CN109784615A - 一种数字化学习资源应用成效的计算方法 - Google Patents
一种数字化学习资源应用成效的计算方法 Download PDFInfo
- Publication number
- CN109784615A CN109784615A CN201811470329.9A CN201811470329A CN109784615A CN 109784615 A CN109784615 A CN 109784615A CN 201811470329 A CN201811470329 A CN 201811470329A CN 109784615 A CN109784615 A CN 109784615A
- Authority
- CN
- China
- Prior art keywords
- resource
- variable
- level
- score
- website
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种数字化学习资源应用成效的计算方法,该方法设计了不同粒度学习资源的应用成效的影响变量,根据这些影响变量通过分级加权法计算出资源的应用成效。本发明可以根据资源的使用数据计算出不同粒度的学习资源的应用成效,管理人员能够根据资源应用成效值,发现哪些资源是使用较好的,哪些资源使用较少,并进而分析其中的原因,采取有针对性的措施。计算出的应用成效也可以进行二次应用,用于对学习资源排行或学习资源的个性化推荐,将使用效果更好的资源推荐给用户。
Description
技术领域
本发明涉及互联网的教育应用技术领域,具体地说,涉及互联网上的数字化学习资源的应用成效的计算方法。
背景技术
数字化学习资源是一种以数字信号在互联网上进行传输并可以在教学活动中被应用的教育信息,它属于学习对象的一个子集,包括媒体素材、试题、试卷、课件、案例、文献资料、网络课程、常见问题解答和资源目录索引等类型。数字化学习资源的建设一直受到各方面的重视,从国家到各省市甚至学校已经建立了大量规模大小不一的学习资源库,期望能够更好地支持教与学。但目前大多数网络上的学习资源的使用率较低,没有更好地发挥资源在教学和学习上的作用。这相关的影响因素很多,其中一个原因是缺乏一种有效地计算资源应用成效的方法。
学习资源应用成效是学习资源在使用过程和使用结果的反映,对学习资源应用成效的评估应综合考虑应用的过程以及应用的结果,同时考虑支持这些应用的投入和产出的对比。成效的评价将主要基于用户观点和收益观点,以满足用户需求、用户满意、用户有收获为主要出发点。资源平台上的学习资源呈现不同的粒度。美国国防部的先进分布学习组织(ADL:Advanced Distribution Learning Initiative)提出的SCORM 2004标准中的内容聚合模型(Content Aggregation Model,CAM)中,资源内容模型由微单元(ASSET)、共享内容对象(Sharable Content Object,SCO)、活动(activities)、内容组织(contentorganizations)和内容聚合(content aggregations)组成。这些组成部分实质是不同粒度资源的呈现。
近年来,已有一些研究注意到了资源的应用成效,并将其纳入资源质量评价指标体系,但并没有具体关注资源应用成效如何科学、客观的计算,更没有针对不同粒度的资源的应用成效的计算方法。
发明内容
本发明的目的是提供一种数字化学习资源应用成效的计算方法,该方法设计了不同粒度学习资源的应用成效的影响变量,根据这些影响变量通过分级加权法计算出资源的应用成效。
实现本发明目的的具体技术方案是:
一种数字化学习资源应用成效的计算方法,该方法包括以下具体步骤:
步骤1:根据资源平台上采集到的用户使用资源的数据,确定要计算的资源粒度类型,其资源粒度包括素材资源、课程资源及资源网站;
步骤2:确定计算资源应用成效的两级变量;
素材资源的一级变量包括:资源使用率、用户使用满意度和用户学习效果;
资源使用率的二级变量包括:浏览次数、平均浏览时间、下载次数、收藏次数、分享次数、评论次数、标签个数和评分及好评次数;
用户使用满意度的二级变量包括:适需性即满足学习者需求的程度、易用性即使用资源的便捷程度及推荐意愿即愿意推荐给他人的程度;
用户学习效果的二级变量包括:有效性即对学习者自身能力的提升作用、形成性测评成绩及终结性测评成绩;
课程资源的一级变量包括:资源使用率、用户使用满意度和用户学习效果;
资源使用率的二级变量包括:浏览次数、平均浏览时间、下载次数、收藏次数、分享次数、评论次数、标签个数和评分、好评次数、学习进度、课程活动参与率及课程论坛发帖数;
用户使用满意度的二级变量包括:适需性即满足学习者需求的程度、易用性即使用资源的便捷程度及推荐意愿即愿意推荐给他人的程度;
用户学习效果的二级变量包括:有效性即对学习者自身能力的提升作用、形成性测评成绩及终结性测评成绩;
资源网站的一级变量包括:资源使用率、用户使用满意度和用户学习效果;
资源使用率的二级变量包括:活跃用户数、资源检索次数及活跃资源数;
用户使用满意度的二级变量包括:适需性即满足学习者需求的程度、易用性即使用资源的便捷程度及推荐意愿即愿意推荐给他人的程度;
用户学习效果的二级变量包括:有效性即对学习者自身能力的提升作用;
步骤3:对确定的计算资源应用成效变量,设置一级变量和二级变量的权重值;
步骤4:通过资源平台采集各个二级变量对应的原始数据,将原始数据进行归一化处理后,形成各二级变量的分值;
步骤5:计算资源应用成效
(1)对于素材资源
每个一级变量的计算公式:
