文摘
全面提高教育质量的重要任务,促进教育公平,加快教育现代化教育信息化提高了标准。本研究调查分析智慧大学英语的教学设计模式,根据英语课程标准,智慧教育理念,智慧课堂的理论基础。大学毕业生的评价方法的学习效率使用多因素模型,建立DEA(数据包络分析),和其他统计方法。模型性能的准确性提高了超过75%,召回率提高65%以上,当特征维数从5增加到100。多因素模型是普遍适用的,它也可以用来研究新时期大学英语教学的评价。
1。介绍
大学英语,大学外语教育的重点,是一个需要的公共基础课程对于大多数非英语本科学生,在人员发展中扮演着重要的角色。智慧教育的发展是一个全球性的挑战和所有国家的机会。智慧的教育,另一方面,是一个工具,它的主要目标是提高公民的基本素养。基本素养的概念被引入后,它迅速传遍世界的各行各业。此外,在高等教育领域的概念基本素养发挥着不可或缺的作用。专家、学者进行了许多有益的研究,近年来为了建立一个科学有效的教学评价体系,与积极的结果。然而,很少有研究如何有效地开展多个评估在大学扩招的背景下和大课堂教学。因此,创造一个智能教室的环境不仅是实现智能教育的唯一途径,但它也是一个聪明的教育实践的关键体现。
教育的主要目标是培养人,教室就是这种情况。只有把握课堂的核心教育真正发展(1]。传统教室的限制(2:教学前提基于经验,根据黄。教师的教学前提是完全基于教学经验和缺乏科学基础,因为老师不知道学生在上课前及时掌握相关知识。根据刘Yesheng,每个老师都必须证明一个敏感,快速和准确的判断能力和在复杂的英语教学情况下,这种能力是教师的英语教学智慧(3]。Naryatmojo认为英语教学智慧是实用和可行的智慧,就是明证老师如何处理在教室里预设和生成的关系(4]。通过创建一个学习环境与集成技术,Bruya和其他人相信,智慧教育的本质是使教师展示有效的教学方法和学生获得适当的个性化学习服务和美丽的发展经验5]。上述研究的主要元素定义智慧教育和提供广泛的理论支持创建特定的智慧教室,但大多数人仍在广泛意义上。教育信息化的一个重要指标是一个国家或地区的教育发展。至关重要,促进教育信息化大力为了实现教育现代化,创新英语教学模式,提高教育质量。
有很多有价值的数据在学校教育和教学活动在大数据的时代6]。一个聪明机智的课堂使用数据来提高英语教学和促进改善和实现,基于动态学习评估和数据分析。个性化的转变英语教学的新思路和方向已经成为英语教学改革的结果。在中国目前没有研究在智能教学系统之间的关系和大学英语听力和口语教学。结果,作者希望能发现和总结智能教学,提出相应的实施策略,并评估其效果使用多因素模型的实际应用的探索。创新的研究如下:(1)从整体的角度设计的智能教室和教学的角度来看,本文对整个流程步骤之前,期间和之后类,并分析了施工过程智能教室。实践经验智慧提供大学英语教学。(2)本文构造的多因素模型智慧大学英语教学模式的效果评价,并通过进一步的实践研究和调查,确定各影响因素之间的复杂互动关系和每个材料组件,和综合技术知识和发展模式。
2。相关工作
2.1。智慧教学研究
Anggraeni等人分析的实用方法,把课堂变成一个智能教室的设计思想,阐述了智能学习空间(7]。教学和学习的特点的基础上,在一个智能教室,Mardhatillah等人分析了四个层次的集成智能教室和教学提出了具体的施工方法(8]。李等人阐述了制造商教育2.0的智能学习活动设计的智能教室活动空间和活动的实施9]。太阳等人提出了五个个性化学习和教学模式,包括个性化学习和基于智能课堂教学模式10]。王、杨提出的数据收集模型智能教学通过上下文感知技术(11]。玉等人设计了智能课堂教学模式的背景下“互联网+”,并将结果应用到具体的教学。结论表明,这种模式提高了大学生的学习效果和满意度,满足当代大学生的学习需要12]。冯提出了“以学生为中心”的建构主义教学模式和教学设计和定义的原则建构主义教学设计的内容和步骤。他认为,混合学习教育技术理论的深入发展的象征和体现建构主义教学设计(13]。
