基于文本挖掘的教學(xué)設(shè)計(jì)能力需求研究——以北上廣深的教學(xué)設(shè)計(jì)相關(guān)崗位數(shù)據(jù)為例
發(fā)布時(shí)間:2020-12-16 12:21
教育改革、在線教育、STEM教育的不斷發(fā)展,對(duì)教育工作者的教學(xué)設(shè)計(jì)能力提出了新的要求,如何識(shí)別這些要求,成為教學(xué)設(shè)計(jì)領(lǐng)域不可忽視的問題。該研究從市場(chǎng)真實(shí)數(shù)據(jù)入手,采用文本挖掘技術(shù)分析教學(xué)設(shè)計(jì)能力需求,包括:根據(jù)現(xiàn)有研究提出教學(xué)設(shè)計(jì)能力分析框架;使用爬蟲技術(shù)獲取北上廣深一線城市與"教學(xué)設(shè)計(jì)"相關(guān)的崗位數(shù)據(jù),進(jìn)行分組、分詞等文本預(yù)處理,并使用分類器驗(yàn)證分類合理;依據(jù)教學(xué)設(shè)計(jì)分析能力框架和分詞結(jié)果構(gòu)建教學(xué)設(shè)計(jì)能力指標(biāo)體系與詞袋模型;建立能力分析雷達(dá)圖,呈現(xiàn)每類崗位能力需求的具體情況;并根據(jù)研究結(jié)果提出提供靈活的課程體系以滿足教學(xué)設(shè)計(jì)能力需求的模塊組合、豐富前沿領(lǐng)域的教學(xué)實(shí)踐以培養(yǎng)實(shí)戰(zhàn)能力等建議。
【文章來源】:中國(guó)教育信息化. 2019年23期
【文章頁(yè)數(shù)】:7 頁(yè)
【部分圖文】:
研究框架
分類器通過學(xué)習(xí)訓(xùn)練集中的數(shù)據(jù)建立相應(yīng)模型,然后根據(jù)模型對(duì)測(cè)試集中的數(shù)據(jù)進(jìn)行分類,理想情況下訓(xùn)練集的數(shù)據(jù)越大,訓(xùn)練的模型越準(zhǔn)確。本研究將總數(shù)據(jù)分別按照0.01、0.02、0.03、0.04、0.05、0.06、0.07、0.08、0.09、0.1、0.2、0.3、0.4、0.5的比例隨機(jī)抽取出數(shù)據(jù)組成測(cè)試集,剩下的數(shù)據(jù)組成訓(xùn)練集,進(jìn)行測(cè)試并輸出錯(cuò)誤率。每種情況測(cè)試10次取平均值作為該情況下的錯(cuò)誤率,各分類器的錯(cuò)誤率如圖5所示。從圖5可以看出基于歐式距離與基于余弦相似度的k NN算法效果幾乎等價(jià),這在意料之中,兩者錯(cuò)誤率均圍繞在75%上下,比使用了貝葉斯原理的算法高得多,筆者認(rèn)為產(chǎn)生這種情況的原因在于,特征項(xiàng)數(shù)目眾多(8188),并非所有特征項(xiàng)都具有很好的區(qū)分度,將每個(gè)特征項(xiàng)的差異“累加”起來的算法,誤差會(huì)比較大。若還要使用k NN算法對(duì)文本進(jìn)行分類,可以考慮采取一些聚類措施,降低特征向量的維度。本研究使用分類器的目的不是改進(jìn)分類算法,而是找到合適的分類模型證明對(duì)職位進(jìn)行的三種分類是合理的,因此不再深入闡述算法。
用表2生成的能力分析雷達(dá)圖如圖6所示。從圖6可以看出,在9個(gè)能力指標(biāo)中,教師/講師類崗位對(duì)“情感態(tài)度和個(gè)人素質(zhì)”和“教學(xué)能力”的需求很突出,其次是“管理能力”、“分析設(shè)計(jì)能力”與“溝通能力”,對(duì)計(jì)算機(jī)能力的要求不高;研發(fā)設(shè)計(jì)類對(duì)“分析設(shè)計(jì)”能力的需求最突出,其次是“計(jì)算機(jī)語言能力”和“管理能力”;職能類崗位對(duì)“管理能力”的需求最為突出,其次是“分析設(shè)計(jì)能力”以及“教學(xué)能力”。
【參考文獻(xiàn)】:
期刊論文
[1]文本分類TF-IDF算法的改進(jìn)研究[J]. 葉雪梅,毛雪岷,夏錦春,王波. 計(jì)算機(jī)工程與應(yīng)用. 2019(02)
