欧宝平台登录:潘鑫 张睿基于教育游戏数据挖掘的科学探究能力测评研究

发布时间: 2023-01-22 07:42:21 来源:欧宝体育直播nba 作者:欧宝体育手机版app直播

  科学探究能力的测量已经成为STEM教育领域的研究热点之一。在此背景下,本研究设计并开发了基于斜抛运动知识点的探究性教育游戏,并通过数据挖掘和文本分析法对学习者在该教育游戏中产生的学习行为数据进行分析,探讨了学生科学探究能力的测量方法。结果表明,学生知识水平的增长并不一定能促进探究能力的提高;学生的探究设计能力和归纳总结能力不存在关联;不同知识背景的学生的探究结果存在显著性差异;探究结论和学生的训练次数存在关联。

  随着科学技术的迅速发展,科学素养已经成为21世纪人才必备的核心素养之一。科学探究能力的高低是科学素养水平的直接体现,重视培养学术的科学探究能力已成为当前国际科学教育改革的核心理念。近年来世界各国均将科学探究能力置于重要地位,早在1996年颁布的《美国国家科学教育标准》中就明确提出了“以探究为中心的科学教育”[1],我国的新课程改革也对科学教育提出了变“以知识体系为中心的科学结论教育”为“以探究为中心的科学过程教育”, 强调让学生在科学探究过程中进行学习。作为一门基础学科,物理课程也充分体现了科学素养的特点,其核心素养主要包括:“物理观念”“科学思维”“科学探究”“科学态度与责任”四个维度[2],这里的科学探究能力,即通过探究活动发现科学规律的能力。近年来,很多物理教育工作者也通过教学改革,提升学生的科学探究能力。

  科学探究能力已经成为了各国教育的关注热点,如何评价学生的科学探究能力也受到了研究者们的关注,但是这方面的研究主要集中于理论层面,关于科学探究能力测评的实证性研究却相对较少,本研究在基于斜抛运动的探究性教育游戏上,利用数据挖掘和文本分析法来分析学习者在该游戏中产生学习行为数据,探讨研究测量学习者的科学探究能力的方法。

  国际上对于科学探究能力测评的形式主要有四种,分别是观察法、纸笔测验、工作单和计算机模拟[5]。观察法包括眼看、耳听、口问等,主要表现为学生独立或者进行小组探究时,老师们在一旁进行观察,并在观察的基础上给出定性和定量的评价结果[3]。这种方法要耗费大量的人力资源,所以只适合小范围的测评。纸笔测验即为学习者通过笔试,将能力量化为分数。纸笔测验考察的题目基本都是独立的,要素分离的,与真实探究场景还是有区别的[4]。工作单即为学习者进行动手探究,将探究结果写在一张单子上,老师们根据单子进行延时评分,这种方法操作方便,成本低,所以被广泛使用,但测评过程还需要投入相当的人力。计算机模拟就是学习者在计算机模拟的情境中进行探究活动,计算机根据探究结果进行自动打分。这种方法简单易操作,但是前期开发成本大,而且需要学习者有一定的计算机操作基础[5]。

  当前科学探究能力的评价方式还呈现多样化,综合化的趋势。罗国忠在《科学探究能力的评价方法》中提出:任何一种评价方式都不具有天然的公平性,我们要改变采用单一评价方法,而是综合运用多种评价方法,从而提高探究能力评价的有效性[4]。马琳在用纸笔测试学生的科学探究素养时也提出:任何一种评价方式都不可能尽善尽美,纸笔测试也是如此,要更加关注学生在运用知识解决问题过程中所彰显的能力和品质[6]。张军朋等人在研究高中物理教师对科学探究能力评价方式的认识与态度时发现,大多数的教师并不认为单一的纸笔测验或者工作单能完全测试出学习者的科学探究能力[7]。这些研究表明,我们需要采取多样化的评价方式测评学生的探究能力。