太阳等人认为设置情境干扰或提供例子可以更好的促进学生的学习和知识转移,这是一个非常有效的方法来增加相关认知负荷(14]。陈指出,工程设计课程可以培养新生的归纳和演绎能力15]。张和冯讨论了思维导图的认知和思维框架设计教学和提出思维导图可以使学习者获得更准确的知识,鼓励学习者之间的协作学习(16]。
2.2。教学效果评价研究
大学生的考试成绩是他们的学习效率和状态的一个重要指标。因为教学体系相互作用的元素,很难进行定量分析的学习效率。元断言,学生可以取得理想的学习成果,如果他们知道如何学习。在此基础上,他提出了肤浅的学习和深入学习理论(17]。明等人评估学生的学术成就和学校教学或教育的价值评估18),为管理部门提供各种管理决策服务。杨使用学习评价识别学生的学术成就,法官学校教学或教育的价值,并为管理部门提供各种管理决策服务(19]。Ruiying分裂的因素影响大学生学习分类,每一种都包含几个单因素,然后确定每一个获得特定的量化数据(20.]。Ls等人使用内部和外部因素的相关体育赛事影响具体分析并确定关键因素大学生体育赛事,这样的训练方法可以改变(21]。
3所示。方法
3.1。建设智慧的大学英语教学模式
智能教室是一个学习方式,促进学生自主学习的帮助下现代教育设备的信息。智能教室的互动和有趣的性质可以鼓励学生积极回应。基于大数据信息的分析,可以快速提高学生的学习行为。及时反馈可以加强,减少出错率,帮助学生学习。认知理论认为,学生的学习过程是一个内化的过程,重组知识和信息在学生的头脑,和学生的主动学习有助于认知发展。鲜艳的、交互式的和有趣的学习资源智能教室可以刺激学生的学习兴趣,使学生积极学习,并促进他们的认知发展。
老师可以介绍新课程的内容以多种方式,包括上课前反馈,评估演习,创造英语学习的情况。学生在全班同学面前展示他们的自学成果,给英语演讲,分享他们的想法。相互影响的空间英语智能课堂互动可以鼓励高质量的英语教育资源的共享和英语教师的专业知识,以及促进教育公平。你可以从其他学校看教室的场景在教室里在大屏幕上同时由于信息技术。还可以培养学生的学习兴趣与动画,通过互动游戏,或者机器人在科学技术的帮助。network-assisted教学流程图的外部表现network-assisted指令,它更清楚地反映的内涵network-assisted指令(见图1)。
教师可以结合课堂和网络同步、实时、异步,nonreal-time指令根据教学目标和内容。学生选择学习方法根据不同的学习内容,然后报告他们的发现教师为了更新教材,提高教学目标。智能课堂教学设计是基于信息技术的释放和强调以学生为中心的教学方法,让学生应用所学的东西和反馈信息适用于自己的行为来解决实际问题。智能课堂教学的设计原则也将研究基于三个主要因素:教学目标、教学策略、教师评价。
设置教学目标是教学活动的前提和基础,教学设计是一系列面向目标的活动。通过课堂教学智慧,智慧的目标教学是促进学生智慧的生成和智能的培养人才。智能教学的目标是遵循上述教学目标的发展,结合三维目标与基本素养,培养人的目标,坚持的教学目标是培养学生高级思维能力和创新能力,这是广泛的。
智能信息技术课堂教学强调可以促进教学方法的改革和过程,也就是说,充分利用基于云的诊断分析系统、反馈系统和补救系统,充分利用课堂教学的准确分析。通过信息技术,为教师提供精确的教学的可能性。其中,形成性评价侧重于评价学生的学习效果的学习过程,而总结性评价的评价最终的教学效果。智能课堂教学的评价是由形成性评价和总结性评价担保,和各种评价方法如老师反馈,student-student相互评价和个人评价。根据研究数据,文献综述,大学英语课程特点、教学设计原则,作者进行了一个智能教室的教学设计模型,如图2。
