新書推薦：
《
高性能计算算法引擎：线性代数与异构计算的融合
》
售價：HK$
109.8
《
对话中的文体：柏拉图与哲学的形成（不理解柏拉图如何写作，就无法真正理解他的哲学）
》
售價：HK$
85.8
《
当疾病来敲门：病人、家属和治疗师是如何一起应对疾病的
》
售價：HK$
109.8
《
新编老老恒言：传承千年的健康智慧（共两册）
》
售價：HK$
85.8
《
建筑的智慧视界
》
售價：HK$
140.8
《
渺小如象
》
售價：HK$
43.8
《
人性的弱点
》
售價：HK$
52.8
《
今日私法理论：德国私法理论的多元视角（德语法学思想译丛）
》
售價：HK$
93.5
|
| 內容簡介： |
|
《高等教育中的大数据与学习分析：理论与实践》聚焦教育数据科学领域的两大前沿主题——大数据与学习分析，系统探讨了其在高等教育研究与实践中的应用。《高等教育中的大数据与学习分析：理论与实践》共15章、汇集了32位国际学者的研究成果，内容涵盖理论基础、方法技术、伦理挑战、案例解析及未来趋势，为读者提供了高等教育中大数据与学习分析的全景视角，兼具学术研究与实践指导价值。
|
| 目錄：
|
|
目录序言致谢贡献者名单第一章 高等教育大数据与分析概述 1一、概述 1二、数据驱动的决策 2三、图书受众 3四、本书的构成 3第一部分 大 数 据第二章 高等教育中大数据和分析的最新趋势与未来研究展望 7一、未来大数据 7二、商业智能分析概念框架 8三、自适应学习/课件与教育数据挖掘 9四、数据可视化和可视化分析 12五、教育知识管理 14六、总结 15第三章 高等教育大数据：整体情况 17一、引言 17二、大数据的概念基础 18三、高等教育中的大数据与分析 19四、机遇与局限 21五、结论与未来研究 23第四章 为高等教育大数据培养下一代教育研究人员 27一、引言 27二、新时代教育研究者面临的挑战 29三、研究方法单元和课程的现状 30四、研究准备现状总结 33五、让下一代教育研究人员为大数据时代做好准备 33六、大数据回归模型的局限性 33七、大数据 34八、新构想的六个关键点 35九、教育中的大数据分析 36十、结论 37第五章 使用大数据范式管理嵌入式数字生态系统 40一、引言 40二、当前信息系统开发方法的局限性 43三、研究意义 44四、相关工作 44五、拟议研究方法的描述 45六、集成框架的实施——新知识表示法 57七、结论和讨论 74八、总结与建议 77九、未来发展趋势及范围 78第六章 当代研究型大学与慎思空间之争 82一、引言 82二、大学的宗旨 83三、新自由主义与公立大学的“私有化” 85四、大数据的前景 89五、对慎思空间和有价值事物的抗争 91第二部分 学习分析第七章 在大学和全系统范围内采用数据和学习分析方法时的伦理考虑 97一、引言 97二、伦理考虑 98三、大学治理结构、制度及角色 104四、结论 112第八章 大数据、高等教育和学习分析：超越正义，迈向关怀伦理 115一、引言 115二、公正伦理学和关怀伦理学背景下的大数据和教育的问题 117三、构建高等教育中公正伦理学和关怀伦理学的框架 124四、结论 125第九章 课程和学习分析：大数据视角 131一、教育目标 131二、传统学习系统中的学习分析 132三、学习分析的定义 133四、洞察力 133五、学习分析范围 134六、学习分析学与学习分析 134七、学习痕迹的类型 135八、作为桥梁的学习分析 136九、计算学习模型 137十、多种学习模型 138十一、多种分析方法与一种分析方法 140十二、学习分析的实施 140十三、数量大、多样性、速度快、数据真：大数据的基础 141十四、应对不确定性：确保学习分析的有效性 144十五、结论 148第十章 实施学习分析干预与评估框架：哪些是有效的？ 