返回
Modeling informal learning as a dynamic interaction process in digital learning environments
DOI:10.3389/feduc.2026.1776945.png)
摘要
En 中文
高等教育中的数字学习环境产生大量反映正式评估活动之外学习过程的交互数据。然而,这些非正式学习动态由于具有非评估性、不规则性和自组织性,难以系统观察和分析。当前教育分析大多关注聚合指标或学术成果,限制了对其随时间演变的交互过程的理解。本研究提出了一种基于实证-计算框架的模型,通过分析非评估性数字交互的时序动态来研究非正式学习。该框架利用混合数据环境,整合公开数据集与经过校准且结构一致的时序交互记录。分析依赖于动态参与指标,捕捉学生-课程层面的参与强度、变化性、不规则性和持续性,而不推断个体认知状态或评估学业表现。结果显示,非正式交互呈现高度偏态分布和高稀疏性,日均强度约为1.95次事件,标准差超过3.0,变异系数中值大于1,表明时序不规则性是该现象的结构属性。不同数据表示的比较分析证实了这些模式在时序分辨率和聚合水平差异下的稳定性。同时,与全局结果变量的探索性关联分析显示存在中等、非确定性的相关性。本研究提供了一种可复现且方法严谨的途径,用于分析数字高等教育环境中作为涌现动态过程的非正式学习。
Keyword:
digital interactions
informal learning
learning analytics
open educational data
temporal analysis
期刊
F
IF:
1.9
论文数:
1.5K
被引数:
7.8K
机构
引用论文
Evolving fuzzy classification for human-centered explainable learning analytics in virtual environments面向虚拟环境中以人为本的可解释学习分析的人体模糊分类演化
Evolving Systems
IF2.7
A scoping review of AI-mediated informal language learning: Mapping out the terrain and identifying future directions
ReCALL
IF0
Artificial intelligence in personalized learning: a global systematic review of current advancements and shaping future opportunities人工智能在个性化学习中的应用:全球系统性综述当前进展与塑造未来机遇
Understanding learners' perceptions of artificial intelligence-mediated Informal Digital Learning of English: A Q methodology approach理解学习者对人工智能介导的非正式数字英语学习(Informal Digital Learning of English)的看法:一种Q方法研究范式
ACTA PSYCHOLOGICA
IF2.7
Bridging LMS and generative AI: dynamic course content integration (DCCI) for enhancing student satisfaction and engagement via the ask ME assistant连接LMS与生成式AI:通过ask ME助手实现动态课程内容集成(DCCI)以提升学生满意度和参与度
computers education
IF4.7
Two years of innovation: A systematic review of empirical generative AI research in language learning and teaching两年创新:语言学习与教学领域生成式人工智能实证研究的系统综述

