融合SKNs多模态交互环境的关联学习机理及优化机制研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61907035
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    16.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0701.教育信息科学与技术
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

This research focuses on the phenomenon and rules of connectivist interaction in SKNs- based multi-modal interaction environment, combining multidisciplinary subjects, such as educational technology, management, life science, learning science and cognition science, taken into account of Connectivism, group dynamics theory, deep learning theory, etc. Further analyze the relations and dynamic changes of various elements in the SKNs by methods of simulation experiments, behavioral sequence analysis, empirical research and eye-tracking, etc, with the aim to reveal the internal process of connectivist interaction, clarify the relations between connectivist interaction and learning process, and analyze the mechanism of connectivist interaction, cluster cognitive model and put forward optimization strategies for connectivist learning further. This research aims to deepen the understanding of the process and cognitive characteristics of connected learning in order to better design, implement, apply and evaluate connectivist learning, and shed light on the social connectivity, information convergence, content generation and collaboration of learning in the network age in a technology-enhanced environment.
SKNs多模态交互环境的兴起为关联学习提供了技术增强的学习语境,为解决当前在线学习的交互程度低以及学习层次浅等问题提供了新的契机和可能,迫切需要对其学习现象和规律进行深入研究。本项目聚焦于对SKNs多模态交互环境中关联学习现象和规律的相关研究,结合教育技术学、管理学、生命科学、学习科学以及认知科学等多元学科交叉背景,以关联学习理论、群体动力学理论以及深度学习理论等为基础,通过仿真实验、实证分析以及行为序列分析、视线追踪等方法揭示SKNs多模态环境中关联学习的机理,建立优化机制,诊断认知模式,提出多模态交互环境中关联学习的优化路径与策略。本项目旨在深化对新技术语境下关联学习发生过程和规律的认识,以便更好地设计、实施、应用和评价这种学习,充分发挥网络时代学习所具有的社会联通、信息汇聚、内容生成和协同创新优势,为探索技术增强环境下关联学习的新规律提供依据。

结项摘要

构建技术增强的关联学习环境以帮助学习者进行复杂联通和有效联通成为重要的时代议题,对该环境下学习机理和规律的认识成为新的基础性科学问题。本研究将SKNs作为促进关联学习联通交互的多模态路径,分析了其所提供的认知和社会双联通对关联学习的影响机理和效应关系。具体工作包括:(1)构建了关联学习的理论框架,结合SKNs多模态交互环境在网络结构和功能方面的新特征,在借鉴MOOCs成功学习模型框架的基础上,从预设、过程和结果三方面阐释了关联学习的学习者要素、课程要素以及环境要素如何影响联通交互的学习过程以及联通交互过程中汇聚、混合、转用和分享对个人学习网络构建及群体网络连接和塑造的作用;(2)对融合SKNs多模态交互环境的关联学习机理进行了研究:基于对关联学习群体生产新知识的本质认识,对联通交互过程中社区知识的生产过程进行了仿真模拟和规律挖掘,发现关联学习社区知识共享,知识聚合,知识汇聚及知识创造影响群体的知识生产,且群体的知识生产还会受到学习者知识位势、教师知识位势以及知识需求缺口等因素的影响;同时通过实证研究发现融合了人与知识的SKNs能够促进群体知识创造和个体深度学习,研究表明了关联学习中人与知识不可分离的学习本质以及SKNs所提供的认知与社会双联通对提升学习成效的重要作用;(3)建立了SKNs多模态交互环境中关联学习的优化机制,通过对关联学习的过程性联通交互框架构建、多维学习活动设计以及社会知识建构的模式挖掘,系统研究了关联学习的优化路径与方法,通过基于设计的研究多轮迭代构建了融合SKNs多模态交互环境的关联学习评估框架。研究成果将为新技术语境下关联学习发生过程和规律的认识提供科学依据,可用在大规模在线开放教育领域,小规模限制私有性课程领域以及创新型学习社区构建等方面,将为以学生为中心自下而上的知识创新型学习提供方法参考。

项目成果

期刊论文数量(5)
专著数量(1)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
关联学习社区知识生产过程的系统动力学建模及仿真分析
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    电化教育研究
  • 影响因子:
    --
  • 作者:
    高晴;段金菊
  • 通讯作者:
    段金菊
不同教学存在视角下学生生成内容(SGC)的教学法实践——基于交互网络和社会知识建构的比较分析
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    远程教育杂志
  • 影响因子:
    --
  • 作者:
    段金菊;范怡楠;赵秋华
  • 通讯作者:
    赵秋华
Examining knowledge construction in three social interactive learning environments: a comparison of knowledge networks, social networks, and social knowledge networks
审视三种社会互动学习环境中的知识建构:知识网络、社交网络和社会知识网络的比较
  • DOI:
    10.1080/10494820.2021.1944882
  • 发表时间:
    2021
  • 期刊:
    Interactive Learning Environments
  • 影响因子:
    5.4
  • 作者:
    JinJu Duan;Lin Lu;Kui Xie
  • 通讯作者:
    Kui Xie
在线协作学习中角色脚本对社区知识贡献的影响研究
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    远程教育杂志(2022年第6期)
  • 影响因子:
    --
  • 作者:
    段金菊;范怡楠;钟晓芳;高晴;黄襄
  • 通讯作者:
    黄襄
智 能 时代在线案例教学资源 的建设逻辑与评价 向 度
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    课程教材教法
  • 影响因子:
    --
  • 作者:
    段金 菊;钟 晓 芳;黄 襄;邓 智
  • 通讯作者:
    邓 智

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

段金菊的其他基金

关联学习中群体知识创造的多层时序网络机理及干预机制研究
  • 批准号:
    62377041
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码