其中,xi为第i个一级变量的综合得分,xij为其第j个二级变量的分值,ωij为其第j个二级变量的权重,n为该一级变量包含的二级变量的个数;
素材资源的总体应用成效值的计算公式:
其中,xj为第j个一级变量的综合得分,λj为该一级变量的权重,n为一级变量的个数;
(2)对于课程资源
课程资源的应用成效值的计算公式:
式中,等号右边第一部分是该课程资源包含的所有素材资源的得分平均值对课程评分的贡献,Mi为第i个素材资源的应用成效值,N为该课程资源包含的素材资源的个数,a1为该部分设置的权重;第二部分是课程整体两级变量的得分对该课程总得分的贡献,a2为该部分设置的权重;C’由课程资源的两级变量加权计算得到,其计算公式为:其中,xj为第j个一级变量的综合得分(由其对应的第二级变量加权计算得到),λj为该一级变量的权重,n为一级变量的个数。
(3)对于资源网站
网站资源的应用成效值的计算公式:
式中,等号右边第一部分是该资源网站包含的所有素材资源的得分平均值对网站评分的贡献(隶属于其他课程的素材不在这里计算),Mi为第i个素材资源的应用成效值,Nm为该资源网站包含的素材资源的个数;第二部分是该资源网站包含的所有课程的得分平均值对网站评分的贡献,Ci为第i个课程资源的应用成效值,Nc为该资源网站包含的课程资源的个数;第三部分是网站整体两级变量的得分对该网站总得分的贡献,a1、a2和a3为三部分各自的权重。W’由资源网站的两级变量加权计算得到,其计算公式为:其中,xj为第j个一级变量的综合得分(由其对应的第二级变量加权计算得到),λj为该一级变量的权重,n为一级变量的个数。
本发明可以根据资源的使用数据计算出不同粒度的学习资源的应用成效,管理人员能够根据资源应用成效值,发现哪些资源是使用较好的,哪些资源使用较少,并进而分析其中的原因,采取有针对性的措施。计算出的应用成效也可以进行二次应用,用于对学习资源排行或学习资源的个性化推荐,将使用效果更好的资源推荐给用户。
附图说明
图1为本发明学习资源的粒度类型图。
具体实施方式
本发明遵循以用户为中心的原则,以资源使用率、用户使用满意度和用户学习效果的提升作为评价资源成效的主要依据,并以此三个指标为一级变量设计不同粒度的学习资源的应用成效的影响变量及综合应用成效的计算方法。
学习资源有不同的组织粒度,本发明提出三种粒度:素材资源、课程资源及资源网站,这三种粒度由小到大,可以适应不同的评价需求。素材是指可以独立提供用户访问的单个资源,其内部不再包含其他独立的资源,例如一个PPT课件、一段视频、一篇文章等等。这些资源可以被用户单独访问,也可以隶属于某个聚合资源(课程)。课程由多个素材组成,而网站中包含课程和素材资源。
本发明针对这三种不同粒度的资源提出了相应的影响变量及其对应的资源的应用成效数值的计算公式;包括以下步骤:
步骤1:确定要计算的资源粒度类型;根据资源的具体形态及需求确定是三种粒度的哪一种;
步骤2:确定计算资源应用成效的两级变量。不同粒度的资源的两级变量见下表:
表1素材资源的两级变量
表2课程资源整体的两级变量
表3资源网站整体的两级变量
步骤3:设置各级变量的权重值。
步骤4:通过资源平台采集各个二级变量对应的原始数据,将原始数据进行归一化处理,形成各二级变量的分值。
步骤5:计算资源应用成效
(1)对于素材资源
每个一级变量的计算公式:
其中,xi为第i个一级变量的综合得分,xij为其第j个二级变量的分值,ωij为其第j个二级变量的权重,n为该一级变量包含的二级变量的个数。
素材资源的总体应用成效值的计算公式:
其中,xj为第j个一级变量的综合得分,λj为该一级变量的权重,n为一级变量的个数。
(2)对于课程资源
课程资源的应用成效值的计算公式:
式中,等号右边第一部分是其包含的所有素材资源的得分平均值对课程评分的贡献,Mi为第i个素材资源的应用成效值,N为该课程资源包含的素材资源的个数,a1为该部分的权重;第二部分是课程整体两级变量的得分对该课程总得分的贡献,a2为该部分的权重;C’由课程资源的两级变量加权计算得到;
(3)对于资源网站
网站资源的应用成效值的计算公式:
式中,等号右边第一部分是其包含的所有素材资源的得分平均值对网站评分的贡献(隶属于其他课程的素材不在这里计算),Mi为第i个素材资源的应用成效值,Nm为该资源网站包含的素材资源的个数;第二部分是其包含的所有课程的得分平均值对网站评分的贡献,Ci为第i个课程资源的应用成效值,Nc为该资源网站包含的课程资源的个数;第三部分是网站整体两级变量的得分对该网站总得分的贡献,a1、a2和a3为三部分各自的权重。W’由资源网站的两级变量加权计算得到。
实施例
以下以计算某个资源网站上的部分学习资源的应用成效为例说明本发明的实施方法。但所举实例不作为对本发明的限定。
从该网站上获取了计算机、英语、健康三类主题资源的使用数据,其中“计算机”类资源520个,课程455门,“英语”类资源9241个,课程1271门,“健康”类资源2218个,课程820门。
步骤1:确定要计算的资源粒度类型。该网站的资源粒度包括“素材资源”和“课程资源”。
步骤2:确定计算资源应用成效的相关变量(影响因素)。一级变量选择“资源使用情况”这一客观变量,另外两个主观变量在本实施例中忽略。二级变量选择“浏览次数”和“好评次数”两个,其他变量数据暂未能从该平台上采集。
步骤3:设置各级变量的权重值。“浏览次数”和“好评次数”按照0.6和0.4的比例计算资源的综合应用成效。
步骤4:通过资源平台或量表采集数据,对应到二级变量上,并对二级变量进行归一化处理。
步骤5:计算资源应用成效。
1)对于素材资源
根据公式计算素材资源的应用成效,这里n=1,λj=1,因此,此公式转化为M=x1。