上课前,学习分析报告所收集的数据生成的云诊断和分析系统,老师结合报告来分析目标推动预览资源,和学生们进行预览自测和及时反馈预览的结果。在这个过程中,教师和学生互动和分享预览结果,以准备在课堂上的链接。在课堂上,教师采用面向问题的方法并引入主题通过课前教学情境设计激发学生的学习兴趣,吸引学生的注意力。教师使用任务型和组合作,鼓励学生独立提出问题,探究、合作解决问题。使用系统自动准备练习,测试学生的知识,评估教学。这个链接可以结合自我评价和他人评价,奖励机制的系统可以用来实现评价方法的多样化。下课后,老师使用移动终端发送作业并向学生提供个性化的学习资源。学生完成他们的家庭作业之后,提交它,老师会检查作业,实时提供反馈。通过与老师的沟通和互动下课后,我们可以扩大和提高我们的自我认识。
3.2。实现大学英语教学智慧
3.2.1之上。准备上课前
学生应该尽可能多的接触和学习英语通过各种渠道和方法,体验语言,积累语言的经验。大量的方便和易于使用的高中英语学习资源需要从根本上改变传统的课堂英语教学结构。首先,智能教室资源丰富的和用户友好的,模拟真实的课堂环境。教师可以组织和准备材料根据英语教科书的章节在课本的帮助资源。教师可以浏览资源共享的其他老师在全国和过滤他们根据自己的需求。你可以收集或下载必要的资源或上传并在本地保存它们。它帮助教师与二次加工和资源创新通过提供主要编辑工具文档,音频和视频资源。
教师能够准确地把握学生的学习第一手信息,预设为本课程英语教学目标,并促进microclass或富媒体预览和考试方法使用的分析学生的作业结果所提供的智能教室信息平台。智能教室的核心是大数据分析。在预习过程中,学生们可以看看teacher-created富媒体内容,完成并提交预览话题,参与相关讨论论坛或平台上,提问,并记录问题。我们可以决定教学根据学习情况,确定目标、内容、方法,优化英语教学计划的设计基于教师的分析结果的统计反馈学生的学习情况和预览。
3.2.2。组内阶段
学习阶段主要是使学生掌握英语知识和技能在一个身临其境的方式,整合传统多媒体、移动技术,听力和口语课程,同时提高外语课堂的有效性与认知能力的帮助。丰富的在线学习资源和信息技术工具可以培养学生的解决复杂问题的能力,如图3。
教师组织学生辩论和讨论相关话题,促进学生交流,练习语言组织和创意,学会分析问题,学会与别人交流,提高语言应用和动手能力。最后,教师应评估学生的个人表现和语言能力在交互活动,评估是否正确的发音和语调,写作是合适,语言表达是足够的,和意见是正确的。
教师可以比较和在黑板上展示这项工作来实现具体的英语教学目标。这可以节省大量的课堂时间,提高英语教学的效率。互动课堂英语教学软件提供教师与课堂录音功能。当解释的关键和难点在课堂上,你可以记录屏幕保存解释的过程。课后学生可以观看视频达到复习的效果。教师可以根据他们的需要记录多个视频在课堂上,学生可以复习知识的解释点下课后,他们在课堂上不会错过每一个关键点。教师还可以查看记录的课程对英语教学进行反思。在听力和口语课程,教师充分利用有趣,有意义的文化,和消息灵通的内容组织学生大声朗读,理解,并讨论英语听力理解。学生可以充分利用移动设备反复听录音材料,同时,他们可以练习模仿和计数。总之,在课堂教学过程中,教师应采用脚手架教学策略,给学生学习的主题,让学生积极思考和体验语言在现实情况下,进行有意义的学习。
3.2.3。课后巩固
教师可以分配测试任务,作业图片,音频作业,智慧类和其他类型的作业。而将家庭作业发送给学生,教师可以发送作业通知父母的手机。每个周期计数每个主题的平均得分,与类的平均得分进行比较,决定了他们的优势和劣势,然后进行有针对性的强化练习。学生可以看到他们排在类。同时,系统促进支持密集课程基础上掌握各种学科。学习压力减少,提高你的学习成绩被明确和充分意识到自己的优点和缺点。目标类和练习。
同时,教师应使用移动和无线通信技术,鼓励学生充分参与,追踪他们的整个学习过程,通过移动设备和个人提供及时的指导。老师复习知识点方面的试题,章节,试卷名称、关键词,然后找到合适的测试问题和组和类型。正确的英语教学和提高特定的课程,它可以分为不同类型的报告根据不同的用户角色,例如学生报告,家长报告,报告老师,班主任报告,主题领导人报告,年级领导报告,等等。本研究使用了一个多元化的评价机制,建立了定量评价体系形成性和终结性评价相结合,以确保评价结果的合理性和客观性。教师可以使用成长记录袋评价方法,客观、全面地评价学生的学习过程的进展,包括白手起家的录音,听力和口语作业,小组合作的结果,调查问卷,和学习经验。教师可以使用移动终端技术来评估学生的进步,最终技能和语言发展及时和有效的方式。
