教育大数据背景下学习结果预测研究的内容解析与设计取向TheContentAnalysisandDesignOrientationofLearningOutcomesPredictionundertheBackgroundofEducationalDataMining作者：牟智佳/武法提作者简介：牟智佳，博士，江南大学教育信息化研究中心讲师，研究方向为数字化学习技术与学习分析，ambitionyt@163・com。无锡214122；武法提，北京师范大学教育学部教育技术学院教授，博士生导师，研究方向为数字化学习环境与学习资源设计,wft@bnu.edu.cno北京100875原文出处：《中国电化教育》（京）2017年第20177期第26-32页内容提要：基于数据集的学习分析和人工智能技术的深入发展，使得以优化学习过程、缩短学习改善周期为目标的学习结果预测得到研究者的广泛关注和实践探索。文章首先对数字化学习环境下的学习预测研究探索进行梳理，辨析其研究特性，之后纵向解析了学习结果预测研究中的内容，并横向剖析了研究中存在的问题；在此基础上，从情境、理论、数据、方法和结果五个层而对未来学习结果预测研究的设计取向进行讨论；最后，对以学习者为中心的数据的预测设计原理进行阐释，并设计个性化学习结果预测研究框架,以明晰其系统化分析流程与结果。Thelcarningoutcomesarccxtcnsivclyconcorncdandexploredbyresearchers.Theobjectistoimprovelcarningprocessemdshortcnthelcarningcycleofimprovcmentwiththedeepdcvclopmentoflearninganalyticsandartificialintclligenttechnology.Theresearchliteraturesandcharacteristicoflearning---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---predictiononthedigitallearningenvironmentarereviewed.Theresearchcontentsoflearningoutcomespredictionareverticallyanalyzedandtheproblemsintheresearcharehorizontallyanalyzed.Furthermore,thedesignorientationsoflearningoutcomespredictioninthefuturearediscussedfromfiveaspcctsthatincludingsituation,theory,data,methodologyandresults.Finally,weinterpretthepredictiondesignprincipleoflcarncr-ccntcrcddataanddesigntheresearchframeworkofpersonalizedlearningoutcomespredictioninordertoclarifythesystemanalysisprocessandresuIts.期刊名称:复印期号：《教育学》2018年01期关键词：学习结果预测/学习分析/人工智能/个性化学习/设计取向/learningoutcomeprediction/learninganah^tics/artificialintel1igence/personalizedlearning/designorientation标题注释：本文系2014年全国教育科学“十二五”规划教育部重点课题“基于教育大数据的学习分析工具设计与应用研究”（课题编号：DCA140230）；屮央高校基本科研业务费专项资金资助课题“'互联网+'环境下的理解性学习与认知研究”（课题编号:2017JDZD07）研究成果。中图分类号：G434文献标识码:A文章编号：1006-9860（2017）07-0026-一、数据集驱动学习预测研究的发展契机---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---计算机和数据科学的进步使得基于新类型证据的决策得到前所未有的发展。尽管数据科学已经在商业、工程、技术、科学等领域建立了良好的应用基础，但对教育领域的影响和渗透还尚未全面展开。近年来，移动技术的逐渐普及和网络学习资源的指数性增长使得数字化学习逐渐成为常态,而增强现实技术和可穿戴技术的兴起则进一步丰富了数字化学习方式和学习环境。大数据技术和数据科学给教育带来的冲击使得研究者、管理者、教育企业、教师等不同角色人员开始重视对不同学习情境和学习方式下生成的数据进行整合与分析，并逐步形成了基于不同类型数据集进行学习测量与计算的学习评价新生态。与此同时，学习分析探索已走过初期对分析模型、应用价值、发展方向等理论方面的硏究，正转向基于数据集的可视化分析和学习行动,以将其理论分析的价值转化成实际应用效能。在教育大数据和学习分析的背景下,以优化学习过程和改善学习成效为目标的学习预测研究迅速得到研究者的广泛关注和实践探索。而以模式识别、计算感知、神经网络、机器学习等为代表的人工智能技术的...