根据公式计算该素材资源的一级指标的值,这里i=1,n=2,xij为“浏览次数”和“好评次数”的归一化值。ω11和ω12分别为0.6和0.4.
2)对于课程类资源
根据公式假设该课程仅以其中包含的资源的平均应用成效作为课程的应用成效,则此公式转化为其中N为该课程中包含的素材资源个数,Mi为这些素材资源按照素材资源计算公式得到的应用成效值。
根据实际使用数据和上述具体计算公式,可以得到三类资源的平均应用成效,见表4。
表4三类资源使用效果评分表
3)对于资源网站
根据公式如果将课程的三类资源模拟成三个资源网站的数据,Mi和Ci的值取自表4,W’的计算确定采用“资源使用率”这一一级指标,其下的二级指标使用“活跃资源数”,假如这三个网站的活跃资源数分别为9521,972和2950,对其归一化处理后其二级指标的分值分别为:1,0,0.2314。
根据上述数据和计算公式,а1,а2,а3的值分别取0.4,0.4和0.2,可以得到三个网站的综合应用成效,见表5。
表5三个模拟资源网站使用效果评分表
Claims (1)
1.一种数字化学习资源应用成效的计算方法,其特征在于,该方法包括以下具体步骤:
步骤1:根据资源平台上采集到的用户使用资源的数据,确定要计算的资源粒度类型,其资源粒度包括素材资源、课程资源及资源网站;
步骤2:确定计算资源应用成效的两级变量;
素材资源的一级变量包括:资源使用率、用户使用满意度和用户学习效果;
资源使用率的二级变量包括:浏览次数、平均浏览时间、下载次数、收藏次数、分享次数、评论次数、标签个数和评分及好评次数;
用户使用满意度的二级变量包括:适需性即满足学习者需求的程度、易用性即使用资源的便捷程度及推荐意愿即愿意推荐给他人的程度;
用户学习效果的二级变量包括:有效性即对学习者自身能力的提升作用、形成性测评成绩及终结性测评成绩;
课程资源的一级变量包括:资源使用率、用户使用满意度和用户学习效果;
资源使用率的二级变量包括:浏览次数、平均浏览时间、下载次数、收藏次数、分享次数、评论次数、标签个数和评分、好评次数、学习进度、课程活动参与率及课程论坛发帖数;
用户使用满意度的二级变量包括:适需性即满足学习者需求的程度、易用性即使用资源的便捷程度及推荐意愿即愿意推荐给他人的程度;
用户学习效果的二级变量包括:有效性即对学习者自身能力的提升作用、形成性测评成绩及终结性测评成绩;
资源网站的一级变量包括:资源使用率、用户使用满意度和用户学习效果;
资源使用率的二级变量包括:活跃用户数、资源检索次数及活跃资源数;
用户使用满意度的二级变量包括:适需性即满足学习者需求的程度、易用性即使用资源的便捷程度及推荐意愿即愿意推荐给他人的程度;
用户学习效果的二级变量包括:有效性即对学习者自身能力的提升作用;
步骤3:对确定的计算资源应用成效变量,设置一级变量和二级变量的权重值;
步骤4:通过资源平台采集各个二级变量对应的原始数据,将原始数据进行归一化处理后,形成各二级变量的分值;
步骤5:计算资源应用成效
(1)对于素材资源
每个一级变量的计算公式:
其中,xi为第i个一级变量的综合得分,xij为其第j个二级变量的分值,ωij为其第j个二级变量的权重,n为该一级变量包含的二级变量的个数;
素材资源的总体应用成效值的计算公式:
其中,xj为第j个一级变量的综合得分,λj为该一级变量的权重,n为一级变量的个数;
(2)对于课程资源
课程资源的应用成效值的计算公式:
式中,等号右边第一部分是该课程资源包含的所有素材资源的得分平均值对课程评分的贡献,Mi为第i个素材资源的应用成效值,N为该课程资源包含的素材资源的个数,a1为该部分设置的权重;第二部分是课程整体两级变量的得分对该课程总得分的贡献,a2为该部分设置的权重;C’由课程资源的两级变量加权计算得到,其计算公式为:其中,xj为第j个一级变量的综合得分,由其对应的第二级变量加权计算得到,λj为该一级变量的权重,n为一级变量的个数;
(3)对于资源网站
网站资源的应用成效值的计算公式:
式中,等号右边第一部分是该资源网站包含的所有不隶属于任何课程资源的素材资源的得分平均值对网站评分的贡献,Mi为第i个素材资源的应用成效值,Nm为该资源网站包含的素材资源的个数;第二部分是该资源网站包含的所有课程的得分平均值对网站评分的贡献,Ci为第i个课程资源的应用成效值,Nc为该资源网站包含的课程资源的个数;第三部分是网站整体两级变量的得分对该网站总得分的贡献,a1、a2和a3为三部分各自的权重;W’由资源网站的两级变量加权计算得到,其计算公式为:其中,xj为第j个一级变量的综合得分,由其对应的第二级变量加权计算得到,λj为该一级变量的权重,n为一级变量的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811470329.9A CN109784615B (zh) | 2018-12-04 | 2018-12-04 | 一种数字化学习资源应用成效的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811470329.9A CN109784615B (zh) | 2018-12-04 | 2018-12-04 | 一种数字化学习资源应用成效的计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109784615A true CN109784615A (zh) | 2019-05-21 |
CN109784615B CN109784615B (zh) | 2023-05-16 |
Family
