导读:本文包含了学习行为论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:在线,课堂,数据,模型,互联网,互动,专递。
学习行为论文文献综述
戴晓妹[1]（2019）在《“轻语文”阅读教学中的学生学习行为指导》一文中研究指出"轻语文"即轻松语文的简称,轻,就是轻松、轻便、轻快、轻灵,"轻语文"阅读教学就是追求教与学的轻松自由,让学生在阅读中始终保持心灵的轻松与自由状态。把学生还原为读者而不仅仅是考生,是落实"轻语文"阅读的根本途径。这样才能最大程度尊重学生阅读的自主性,使学生真正养成语文核心素养,促进学生的终身发展。教师在"轻语文"理念指导下要注意学生的四种学习行为:体验式学习行为、探究式学习行为、延展式学习行为、综合式学习行为。(本文来源于《中学教学参考》期刊2019年36期）
陈实,苟杰婷,钟丽娜,王艳婵,张婉琪[2]（2019）在《专递课堂教学点规模与学习行为有效性相关分析——以湖北省咸宁市崇阳县小学音乐专递课堂为例》一文中研究指出同步互动专递课堂是湖北省农村教学点主要教学模式之一,这种教学模式下学生学习行为有效性受到多种因素的影响。研究者在控制了其他影响因素的条件下,探究了同步专递音乐课堂教学点规模与学生有效学习行为率之间的关系。研究者通过"湖北省农村教学点网校管理与服务平台",采集了湖北省咸宁市崇阳区同步专递小学音乐课堂录像资源,经过样本筛选、学生学习行为编码和数据采集等过程,运用热点图和LOESS曲线拟合,分析组别间有效学习行为率的分布;运用方差分析检验数据的有效性;运用均值分析比较组别间学习行为有效性高低,得出了如下结论:同步专递小学音乐课堂所对应的教学点数量应根据人数量级确定,当人数量级在5人及以下时,可同步专递叁个教学点;当人数量级在11人以上时,两个教学点教学效果更好。(本文来源于《中国电化教育》期刊2019年12期）
邹群艳[3]（2019）在《大数据环境下用户在线学习行为分析模型构建及研究》一文中研究指出如今我国的科技是越来越发达了,人们的生活也进入了一个网络时代。同时也使得用户在线学习模式快速的发展,并且使其实现了网络化与数字化,这在较大程度上在大数据背景下为在线学习行为分析模型的建立提供了保障,同时也激发了学生们学习的兴趣。本文就以大数据环境下用户在线学习行为分析模型构建及研究这个问题而展开了探讨。(本文来源于《数码世界》期刊2019年12期）
孙晓红,杨子成,雷慧萌[4]（2019）在《气味诱导小鼠联合学习行为学范式的应用》一文中研究指出目的:训练C57/6J野生型小鼠进行气味诱导奖赏联合学习,探究气味诱导小鼠联合学习行为学范式的可行性。方法:将C57/6J野生型雄性小鼠按周龄从6～8、12～14、16～18、24～36依次分为4组,在头部固定情况下分别进行气味诱导奖赏联合学习行为学训练。通过分析舔水事件发生的速率等行为学指标,观察小鼠在该种行为学范式下的学习能力。结果:分析发现小鼠可在8组训练内达到行为学标准(连续2组训练正确率达到85%以上),且不同年龄组达标所用训练组数无统计学差异,提示在一定年龄范围内该种行为学范式对小鼠的学习情况影响不显着。结论:小鼠气味诱导奖赏联合学习行为学范式可用于不同年龄段的小鼠,为之后结合行为学进行神经科学领域深层机制的研究奠定了可行性基础。(本文来源于《神经解剖学杂志》期刊2019年06期）
耿彧,白涛[5]（2019）在《基于MOOC开放数据集的学习行为分析》一文中研究指出"互联网+"教育推动了教学模式的网络化进程。MOOC等线上教学模式的广泛开展,为教育研究者提供了海量的学习行为数据。通过对学习特征等信息的统计分析和挖掘,能够更好地掌控线上学习过程,改进课程建设,并很好地调控线下教学环节,达到最佳的教学效果。文章基于edX开放数据集,运用统计分析和主成分分析法对学习者信息、类型和行为进行研究分析,以期为在线教育模式改革提供参考依据。(本文来源于《中国医学教育技术》期刊2019年06期）
潘明东[6]（2019）在《高职院校学生课堂学习行为现状与提升路径研究——以XX高职院校为例》一文中研究指出在高职院校中,课堂学习是学生获取知识、提升理论素养的重要方法。然而,高职院校学生在课堂学习上存在着学习动力不强、课堂参与度低、合作性差等诸多问题。为此,需要切实改变学生的课堂学习行为,推进课堂革命,从转变教师的教学理念、改进教学方法、注重课堂教学设计等方面来着手,以促进学生课堂学习的效果,为我国高等教育培养高素质和高质量的人才。(本文来源于《现代商贸工业》期刊2019年35期）