150一、引言 150二、态度、行为和认知模型以及学习分析 152三、讨论学习分析干预与评估框架 163四、实施学习分析干预与评估框架 164第十一章 GraphFES：一种Web服务及其在Moodle留言板社交图提取中的应用 170一、引言和背景 170二、社会学习分析 172三、案例研究 184四、结论 193第十二章 迈向开放式学习分析生态系统 197一、引言 197二、学习分析 199三、开放式学习分析 200四、开放式学习分析平台 203五、结论 218第十三章 基于两年制学院学生数据预测四年制大学学生的学业成功 222一、引言 222二、方法 224三、结果 226四、结论和影响 233第十四章 在沉浸式对话情境中评估科学探究技能 238一、引言 238二、“火山情境” 239三、一种分析IAE数据的混合方法 242四、应用案例研究 245五、结果 245六、讨论 250七、总结与未来工作 251第十五章 基于“临床解剖学电子案例”的学习分析 254一、引言 254二、“临床解剖学电子案例”的开发 255三、“临床解剖学电子案例”的教学排序 255四、参与者 258五、数据集和分析方法 258六、结果 259七、讨论 261八、结论 262后记 265
|
| 內容試閱：
|
|
第一章 高等教育大数据与分析概述 Ben Kei Daniel① 一、概述 我们在不同空间和时间，通过与数字技术的互动，持续产生了大量数据。大数据体现了数据量和数据种类的显著增长，对于这些数据，我们无法使用传统数据库进行管理。借助于相关的分析技术，这些看似不同的异构数据量可以被处理，进而有助于我们更好地决策。商业组织开始系统地理解和探索如何处理与分析这些海量数据，以改进决策。 在许多领域，大数据可能不是新现象，因为许多科学家，尤其是欧洲核子研究组织（European Organization for Nuclear Research，CERN）的科学家，甚至在1989年“万维网”概念被正式提出之前，就已经使用大数据工作了很长一段时间。过去的数据形式与我们今天所知道的数据形式之间的主要区别在于可用性和访问性的提高。此外，由社交媒体、移动设备及泛在计算设备生成的非结构化数据，其形式日益多样，这些数据可与其他形式的结构化数据相结合，以形成有用的见解。此外，在商业领域，人们越来越重视数据，将其视为一种货币形式和竞争优势。 虽然大数据和分析有时被视为一个整体的概念，但分析通常是指一套软件工具、机器学习技术和算法，用于数据获取、处理、索引、存储和可视化等。Norris等提出，分析使我们能够对数据进行评估和测量，目的是提高个人或机构的绩效（Norris et al.，2009）。Mayer指出，人们对分析关注度的提高也是由计算的进步所推动的（Mayer，2009）。 二、数据驱动的决策 决策一直是高等教育领域中*重要的角色之一。然而，在高等教育面临内外压力的环境下，决策必须以证据为基础，而不是凭直觉或经验。基于证据的决策是持续取得高绩效的关键决定因素。此外，随着技术的飞速发展，决策越来越依赖于从各种数据源中提取的信息。 大数据技术在高等教育中的应用是具有变革性的，改变了现有的管理、教学、学习和学术工作过程（Baer & Campbell，2011；Ellaway et al.，2014；Eynon，2013；Long & Siemen，2011），有助于产生政策和实践成果，并帮助各个机构应对当代挑战（Atif et al.，2013；Daniel & Butson，2014）。由于有大量的学生信息，包括入学、学术和纪律记录，高等教育机构可以对其进行有针对性的分析，从而为决策提供有用的信息。然而，最大的挑战不再是机构是否使用数据，而是数据如何被获取、处理、存储、呈现，如何使用数据来做出更好的决策，以及现在做出的决策会对未来有何影响。 大数据和分析对高等教育领域的贡献可以从微观、中观和宏观三个层面来理解。 在微观层面，大数据与学习分析将有助于机构提高学习和教学质量，同时精简流程和减少行政工作量。