期刊文章详细信息
混合学习环境下学习者的在线自我调节学习潜在剖面分析及行为过程挖掘
Latent Profile Analysis and Behavioral Process Mining of Learners'Online Self-regulated Learning in Blended Learning Environment
文献类型:期刊文章
DENG Guomin;XU Xinfei;ZHU Yonghai(School of Education Science,Guiyang University,Guiyang Guizhou 550005;School of Education,Guizhou Normal University,Guiyang Guizhou 550025;School of Elementary Education,Capital Normal University,Beijing 100048)
机构地区:[1]贵阳学院教育科学学院,贵州贵阳550005 [2]贵州师范大学教育学院,贵州贵阳550025 [3]首都师范大学初等教育学院,北京100048
基 金:贵州省2017年度本科教学内容和课程体系改革项目“本科师范专业‘教育学’公共课混合教学改革研究”(项目编号:2017520081);教育部人文社会科学研究2019年度一般项目“基于学术社交网络的高校科研影响力计量评价研究”(项目编号:19YJA880005)。
年 份:2021
卷 号:42
期 号:1
起止页码:80-86
语 种:中文
收录情况:BDHX、BDHX2020、CSSCI、CSSCI2021_2022、NSSD、RCCSE、RWSKHX、核心刊
摘 要:混合学习强调线下课堂教学和线上自主学习的混合以实现优势互补,其中学习者的在线自我调节学习能力显得异常重要。文章旨在揭示学习者的在线自我调节学习能力存在哪些潜在类别,不同类别学习者是否具有不同的在线自我调节学习行为过程模型,以及这对于在线自我调节学习环境的设计有何启示。研究首先对239名学习者的在线自我调节学习能力进行测评,然后使用潜在剖面分析方法对测评数据进行分析,发现样本学习者可以分为高、中、低三种不同水平的自我调节学习剖面类别。然后分别对三种类别学习者的在线自我调节学习行为数据进行过程挖掘,研究发现:(1)学习者的自我调节学习能力更多体现在执行阶段的行为上;(2)中高水平自我调节学习者的在线学习行为表现出更强的认知和元认知策略;(3)高水平自我调节学习者体现出更有效的时间管理策略与更强的整体规划能力。因此,在线自我调节学习环境需要引入自适应支持机制,为学习者提供适应性的过程和策略支持。
关 键 词:混合学习 自我调节学习 在线自我调节学习环境 潜在剖面分析 过程挖掘 自适应学习
分 类 号:G434]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...