3.3。效果评价
教师精心设计教学内容的选择、教学资源的选择和使用,教学环节的设计,和教师的评价的应用新的大学英语智能教学模式,培养目标的基本素养。最终的目标是基本的学习能力,思维能力和文化意识。完全控制你的学习之前,期间和之后的类。智能教学模式,旨在培养基本的读写能力,提供了一个平台,培养学生听、说、和沟通能力,同时也使他们提高他们的基本素质和发展质量的文化思想和意识。
通过收集相似性聚类用于归类数据。聚类分析在理论上是基于各种各样的领域。计算机科学、数学、生物学、统计学、经济学、和其他学科都得益于科技的进步。本节介绍了聚类分析方法确定样本单元评价决策单元的设置进行比较研究,证明了方法的可行性。
有决策单元 ,及其对应的索引值都写成向量形式输出 。
其中,
DEA(数据包络分析)模型基于模型和只给出输出如下: 在哪里代表的决策单位评估, 。
为了克服的相对不合理模型评价,只有输出基于广义DEA模型给出模型。假设有评估和决策单位参考样本单元,输出的索引值 - - - - - -th决策单元
输出的索引值样本单位
只有输出基于广义DEA模型模型-模型如下:
摘要支持向量机被选中作为第二阶段multiclassifier,可以利用有限的样本信息来找到最好的妥协模型的复杂性和学习能力之间的机器学习,以适应multiclassification场景和解决线性不可分问题。
首先,在线性可分性的情况下,支持向量分类器试图找到一个最优分类超平面 分离间隔最大化。为了找到这个超平面,下面的二次规划问题需要解决: 在哪里法向量,是补偿项,是特点。上面的二次规划问题的解决方案是通过拉格朗日对偶性来解决。
这个公式是最初的问题,其对偶问题得到的微分公式和简化。的关系 是
原始训练样本的映射实现高维特征空间的非线性映射 。因此,输入空间的非线性分类问题成为了特征空间的线性分类问题。
基于结构风险最小化理论,支持向量机在特征空间构造最优分类超平面,使学习者获得全局优化,和整个样本空间的期望风险达到一定上限有一定概率的。模型校正过程中是必不可少的模型建设。根据假设的模型提出了理论文献,当它发现,样本数据的拟合程度是不好,这意味着必须纠正的假设模型。模型假设的适当修正后模型的结构图如图4。
评估模型后,除了保留原有的假设模型,学校因素、教师培训的因素,激励因素,政策体系因素,职业发展因素,学校因素,政策制度因素,教师培训因素、和动机因素被添加到自我效能的因素。
4所示。实验和结果
研究教育问题时,研究人员不仅要注意模型的质量,但也有更深的讨论。当学生只执行一些操作,很难实验探索的日常活动和掌握他们的主要目的。这个实验研究模型是否擅长建模长序列的行为通过比较不同长度的行为序列,如图5。
它被发现为行为序列的长度增加从1到10,模型的性能改善和准确率超过75%。这表明该模型可以实现更好的预测如果它捕获更多的目标特性基于现有的行为特征序列。短期的连续行为建模可以监控学生的日常活动更加敏感和准确反映学生的生活和学习条件比标准的学术评价或个人静态信息。的准确性和回忆法评价,实验显示各种培训数量的特征维度是否会影响学生的行为特征选择,如图6。
可以发现,随着特征尺寸增加从5到100年,模型的精度性能提高了超过75%,召回率提高了65%以上。它也可以发现,与隐藏的细胞的数量的增加,曲线的两个索引显示一个平的趋势。然而,模型的渲染能力有限,模型的准确性和功能大于50维度往往是稳定的。在这个时候,在这个过程中可能会出现一些重复的特性的算法训练。因此,建立适当的特征维度有助于模型的学生的行为,也有利于教师了解学生的行为和探索中包含的信息数据。
教师和学生的认知结构教学技能基本上是一致的,大学教授。可以提炼出四个共同因素,评价指标(或技能组件)包含在每一个共同因素是相似的。然而,每个公因子的贡献率是完全不同的;也就是说,教师和学生的角色有不同的解释的组件构成教学能力。在这项研究中,每个公因子的组件都包含在这个公式,和老师和学生可以评估每个组件的重要性,如图7。