此外，分析有助于我们理解学生学习行为的水平。例如，当学生与学习技术互动时，他们留下的数据痕迹可以揭示他们的情绪、社会关系、意图和目标。研究人员可以利用这类数据来审视学生在不同时期的表现模式—从一个学期到另一个学期，或是从一年到另一年—并通过严谨的数据建模与分析，找出学生在获取资源和使用体验方面存在的障碍，同时评估各类干预措施的效果。在中观层面，相关人员可以处理与课程绩效有关的事项，如提高毕业率和毕业生满意度。在宏观层面，随着机构不断向多个利益相关者（政府、公众和其他人）报告关键绩效指标（key performance indicators，KPI）的压力越来越大，大数据技术可利用现有数据，为相关机构提供广泛的宏观视角，并确定需要特别关注的领域。 虽然大数据和分析的好处显而易见，但其益处来自研究人员开发和部署强大模型的能力，这些模型能够充分抓取和评估当前的绩效状态，并准确预测未来的结果。Daniel将大数据模型大致分为描述模型、预测模型和规范模型（Daniel，2015）。 描述模型建立在对教学或学习的传递性和互动性数据的分析基础上，可用于确定学生入学率、毕业率等，以及可能引发关于改进学生学习的重要对话的模式。但仅仅建立描述模型是不够的，机构需要能够审查自身当前的表现，并能够预测未来的结果。 预测模型使机构能够发现数据中隐藏的关系，并以一定的准确性预测未来的结果。例如，这类模型能够使教育机构识别出在学习期间表现出危险行为的学生。 规范模型是基于从描述模型和预测模型中获得的见解而构建的可执行工具。这类模型的目的是帮助各机构准确评估其现状，并根据有效且一致的预测，就不同的事态发展路径做出明智选择。 由于大数据中固有的数据高度异构特点，对数据访问和使用的管控能力将成为一个主要问题。用户生成数据的管理、隐私、安全和伦理问题是高等教育中许多研究人员关心的问题。此外，大数据作为以文本、图形、音频和视频内容形式呈现的一组数据，往往是不完整和非结构化的，这就带来了额外的挑战。高等教育中的大数据与学习分析研究尚处于起步阶段。本书汇集了该领域的早期工作，各章节的内容既广泛涉及了这一不断发展的研究领域中的各类相关问题，也对这些问题进行了深入探讨。 三、图书受众 本书主要面向高等教育研究人员、技术专业人员和政策制定人员，也适用于教育技术、教育学、计算机科学、信息科学及相关学科的研究生使用。作为大数据与分析技术在高等教育领域应用这一领域的*部研究专著，本书旨在推动该领域的思想进步，助力研究者思考随着大数据与分析技术持续融入高等教育领域而需要进一步分析的问题。 四、本书的构成 本书共有15章，分为两部分。 第一部分（大数据）由5章组成，重点分析与大数据相关的趋势、理论、机遇和挑战。具体来说，第二章讨论了高等教育领域大数据与分析的发展趋势和未来研究展望。第三章探讨了大数据作为高等教育研究领域的概念基础。第四章提出了应对大数据挑战的新方法和新技术。第五章以嵌入式数字生态系统的大规模实施和管理为例，讨论了其与高等教育的相关性。第六章介绍了研究型大学的现状，描述了新的数字技术对研究、教学和学习的影响，并提醒大数据可能给研究型大学环境带来的挑战。 第二部分（学习分析）由9章组成，介绍了学习分析研究的不同方面。第七章讨论了收集和使用数据时的伦理考虑。第八章进一步扩大了讨论的范围，包括关怀与正义的伦理。第九章概述了大数据范式下的学习分析。第十章报告了学习分析实施的框架。第十一章介绍了一个用于Moodle中学习分析的互联网服务应用程序。第十二章讨论了一个开放式学习分析的研究项目。第十三章提供了一个大规模实施学习分析项目的例子，该项目利用了学位项目研究中常用的学生成功预测模型。第十四章提供了在沉浸式学习环境中使用学习分析评估科学探究技能的案例。第十五章介绍了一项正在进行的在非正式学习环境中使用学习分析的研究。 参考文献
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
