位参与者具有较高的SRL分数,讨论了他们在职业发展方面的动机,以及MOOC如何为其职业角色和工作环境做出贡献。 他们的目标主要集中在提高他们的技能,并获得数据科学的一般内容知识,以支持他们在当前和未来的实践。 相比之下,只有两个具有较高SRL分数的学习者在完成课程或作业中的成就时设定了目标。 作为一名参与者(第673名,SRL排名第5,动机为8名)说明:

主要目标是成为一个更好的数据分析师,并得到我的介绍,并获得数据科学所需的概念,特别是关于构建MapReduce程序和Python程序的数据科学

这个报价中强调的学习目标和目标的特异性是高度自我监管者的共同特征。与其他14位学习者相比,其中十名学生与SRL评分较低的学员进行了比较,讨论了他们在学习具体技能和内容知识方面的动机,将专业知识与特定课程与专业角色和背景联系起来。

相比之下,低自我调节者倾向于以更抽象的方式讨论他们的学习。

与其他七位学习者相比,其中只有一名较高的学习者,他们讨论了他们对学习兴趣和好奇心学习新事物的动机,以及他们更广泛地扩大知识的愿望。虽然他们的动机不太具体,但他们的目标与具体和外在的措施有关。与SRL两名参赛者相比,6名低SRL成绩的参赛者在完成所有任务并获得完成证明的同时完成了目标。一名参赛者(495名,SRL排名28,动机28名)描述了他们的目标:

“我的目​​标是获得完成证书。我的目标是获得一个通过的成绩,并得到一个通过的差异等级从课堂上我从一开始非常认真的课程,我计划观看所有的视频,并通过所有的任务,至少我有所有的义务任务。”

文献支持高低自我监管者之间的这种差异化和目标导向。齐默尔曼(Zimmerman,2000a)认为,高度自我监管者更

全文共13512字,剩余内容已隐藏,支付完成后下载完整资料


资料编号:[145043],资料为PDF文档或Word文档,PDF文档可免费转换为Word

您需要先支付 20元 才能查看全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图