课程和教学技能是最重要的组件的大学教师的教学能力,如图7,其次是专业的态度,专业建设能力,个人特征和基本知识。多因素模型是用来比较传统T以及大学教学评价的测量数据的方法。信息来自学生评价教师在他们的大学生涯的结束。学校创建评估问卷,其中包括17个指标分为五类:教学常规、教学内容、教学方法、教学态度和教学效果。“优秀、中等、差”表示分(满分为5比1。测试结果的比较(见表1)。
我们选择了两位老师的评价数据(T1,T2)进行比较。结果显示t以及,有两个样品之间的显著差异在教学内容和教学效果( )。比较的潜变量的平均值,是必要的问卷结构一致性之间的两组样品。教学内容因素的几个模型的拟合指标如表所示2。
其他四个因素和总分,使用相同的过程来获得平均的估计价值的潜在变量。方便比较的结果T以及。同时可以看出T以及观察到的变量和潜变量的多组验证性因素分析表明,之间有显著差异的两位老师教学内容和影响因素,以及影响学生和老师的评价T2是比这更好的老师T1。之间没有显著差异T1老师和T2教师教学方法和态度。
的分数两组样本在两个指标(指标1和4)非常不同和不一致,表明两组学生在这两个指标有不同的起点,根据教学常规的参数的因素。的T以及方法发现无显著差异在教学常规和总分之间的两组样本由于这种差异测量起点。智慧课堂教学取得了阶段性成果经过一年的试点工作。本研究探讨智能教室的教学效果从学生的角度看英语性能通过检查的评价性能试验类,飞行员的英语表现类和控制类。更多信息(参见图8)。
智慧的开始和结束学生智慧的发展,和智慧教室的一个关键策略意识到学生的智慧发展的背景下学习智慧。图9显示了学生主动性的比较早期和晚期阶段的智能课堂实践。
可以看出,在早期和晚期阶段的智能教室飞行员,学生的热情不断改进,提交作业和学生的热情积极使用平板电脑来查看资源与前一个阶段相比有所下降。学生的学习积极性也已成为影响智能课堂教学的主要因素。
教师和学生的支持和同意智能课堂教学模式,根据老师和学生评价数据智能课堂教学设计模式的应用效果,和75%的学生喜欢教师使用教学平板。老师相信聪明的主题教学设计培养学生交流与合作技能,同时也增加了他们对学习的热情。聪明的原因是课堂教学设计模式坚持“以学生为中心”教学理念,强调学生的合作学习能力的发展和学习主动性。模型强调充分利用信息技术与课堂的深度集成和鼓励教师使用大数据信息的实时反馈函数获得最准确的学习情况。
5。结论
大学英语教学智慧延长学习时间和空间,有效地连接课堂和课外活动,为学生提供了更直观和丰富的学习内容和方法,并强调学生的主导地位以及导游的角色和教师的监督。智能教室平衡教育资源,提高老师和学生的热情,提高课堂效率,减少教师和学生的工作量,提高英语教学质量。实现我们的目标的检查学生的学习效率,我们使用普遍DEA方法来区分学生的绝大多数,这完全可以进行排序。模型的精度性能提高了超过75%,召回率提高65%以上,当特征维度从5增加到100。聚类分析和数据挖掘相结合时,可以将学术成果更有效和准确。
数据可用性
使用的数据来支持本研究的发现可以从作者要求。
的利益冲突
作者宣称没有利益冲突。
确认
本研究支持的特殊项目在智能教学在大学河南省:研究智能指令的方式改善学生学习表现的共同核心课程基于增量机器学习算法(批准号(2021)268),项目的培养年轻的河南省领导老师:研究实践的深入集成的混合教学模式和改进大学英语基于CoI理论(批准号2019 ggjs284),第九批新世纪教育教学改革和人才培养工程郑州本地大学:一个创新研究深度集成混合一流的大学英语课程基于SPOC(批准号ZZJG-A9008),河南省教学改革项目:混合教学模式的实践研究和推广一流的大学英语基于“SPOC +蕴藏”多模操作(批准号2019 sjglx520),和郑州升达大学混合课程项目:综合英语课程四世(批准号sdhhskc - 2019 a01)。