  APU认为科学探究是一个立足于解决问题,以获得有效证据和可靠性反思评价为核心,并根据探究结果不断调整和改进的过程[8]。APU将科学探究能力要素分为6个方面[9],分别是:符号表征的使用、器材和测量工具的使用、观察能力、解释和应用、探究设计、整体探究表现,这六个方面层层递进,评价目标清晰具体。PISA2015指出科学探究能力包括三种主要的科学能力,分别是科学的解释现象、评价和设计科学探究、科学地解释数据和证据。这三种能力反映了一个完整的科学探究活动的过程,层次清晰,层层递进。TIMSS2011特别强调对学生科学探究能力的评估,而且要将探究能力结合具体的情境测评,不能孤立的评价。

  当然,国内也有部分学者在进行这方面的研究,如李春梅等人在遵循新课标的科学探究七要素的基础上,运用“探究日志”来评价学习者的科学探究能力,设计并制定了详细的评分标准[10]。马永双在对学生的科学探究能力进行要素分析的基础上,征求了很多高校教师意见,最终制定了PTA量表[11],将科学探究能力由抽象变为具体,可操作性和实用性更强。

  综合以上的国内外评价体系的内容和方式,可以得出以下两点启示:首先要将科学探究能力转化为具体的、可测量的行为要素进行评价。例如APU和PISA2015都将科学探究能力进行细化。这样可以使得评价更加具体化、可操作化。其次要结合特定的情境来评价科学探究能力。特定的情境不仅可以促使学习者们进行相关知识的迁移,而且还有助于研究者多方面多角度的测量学习者的综合能力。

  教育游戏是游戏化学习的主要工具,近几年随着信息技术的快速发展,教育游戏作为一种新的教学媒体被引入教育教学中,学习者可以在教育游戏创设的具体的情境中进行知识的迁移,主动的探索和解决问题。与此同时,学习者会在游戏化学习的过程中产生大量的学习行为数据,这些数据为评价学生通过游戏场景解决问题的能力提供了数据支持。新媒体联盟(NMC)与美国高校教育信息协会(ELL)在《新媒体联盟地平线]中预测,“游戏和游戏化”在未来几年内,将作为高等教育领域的数字化支持策略,成为教育技术的一大研究热点。

  为了发现不同学习者之间的个体差异,更加准确的对学习者进行学业评估,国外部分研究者对学习者在教育游戏中产生的行为数据进行分析,使用的方法包括数据可视化、数据挖掘、顺序数据分析等技术。Seaton[13]等人利用数据可视化技术创建了学习分析仪表板,学习者可以在游戏过程中实时看到自己的游戏表现,这样有助于他们找到提高自身游戏表现的线索和策略。Tlili[14]等人采用关联规则和Apriori算法来分析学习者在智能游戏化Moodle中产生的行为数据,从而可以对学生进行预警。Moon和Li[15]对基于游戏学习的顺序数据分析的技术和理论进行了阐述。

  国内也有部分学者针对教育游戏对学习者产生的影响进行了研究。穆晓静[16]利用威廉斯创造力测试量表来对学习者的创造性思维进行前后测试,发现教育游戏对学生创造性思维的发展有促进作用。雷楚奇[17]发现学习者参与教育游戏的时间与学习兴趣和效率成正相关关系。

  由此可见,教育游戏创设出的特定的学习情境,不仅能够对学习者产生积极的影响,而且还有助于研究者分析学习者在其中产生的行为数据,更加真实的追踪学习者的学习过程。从而给研究者最大程度上还原了学习者的学习场景,这为学生探究能力的测评提供了便利的条件。

  本研究设计并开发了基于斜抛运动的探究性教育游戏,将科学探究能力中的探究设计和总结归纳两个行为要素作为考查对象,将这两个行为要素融合到此教育游戏的情境中,让学习者进行探究活动,并在后台记录下他们的操作数据。利用数据挖掘法和文本分析法对学习数据进行分析,从而测评学习者的科学探究过程和探究结果。

  本研究以华东地区T大学58名大一同学(无大学物理知识背景)和55名大二学生(有大学物理知识背景)作为研究对象。通过收集这113名学生在教育游戏中产生的学习数据,并进行整理,清除无效数据后本研究最终筛选出104名学生作为研究对象。

  由公式(1)可以看出斜抛运动的抛体射程与抛体的初速度v0、抛射角θ、高度h这三个变量有关。琚鑫[19]等人在研究中发现,当初速度一定时(见图1),抛射角θ对射程的影响比较大。还可以看出,当抛射角θ逐渐增大时,高度h对于射程的影响则逐渐减小,当θ接近