ID=66496543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811470329.9A Active CN109784615B (zh) | 2018-12-04 | 2018-12-04 | 一种数字化学习资源应用成效的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109784615B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001826A (zh) * | 2020-08-26 | 2020-11-27 | 重庆满惠网络科技有限公司 | 一种基于大数据的教育信息智能分类系统 |
CN112395324A (zh) * | 2020-11-09 | 2021-02-23 | 艾迪安逊教育科技发展(广州)有限公司 | 一种在线教育平台用大数据存储系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880932A (zh) * | 2012-09-04 | 2013-01-16 | 北京邮电大学 | 一种网络课件系统及学习管理系统 |
CN105117460A (zh) * | 2015-08-21 | 2015-12-02 | 湖南亿谷科技发展股份有限公司 | 学习资源推荐方法和系统 |
KR20160128036A (ko) * | 2015-04-28 | 2016-11-07 | 한국과학기술정보연구원 | 컴퓨팅 시뮬레이션 작업 필요자원 예측 장치 및 방법 |
CN108182541A (zh) * | 2018-01-10 | 2018-06-19 | 张木华 | 一种混合学习效果评估与干预方法与装置 |
CN108876670A (zh) * | 2018-05-29 | 2018-11-23 | 黑龙江省经济管理干部学院 | 一种三循环课程发展模式的数据分析系统 |
-
2018
- 2018-12-04 CN CN201811470329.9A patent/CN109784615B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880932A (zh) * | 2012-09-04 | 2013-01-16 | 北京邮电大学 | 一种网络课件系统及学习管理系统 |
KR20160128036A (ko) * | 2015-04-28 | 2016-11-07 | 한국과학기술정보연구원 | 컴퓨팅 시뮬레이션 작업 필요자원 예측 장치 및 방법 |
CN105117460A (zh) * | 2015-08-21 | 2015-12-02 | 湖南亿谷科技发展股份有限公司 | 学习资源推荐方法和系统 |
CN108182541A (zh) * | 2018-01-10 | 2018-06-19 | 张木华 | 一种混合学习效果评估与干预方法与装置 |
CN108876670A (zh) * | 2018-05-29 | 2018-11-23 | 黑龙江省经济管理干部学院 | 一种三循环课程发展模式的数据分析系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001826A (zh) * | 2020-08-26 | 2020-11-27 | 重庆满惠网络科技有限公司 | 一种基于大数据的教育信息智能分类系统 |
CN112395324A (zh) * | 2020-11-09 | 2021-02-23 | 艾迪安逊教育科技发展(广州)有限公司 | 一种在线教育平台用大数据存储系统 |
CN112395324B (zh) * | 2020-11-09 | 2021-05-25 | 艾迪安逊教育科技发展(广州)有限公司 | 一种在线教育平台用大数据存储系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109784615B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mubarak et al. | Confirming the links between socio-economic variables and digitalization worldwide: the unsettled debate on digital divide | |
Baird | Class in the classroom: The relationship between school resources and math performance among low socioeconomic status students in 19 rich countries | |
Näsström | Interpretation of standards with Bloom’s revised taxonomy: A comparison of teachers and assessment experts | |
Grady et al. | Incorporating student mobility in achievement growth modeling: A cross-classified multiple membership growth curve model | |
Feniger et al. | Globalisation and the politics of international tests: The case of Israel | |
