学习分析框架产出的学习策略改善学生的认知负荷和学习结果
A Learning Analytics Framework Based on Human-Centered Artificial Intelligence for Identifying the Optimal Learning Strategy to Intervene in Learning Behavior
作者: Fuzheng Zhao et al.
随着大数据技术的进步，在学习中进行计算机支持的学习分析日趋常见。但目前的对于如何有效且可靠地将学习分析的结果运用于教育实践，还缺乏一定的理论探索。最近，研究者提出了一种以人为中心的学习分析理论框架，描绘了应用步骤与可能的策略。研究首先招募了234名大学本科生进行了在线学习，并对他们学习行为进行了分析，并根据理论框架产出了一套学习策略，展示了理论框架的工作步骤。然后研究者开展了一组109名大学生参与的对比实验，验证了分析框架产出的学习策略确实有效改善了学生们的学习结果。研究还发现，该学习分析理论框架产出的学习策略能够有效降低学习者的认知负荷。
网络安全教育研究领域还存在较多发展空间
Applications of educational data mining and learning analytics on data from cybersecurity training
作者: Valdemar Švábenský et al.
随着信息社会的进步，网络安全日渐成为一个重要的领域。最近，研究者回顾了过去有关网络安全教育的论文，着重探讨了其中具有影响力的35篇。研究发现，当前网络安全教育领域的研究和教育数据挖掘、学习分析技术有着较多的结合，并且带来了一些实质性的成果。问题在于，这方面相关的实证性证据仍旧较少。研究者提出了网络安全教育领域未来的潜在研究方向包括①拓宽网络安全教育研究范围，例如程序安全、编程规范等等；②将实时分析引入网络安全教育；③为学生提供智能辅导系统；④提出更多样化的教学措施等等。
教育数据挖掘模型预测学生在精确科学课程中的失败率
Application of logistic regression to predict the failure of students in subjects of a mathematics undergraduate course
作者: Stella F. Costa & Michael M. Diniz
在精确科学（exact sciences）领域的学习中，大学生常常会面临着较高失败率带来的困境。最近，研究者报告了一哥教育数据挖掘（EDM）模型，以期预测数学专业的学生在精确科学课程中面临学业失败的概率，并探讨了哪些因素会导致这种失败。基于4年来参与课程的学生数据以及其他社会经济数据，研究验证了该数学模型有着较高的准确率和敏感性。研究者指出，年龄因素、出勤率、其他课程的失败率三个因素可以显著影响学生在精确科学课程中的失败概率。
责任编辑：Diaw Maxwell
15117967419@126.com