  图2的曲线①和曲线②分别描绘初速度相同,不同高度对射程的影响,发现影响不大。曲线③和曲线④分别描绘高度相同,不同初速度对射程的影响,发现二条曲线的差异较大。

  从以上结果可知,抛体的初速度v0、抛射角θ、高度h这三个变量对抛射射程的影响是不同的,初速度是影响射程的主要因素。本研究的探究设计考察维度,旨在考察学习者是否能够设计出较为科学的探究过程,并对探究结果进行合理的归纳。

  本研究采用html5、JavaScript、Springboot、MySQL等编程技术,设计并开发了PC端基于斜抛运动的探究性教育游戏。探究活动的主要目的是研究小球的初速度,抛射角以及高度对抛射射程的影响。

  游戏分为普通模式和竞争模式两个模式。在普通模式中(见图3),学习者可以通过滑动条调节页面右边的变量进行物理变量关系探究。在普通模式中游戏者可以用游戏中提供刻度尺测量落点的位置,并通过绘图来探究变量之间的关系曲线次发射机会来击中靶心。游戏开始后后台会记录学习者的每次的发射数据以及他们是否成功击中靶心。

  数据挖掘技术是指从复杂的大型数据中挖掘出未知的隐藏信息,从而为使用者决策、支持提供有效途径,目前被广泛的应用于多个领域。数据挖掘技术可以分为以下六类:分类、聚类、预测、相关性分析、概念描述、偏差检测[20]。其中聚类分析是通过提取和分析没有分类的数据集中数据的特性后,将数据集分类成不同类别的数据集合,使得每一类中的数据都具有一定的相似性,并且相似性越大越好,不同类别数据之间差异性越大越好。常见的聚类法有K-means聚类,层次聚类等。相关性分析是从大量的数据中找出某些数据之间的隐含的内在关联性。依据相关性,可以从某类数据的变化趋势,推断出与之有关联性的另一类数据的变化趋势。本研究采用SPSS 21.0软件,对学习者在基于斜抛运动知识点的探究性教育游戏产生的探究数据进行了K-means聚类分析和相关性分析。

  文本分析法是将不系统的、定性的符号性内容如文字、图像等转化为系统的、定量的数据资料的研究方法[21]。此方法将文本等内容转换为数据,可以避免定性研究带来的主观性和不确定性,从而使得研究更加具有直观性和深刻性。本研究采用文本分析法,将学习者在基于斜抛运动知识点的探究性教育游戏产生的探究结果转化为定量的数据。

  其中,ci是第i个簇,p是ci中的样本点,mi是ci的质心(ci中所有样本的均值),SSE是所有样本的聚类误差,代表了聚类效果的好坏。

  手肘法的核心思想是:随着聚类数k的增大,样本划分会更加精细,每个簇的聚合程度会逐渐提高,那么误差平方和SSE自然会逐渐变小。并且,当k小于真实聚类数时,由于k的增大会大幅增加每个簇的聚合程度,故SSE的下降幅度会很大,而当k到达真实聚类数时,再增加k所得到的聚合程度回报会迅速变小,所以SSE的下降幅度会骤减,然后随着k值的继续增大而趋于平缓,也就是说SSE和k的关系图是一个手肘的形状,而这个肘部对应的k值就是数据的真实聚类数。

  基于此方法,本研究对大一同学和大二同学在基于斜抛运动知识点的探究性教育游戏的竞赛模式中产生的射程分别利用手肘法来进行数据处理,选取最佳聚类数k。通过生成的k-SSE关系图,发现k的取值集中在2、3、4这几个数,(以其中两组为例)如图5。本研究又在此基础上,利用SPSS 21.0软件中的K-means均值聚类分析功能,将k=2、3、4分别作为聚类数进行试验。发现大部分组三聚类后方差分析得出的F值高于2聚类和4聚类。因此,本研究最终决定采取三聚类对数据进行分类。

  结合游戏中靶子的射程范围,将学习者在游戏的竞赛模式中产生的六次发射数据进行射程范围划分,分为有效范围(靶子正中心的圆环位置为80~90)和最佳范围(靶子边界位置70~100)。

  (3) 结合射程的有效范围和最佳范围,按照接近目标的程度对每类数据的射程打分,最接近目标的为3分,其次为2分,最后为1分。如第一次射程数据三聚类后的射程范围分别为(60~80.46),(81.65~91.4),(100.08~140.38),可以分别打分为2分,3分,1分。

  (4) 重复以上步骤六次,即可算出一位同学六次发射的总分。如果已经达到目标,此后每轮的计分都按3分计算。

  (2) 学生是否正确写出m-x,v-x,θ-x,h-x的关系(x为射程,关系是指出现正比、反比、正相关、反相关、越…越…等关键词),正确写出其中一种关系加一分。

  (3) 学生是否正确写出m-x,v-x,θ-x,h-x关系的物理表达式,正确写出一种表达式加一分。

  (1) 利用SPSS 软件,将两组同学的探究过程的成绩进行独立样本T检验,结果如表1所示。1组为学过斜抛运动知识点的大二同学,2组为没有学过斜抛运动知识点的大一同学。发现两组同学的成绩并无显著性的差异。即说明:不同知识背景的同学们在该探究性教育游戏中表现出的探究设计层面的探究能力并无显著性差异。

  (2) 利用SPSS 软件,将两组同学的探究结论的成绩进行独立样本T检验,结果如表2所示。发现两组同学的成绩有显著性的差异。

  (3) 利用SPSS 软件的双变量相关性分析,将学习者的探究过程成绩和探究结论成绩进行相关性分析,结果如表3所示。结果表明学习者的探究过程成绩和探究结论成绩之间均不存在相关性。

  (4) 利用SPSS 软件的双变量相关性分析,将学习者在普通模式中的发射次数分别与他们的探究过程成绩和探究结论成绩做相关性分析,结果如表4所示。结果表明学习者的尝试次数和探究结论成绩呈中等水平相关性,而与探究过程成绩不显著相关。

  (5) 以探究过程成绩的平均分值对学习者进行分组,高于平均分为高分组,低于平均分为低分组。通过观察不同组学习者在竞赛模式调节变量的个数(变量为初速度v0、抛射角θ、高度h),结果见表5。发现高分组有63%的同学只调节一个变量,而低分组只有27%的同学只调节一个变量。进一步分析可以看出发现对于只调节一个变量的同学,高分组调节v变量的有32名学习者,占高分组中只调节一个变量人数的80%,低分组只有4名,占低分组中只调节一个变量人数的31%。(见表6)。

  由我们的结果可以得出,不同知识背景的学生所具备的探究设计能力并没有很大差别,即知识水平的增长并不一定能促进学生探究能力的提高。丁林也曾在研究中发现在高等教育阶段,学生年级与科学探究能力并不成正相关,年级越高的同学并不一定科学探究能力就越强[23]。

  学生总结归纳能力和探究设计能力之间没有相关性,即总结归纳能力强的同学探究设计能力不一定强。教师不能只依据学生的实验报告来评价学生解决问题的能力,而是应该通过形成性评价机制,建立多维度的评价体系。从结果上来看,通过前期探究,相当一部分探究过程高分组的同学已经意识到了初速度是影响射程的主要变量,但总结归纳能力还有待提高。

  不同知识背景的同学们对实验结论进行总结归纳的能力是有显著性差异的。这说明学生的总结归纳能力和学生的知识结构有一定的关系,了解和探究有关的知识内容,有助于学生分析,理解探究结果,总结归纳探究结论。当然这里也不排除在总结中,学生通过机械记忆复述所学知识的可能性,有关结果还需要进一步研究确定。

  学生在普通模式中的尝试次数与探究结论成绩有中度正相关关系,说明在教育游戏的情境中,学生最终得出的探究结论部分是在普通模式中不断尝试和摸索得出的相关经验的基础上总结归纳得出的。尝试次数和探究过程成绩不相关,说明学生还不能够完全将探究过程提升到元认知的高度,还不能通过尝试找到解决问题的最佳途径。

  通过观察探究过程得分高分组和低分组学习者在竞赛模式中调节变量的个数,可以发现高分组中有63%学习者只调节一个变量,并且这其中80%的学习者调节的是v变量,;低分组中有27%学习者只调节一个变量,并且这其中31%的学习者调节的是v变量。由此可知在该教育游戏中,大多数学习者还是倾向于调节一个变量来解决问题。高分组的同学已经意识到了初速度是影响射程的主要变量。但在归纳时仅1人提及这点,说明多数学生的总结归纳能力还有待提高。

  本研究的结果表明探究性活动对学生发现知识的能力能起到积极的训练作用。教师在教学过程中,不应只重视知识的讲解,而应给予学生一定的实践探究的机会;在评价学生时,不能只依据学习者的学习成绩或知识水平,而需要从多方面、多角度对学生的综合能力进行评价,重视学生分析问题、解决问题能力的培养,教育要为国民经济可持续发展和建设创新性社会提供推动力。

  [1]柯学.《美国国家科学教育标准》中译本面世[J].课程·教材·教法,1999(10):3-5.

  [5]顾乃景. 大学生科学探究能力评价研究[D].江苏:东南大学,2016.

  [6]马琳.如何在纸笔测试中评价学生科学探究素养[J].化学教学,2020(4):73-79.

  [7]张军朋,许桂清.中学物理科学探究学习评价与案例[M].北京:北京大学出版社,2010:98-100.

  [10]李雪梅,范春玲.运用“探究日志”评价中学生的科学探究能力[J].物理教学探讨,2008(7):5-8.

  [12]陈然,杨成.量化自我:大数据时代教育领域研究新机遇——2014年地平线报告研究启示[J].现代教育技术,2014,24(11):5-11.

  [16]穆晓静. 数字化教育游戏影响中学生创造性思维发展的实证研究[D].陕西:陕西师范大学,2016.

  [17]雷楚奇.数字化教学游戏对学生学习促进效果的研究——基于模拟经营平台“菠萝客”的实证分析[J].科教导刊(下旬),2016(1):119-120.

  [19]琚鑫,岳凌月,王邦平.斜抛运动中射程问题的一般性讨论与数值计算[J].物理通报,2013(6):118-120.

  [20]王雪辉. 基于数据挖掘技术的股票预测研究与应用[D].海南:海南大学,2020.

  基金项目: 本文得到2020年度上海市教育科研市级课题“大学物理互动式电子书设计与教学实践”项目的支持(编号:C20122)。

  引文格式: 潘鑫,张睿,张志华. 基于教育游戏数据挖掘的科学探究能力测评研究[J]. 物理与工程,2021,31(6):25-32.

  本文为澎湃号作者或机构在澎湃新闻上传并发布,仅代表该作者或机构观点,不代表澎湃新闻的观点或立场,澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。

上一篇:BI数据剖析东西不单单仅仅让数据愈加漂亮罢了!
下一篇:数据发掘技能在各范畴中的使用

相关信息

  • 欧宝体育手机版app直播:数据发掘技能在各范畴中的使用

    欧宝体育手机版app直播:数据发掘技能在各范畴中的使用

    不同于传统年代,社会各范畴在参加剧烈的市场竞赛过程中,充沛认识到数据对本身久远开展战略完成的重要性。因而 众所周知,人体奥妙无穷无尽,遗传暗码、人类疾病等方面都蕴含了海量数据信息。而传统研讨形式,单纯依托人工无法真实探究真实的隐秘。而使用数据发掘技能可以有用处理这些问题,给医疗作业者带来了极大的便当。一起,医疗体制改革布景下,医院内部医疗用具的办理、患者档案资料收拾等方面相同触及数据,引进数据发掘技能,可以深化剖析疾病之间的联络及规则,协助医师确诊和医治,以到达确诊事半功倍的方针,且为保证人类健康等供给强壮的技能支持。 银行及金融机构中触及储蓄、信贷等许多数据信息。使用数据发掘技能办理和使用这些数据信息,可以协助金融机构更好地习惯互联网金融年代的开展趋势。进步金融数据完好、可靠性,为金融决议计划供给科学依据。金融市场变化多端,要想在竞赛中进步本身中心竞赛力,需求对数据进行多维剖析和研讨。在使用中,特别是针对侦破洗暗仓等犯罪活动,可以采纳孤立点剖析等东西进行剖析,为相关作业有序展开奠定坚实的根底。 当时,针对高校中存在的贫穷大学生而言,遭到本身家庭等要素
  • 欧宝体育手机版app直播:大数据—人工智能范畴高水平会议及热门技能汇总

    欧宝体育手机版app直播:大数据—人工智能范畴高水平会议及热门技能汇总

    的来源和开展 跟着互联网的广泛运用,云核算年代现已逐步步入人们的日子, 触及使核算机具有自我意识,运用核算机视觉、天然语言了解和仿照其他感官。其次, ,它的实践运用百度大脑、语音查找、图画、广告跟查找排序及自动驾驶,用一句简略的话来归纳便是在云端根据 芯片也历来备受重视。近几年,谷歌、苹果、微软、Facebook、英特尔、高通、英伟达、AMD、阿里巴... ,也是一门极富挑战性的科学,从事这项作业的人有必要懂得核算机常识,数学、心理学,甚至哲学。 的运用,或许能协助蓝色星球的科学家们脱节无穷无尽试验的苦楚,加快严重科学理论的发现,将人类文明提高到新的台阶。——题记 ` 本帖最后由 cdhqyj 于 2020-10-23 11:09 修改 工业相关的公司也都看好职业未来。“AI是职业开展的倍增器,经过高效发掘 、区块链等在消费金融中也有所运用,它们一同成为了驱动消费金融职业开展的要害 将无处不在,其强壮的核算才能、深度学习的才能与“天然生成自带”的自动化特点相结合,将为 继续取得打破性
  • 欧宝体育手机版app直播:人工智能范畴下的大数据

    欧宝体育手机版app直播:人工智能范畴下的大数据

    逐步进入日常日子的各个方面。而大数据技能的研讨和展开,则更推进技能的改造和社会经济的改造。大数据技能的呈现布景、展开进程、研讨现状以及展开进程中的存在问题是什么?一同在人工智能范畴的大数据技能的展开又有哪些运用场景?让咱们一同去探究。 跟着互联网的广泛运用,云核算年代现已逐步步入人们的日子,大数据在此布景下应运而生。1982年,约翰·奈斯比特在其作品中提出“咱们现在很多出产信息,正如曩昔咱们很多出产轿车相同”;阿尔文·托夫勒在《第三次浪潮》一书中,称大数据为“第三次浪潮的华彩乐章”;面临海量的数据,原有的处理方式已无法应对。2011年,麦肯锡全球研讨所发布了《大数据:立异、竞赛和出产力的下一个前沿》的陈述,对“大数据”进行明晰解说;2012年,瑞士达沃斯举行世界经济论坛,大数据是会议主题。 大数据展开起始于18世纪80年代初至90年代末,核算学家赫尔曼做出一台电动设备来核算美国本乡人口普查数据,揭开数据处理新年代。雷德和普赖斯分别在1944年和1961年出书了《学者与研讨型图书馆的未来》和《巴比伦以来的科学》,猜测大数据年代的到来。2001年,美国Cartner
  • 欧宝体育手机版app直播:大数据可视化计划展现效果图

    欧宝体育手机版app直播:大数据可视化计划展现效果图

    众所周知,数据可视化便是将咱们从数据中探究的信息与图形要素对应起来的进程。数据可视化,先要了解数据,再去把握可视化的办法,这样才干完成高效的数据可视化。 ggplot2将数据,数据到图形要素的映射,以及和数据无关的图形要素制作别离,有点相似java的MVC结构思维。这让ggplot2的使用者能清楚清楚的感受到一张数据剖析图真实的组成部分,有针对性的进行开发,调整。 数据可视化技能的基本思维,是将数据库中每一个数据项作为单个图元元素表明,很多的数据集构成数据图画,一起将数据的各个特点值以多维数据的方式表明,能够从不同的维度调查数据,然后对数据进行更深化的调查和剖析。 大数据渠道表明在大数据时代背景下,为了让群众更方便地享用数据效果,数据可视化技能应运而生。传统的可视化技能根据计算机图形的制作,在传统的可视化技能的基础上,跟着计算机技能的开展以及数据图象处理技能和其他干流智能技能的开展,现代可视化技能取得了必定的开展效果。

手机扫一扫添加微信