蔡榆榕[7]（2019）在《实验课程在线学习行为监测与评估模型》一文中研究指出随着智慧教育的蓬勃发展、各种教育技术和智慧教学模式的研究逐步深入,对于学习效果的监测和评估变得越来越重要。这种转变尤其体现在实验教学平台中。本文利用大数据分析技术,在基于数据驱动的基础上对在线学习行为进行科学地监测与评估。这种监测和评估一方面有利于对平台自身质量进行评价研究,另一方面可以对实验课程的学习行为与过程进行监控,以便及时调整策略,提高平台适切性。本文以sakai实验教学平台为例,分别从平台的访问日志、资源调用、工具使用、教学活动分布、教学行为路径跟踪等多个角度,进行比较和优化,提出了用于监测与评估在线学习行为的理论和模型,经验证后得出该模型具有一定的优越性和适用性。(本文来源于《福建电脑》期刊2019年11期）
刘静[8]（2019）在《基于“互联网+”环境下大学生自主学习行为的探究》一文中研究指出随着社会的不断进步和科技的迅猛发展,将互联网技术和学习相结合是适应现代化需求的一种新型学习模式,培养大学生利用"互联网+"技术进行自主学习可以让学生的思维得到启发,培养学生的自主学习能力,帮助大学生今后更好的融入社会和工作。因此大学教师在教学的过程中应该要有意识的培养学生利用互联网技术进行自主学习的能力,勇于创新教学模式。(本文来源于《长江丛刊》期刊2019年33期）
彭伟[9]（2019）在《可信动态度量下学习行为数据分布式挖掘算法》一文中研究指出在远程在线学习过程中,需要进行学习行为数据的优化挖掘,指导学习行为优化,提出基于可信动态度量的学习行为数据分布式挖掘算法。建立远程在线学习行为数据的大数据演化特征分布模型,采用大数据信息融合方法进行学习行为数据的可信动态度量,提取学习行为数据分布式关联特征量,采用模糊相关性融合调度方法进行学习行为数据分布式挖掘过程中的自适应调度和寻优控制,结合模糊K均值聚类分析方法进行学习行为数据分布式挖掘的动态特征量聚类分析,在聚类中心中实现对远程在线学习行为数据的自适应融合和分布式挖掘。仿真结果表明,采用该方法进行可信动态度量下学习行为数据分布式挖掘的准确性较高,收敛性较好,挖掘过程的自适应学习性能较好。(本文来源于《黑龙江工业学院学报(综合版)》期刊2019年11期）
纪露,何欣忆,覃梦秋[10]（2019）在《大学生移动英语学习行为意向的因素探析——基于Davis技术接受模型》一文中研究指出随着移动通信技术以及无线局域网技术的发展,国内外已掀起移动学习的热潮。然而关于大学生移动学习行为意向的研究甚少,有关移动英语学习的研究更是鲜有。本研究以技术接受模型理论为基础,根据外语学科的特点增加了移动英语学习的自我效能感、专业相关性、系统可访问性、主观规范四个变量,构建了移动英语学习接受模型,探讨了影响大学生移动英语学习行为意向的因素。通过对实证研究数据的分析,得出感知有用性和主观规范是直接影响大学生采用移动英语学习的重要因素这一结论。(本文来源于《亚太教育》期刊2019年11期）
学习行为论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
同步互动专递课堂是湖北省农村教学点主要教学模式之一,这种教学模式下学生学习行为有效性受到多种因素的影响。研究者在控制了其他影响因素的条件下,探究了同步专递音乐课堂教学点规模与学生有效学习行为率之间的关系。研究者通过"湖北省农村教学点网校管理与服务平台",采集了湖北省咸宁市崇阳区同步专递小学音乐课堂录像资源,经过样本筛选、学生学习行为编码和数据采集等过程,运用热点图和LOESS曲线拟合,分析组别间有效学习行为率的分布;运用方差分析检验数据的有效性;运用均值分析比较组别间学习行为有效性高低,得出了如下结论:同步专递小学音乐课堂所对应的教学点数量应根据人数量级确定,当人数量级在5人及以下时,可同步专递叁个教学点;当人数量级在11人以上时,两个教学点教学效果更好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
学习行为论文参考文献
[1].戴晓妹.“轻语文”阅读教学中的学生学习行为指导[J].中学教学参考.2019
[2].陈实,苟杰婷,钟丽娜,王艳婵,张婉琪.专递课堂教学点规模与学习行为有效性相关分析——以湖北省咸宁市崇阳县小学音乐专递课堂为例[J].中国电化教育.2019
[3].邹群艳.大数据环境下用户在线学习行为分析模型构建及研究[J].数码世界.2019
[4].孙晓红,杨子成,雷慧萌.气味诱导小鼠联合学习行为学范式的应用[J].神经解剖学杂志.2019
[5].耿彧,白涛.基于MOOC开放数据集的学习行为分析[J].中国医学教育技术.2019
[6].潘明东.高职院校学生课堂学习行为现状与提升路径研究——以XX高职院校为例[J].现代商贸工业.2019
[7].蔡榆榕.实验课程在线学习行为监测与评估模型[J].福建电脑.2019
[8].刘静.基于“互联网+”环境下大学生自主学习行为的探究[J].长江丛刊.2019
[9].彭伟.可信动态度量下学习行为数据分布式挖掘算法[J].黑龙江工业学院学报(综合版).2019
[10].纪露,何欣忆,覃梦秋.大学生移动英语学习行为意向的因素探析——基于Davis技术接受模型[J].亚太教育.2019
论文知识图
