on the design and implement of real-time monitoring system...
TRANSCRIPT
3
清華大學MOOC 簡介
清華大學辦理台灣第一批磨課師計畫並於2013年9月30日上線。
. 2014 / 9 兩岸清華MOOC合作 (學堂在線、清華磨課師合作 –兩岸課程首創互換交流)
. 2016 / 2 大陸中國大學慕課合作 (林哲群財務管理、楊佳嫻細讀張愛玲獲獎)
. 2017 / 9 英國FutureLearn合作 (全英文課程 - 主軸為服務科學)
. 2017 / 9 GCMS 課程應用工具金獎 (應用知識地圖於磨課師學習診斷)
. 2018 / 1 榮獲教育部磨課師標竿課程 (焦傳金、黃能富與楊佳嫻教授)
【2018年教育部標竿課程獎】
4
學生在MOOC學習上會遇到一些困難
學生需要在學習環境中找到最適合的學習資源
MOOC 平台通常並不完全符合學習者的需求
AI Tutor - MOOC智慧推薦系統基於學習概念診斷
課程素材推薦
•經由Learning Assistant Module分析的結果
•教師可以知道學生的學習狀態
MOOC AI Tutor
8
研究問題源起
研究動機:
利用MOOC實現翻轉教室(SPOC)的理念與教學。
以往評價MOOC課程僅用線上滿意度問卷,翻轉課程僅使用實體授課滿意度問卷。
蒐集MOOC的相關資訊進行資料分析,掌握每位同學的多個學習面向,利用大規模的數據分析改善課堂成效(ShareCourse 2.0)。
10
研究問題源起
研究動機:
本研究依據學習者特徵(Feature)建構機器學習模式,藉由大數據分析、機器學習的技術來制訂學習資料與指標。
打造ShareCourse 3.0 (AI Tutor) 平台,強化線上教學模式,提升適性化教學 (Adaptive Learning)與學術研究助益,使師生間互動更直覺且頻繁。
11
研究問題源起
研究目的:
建置MOOC AI Tutor學習輔助與素材推薦系統,並建立課程推薦模組 (Recommend Module),與影片 (Video)、練習題 (Quiz)等課程元素推薦模組。
研製學習大數據分析預測模組,將學習者分群,制訂課程整體指標、學生學習活動分析指標與老師教學回饋分析指標。
12
研究問題源起
研究目的:
驗證SPOC班級使用 AI Tutor 學生之學習成效,在研究設定的翻轉教室學習環境中,採用 AI Tutor之學習者(實驗組)與不採用 AI Tutor 之學習者(控制組)在課程結束後,兩組學生學習成效、學習態度與學習感知是否有顯著差異。
13
研究方法設計
研究說明:
以計算機網路為教學內容。
以MOOC平台作為教學工具。
以測驗試題 (Quiz、Exam)和學生學習行為 (影片指標、評量指標、討論區指標、學習成效指標等)作為評量工具。
以MOOC平台以及研發的AI Tutor當作研究工具。
16
研究方法設計
研究假設:
在磨課師輔助之翻轉教室學習環境中,採用AITutor系統之學習者(實驗組)與不採用 AI Tutor系統之學習者(控制組)在課程結束後,實驗組學生學習成效、學習態度與學習感知具有顯著差異。
17
研究方法設計
研究範圍:
預計使用清華大學資訊工程學系黃能富教授的
「計算機網路概論」課程 (三學分, 大二大三選修課程)。9/2018 開授, 約140 位學生選課. ShareCourse 線上總共約 600 位選課.
「物聯網概論」課程 (三學分, 大二大三選修課程)。2/2019 開授, 預計約 40 位學生選課. ShareCourse 線上總共約 400 位選課.
研究對象:
清華大學電機資訊學院學生。
實施程序:
如下圖之研究流程圖。
20
學習成效評量
預期達成之學生學習成效:
設定學習資料與指標分析之項目,包括研究選定之課程整體數據分析、學生回饋分析、老師回饋分析與MOOC平台數據分析設計做為重點工作項目。
開發輔助課程平台的數據分析技術,讓MOOC學習環境更友善。
建立學習成效指標做為資料分析之用,指標內容如下表。
21
學習成效評量
預期達成之學生學習成效:
項目 特徵
課程整體指標
選修人數 通過人數 註冊人數:所有學生註冊總人數 完課率:上完課人數/註冊總人數 通過率:課程通過人數/上課總人數 輟學率:未完課人數/註冊總人數
學生學習活動分析指標
課程影片指標:觀看總次數、觀看總時間、觀看完成度、平均影片續看率
課程評量指標:課程練習題完成度、練習題答對率 討論區指標:討論次數、討論區活躍度 學習成效指標:期中考、期末考、課程作業、總成績
老師教學回饋分析指標
教學教材類型下載次數統計 作業/練習題答錯次數統計 影片章節觀看次數統計 學習活動類型統計 論壇回覆課程章節主題統計
22
學習成效評量
預期達成之學生學習成效:
設定學習資料與指標分析之項目,包括研究選定之課程整體數據分析、學生回饋分析、老師回饋分析與MOOC平台數據分析設計做為重點工作項目。
開發輔助課程平台的數據分析技術,讓MOOC學習環境更友善。
建構MOOC智能輔助TA系統,預計作為國內將來發展大規模線上課程翻轉教學之參考指標。
23
學習成效評量
預計教學成果公開發表分享之規劃:
將邀請教育學院共同辦理「MOOC AI Tutor教師研習與工作坊」,分享應用人工智慧技術於磨課師課程學習大數據分析與其成效。
深化教學成效與其學術理論之驗證,並發表研究論文至國際重要大數據分析、學習科技研討會,進行資訊融入於數位技術議題之論文發表。
24
學習成效評量
教學成果對教學社群可能產生之影響與貢獻:
將廣邀MOOC授課教師,以「翻轉教學教師社群」招集並討論MOOC與SPOC教學之差異,並邀請成效優良SPOC課程教師分享其課程開授方法與帶領學生之經驗,協助有興趣發展翻轉教學之教師經驗傳承。