Chen et al. | A cross-grade comparison to examine the context effect on the relationships among family resources, school climate, learning participation, science attitude, and science achievement based on TIMSS 2003 in Taiwan | |
Tan et al. | What is the influence of cultural capital on student reading achievement in Confucian as compared to non-Confucian heritage societies? | |
Vonkova et al. | The (in) comparability of ICT knowledge and skill self-assessments among upper secondary school students: The use of the anchoring vignette method | |
Gutiérrez et al. | A growth curve analysis of literacy performance among second-grade, Spanish-speaking, English-language learners | |
Liu et al. | Collaborative learning team formation: a cognitive modeling perspective | |
CN102568267A (zh) | 计算机在线考试方法 | |
Monk | Reflections on teacher preparation | |
De Witte et al. | Comparing students by a matching analysis–on early school leaving in Dutch cities | |
Yan et al. | Developing a Rasch measurement physical fitness scale for Hong Kong primary school-aged students | |
Viciana et al. | Effect of two alternated teaching units of invasion team sports on the tactical learning in primary schoolchildren | |
Sciffer et al. | The substantiveness of socioeconomic school compositional effects in Australia: measurement error and the relationship with academic composition | |
Lee | An investigation of the linkage between technology-based activities and STEM major selection in 4-year postsecondary institutions in the United States: multilevel structural equation modelling | |
CN109784615A (zh) | 一种数字化学习资源应用成效的计算方法 | |
Takamatsu | Coaching Servant Leadership: Scale Development and Validation | |
Miller et al. | The relationship of process and product performance of the two-handed sidearm strike | |
Briesch et al. | Use of generalizability theory within k–12 school-based assessment: A critical review and analysis of the empirical literature | |
Li et al. | What matters in education: a decomposition of educational outcomes with multiple measures | |
Borghesan | The Heterogeneous Effects of Changing SAT Requirements in Admissions: An Equilibrium Evaluation | |
He et al. | Classification accuracy in key stage 2 national curriculum tests in England | |
Farradinna et al. | Entrepreneurial personality in predicting self-regulation on small and medium business entrepreneurs in pekanbaru, riau, indonesia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |