FLoRA 引擎：用于衡量和促进学习者自我调节活动的分析工具
人机交互
2025-01-24 v1 计算机与社会
摘要
教育的关注点正逐渐转向学习者在技术增强型学习环境（TELs）中自我调节学习的能力。先前的研究表明，自我调节学习（SRL）会导致更好的学习表现。然而，许多学习者难以以富有成效的方式来自我调节学习，因为他们通常需要导航复杂的认知、元认知和动机过程，这些都是 SRL 所需的。为了应对这些挑战，开发了 FLoRA 引擎，以帮助学生、职员和专业人士提高 SRL 技能，成为富有成效的终身学习者。FLoRA 融合了若干学习工具，这些工具基于 SRL 理论，并借助学习分析（LA）进行增强，以提高学习者对不同 SRL 技能的掌握程度。该引擎在学习任务期间跟踪学习者的 SRL 行为，并提供自动化的脚手架，以帮助学习者有效地调节自己的学习。FLoRA 的主要贡献包括（1）创建仪表工具，以无扰方式收集大量细粒度、按时间顺序的学习行动轨迹数据；（2）构建一个跟踪解析器，该解析器利用学习分析及相关分析技术（例如过程矿产）来建模和理解学习者的 SRL 过程；（3）提供一个脚手架模块，该模块根据学生的学习进展提供基于分析的自适应、个人化脚手架。本文还讨论了 FLoRA 引擎的体系结构和实现。
引用
@article{arxiv.2412.09763,
title = {The FLoRA Engine: Using Analytics to Measure and Facilitate Learners' own Regulation Activities},
author = {Xinyu Li and Yizhou Fan and Tongguang Li and Mladen Rakovic and Shaveen Singh and Joep van der Graaf and Lyn Lim and Johanna Moore and Inge Molenaar and Maria Bannert and Dragan Gasevic},
journal= {arXiv preprint arXiv:2412.09763},
year = {2025}
}
备注
28 pages, 2 tables, 12 figures, journal