[2]基于多媒體信息檢索的有監(jiān)督詞袋模型[J]. 袁桂霞,周先春. 計(jì)算機(jī)工程與設(shè)計(jì). 2018(09)
[3]基于文本挖掘的互聯(lián)網(wǎng)教育課程主題發(fā)現(xiàn)與聚類研究[J]. 李夢(mèng)杰,劉建國(guó),郭強(qiáng),李仁德,湯曉雷. 上海理工大學(xué)學(xué)報(bào). 2018(03)
[4]基于改進(jìn)的TF-IDF算法的微博話題檢測(cè)[J]. 陳朔鷹,金鎮(zhèn)晟. 科技導(dǎo)報(bào). 2016(02)
[5]IBSTPI國(guó)際教學(xué)設(shè)計(jì)能力新標(biāo)準(zhǔn)述要——教學(xué)設(shè)計(jì)師專業(yè)化發(fā)展的一種圖景[J]. 方向,盛群力. 遠(yuǎn)程教育雜志. 2015(03)
[6]國(guó)際教學(xué)設(shè)計(jì)研究三十年[J]. 杜華. 開放教育研究. 2013(05)
[7]能力概念的多維透視[J]. 吳曉義,杜曉穎. 吉林工程技術(shù)師范學(xué)院學(xué)報(bào). 2006(04)
本文編號(hào):2920141
【文章來源】:中國(guó)教育信息化. 2019年23期
【文章頁(yè)數(shù)】:7 頁(yè)
【部分圖文】:
研究框架
分類器通過學(xué)習(xí)訓(xùn)練集中的數(shù)據(jù)建立相應(yīng)模型,然后根據(jù)模型對(duì)測(cè)試集中的數(shù)據(jù)進(jìn)行分類,理想情況下訓(xùn)練集的數(shù)據(jù)越大,訓(xùn)練的模型越準(zhǔn)確。本研究將總數(shù)據(jù)分別按照0.01、0.02、0.03、0.04、0.05、0.06、0.07、0.08、0.09、0.1、0.2、0.3、0.4、0.5的比例隨機(jī)抽取出數(shù)據(jù)組成測(cè)試集,剩下的數(shù)據(jù)組成訓(xùn)練集,進(jìn)行測(cè)試并輸出錯(cuò)誤率。每種情況測(cè)試10次取平均值作為該情況下的錯(cuò)誤率,各分類器的錯(cuò)誤率如圖5所示。從圖5可以看出基于歐式距離與基于余弦相似度的k NN算法效果幾乎等價(jià),這在意料之中,兩者錯(cuò)誤率均圍繞在75%上下,比使用了貝葉斯原理的算法高得多,筆者認(rèn)為產(chǎn)生這種情況的原因在于,特征項(xiàng)數(shù)目眾多(8188),并非所有特征項(xiàng)都具有很好的區(qū)分度,將每個(gè)特征項(xiàng)的差異“累加”起來的算法,誤差會(huì)比較大。若還要使用k NN算法對(duì)文本進(jìn)行分類,可以考慮采取一些聚類措施,降低特征向量的維度。本研究使用分類器的目的不是改進(jìn)分類算法,而是找到合適的分類模型證明對(duì)職位進(jìn)行的三種分類是合理的,因此不再深入闡述算法。
用表2生成的能力分析雷達(dá)圖如圖6所示。從圖6可以看出,在9個(gè)能力指標(biāo)中,教師/講師類崗位對(duì)“情感態(tài)度和個(gè)人素質(zhì)”和“教學(xué)能力”的需求很突出,其次是“管理能力”、“分析設(shè)計(jì)能力”與“溝通能力”,對(duì)計(jì)算機(jī)能力的要求不高;研發(fā)設(shè)計(jì)類對(duì)“分析設(shè)計(jì)”能力的需求最突出,其次是“計(jì)算機(jī)語言能力”和“管理能力”;職能類崗位對(duì)“管理能力”的需求最為突出,其次是“分析設(shè)計(jì)能力”以及“教學(xué)能力”。
【參考文獻(xiàn)】:
期刊論文
[1]文本分類TF-IDF算法的改進(jìn)研究[J]. 葉雪梅,毛雪岷,夏錦春,王波. 計(jì)算機(jī)工程與應(yīng)用. 2019(02)
[2]基于多媒體信息檢索的有監(jiān)督詞袋模型[J]. 袁桂霞,周先春. 計(jì)算機(jī)工程與設(shè)計(jì). 2018(09)
[3]基于文本挖掘的互聯(lián)網(wǎng)教育課程主題發(fā)現(xiàn)與聚類研究[J]. 李夢(mèng)杰,劉建國(guó),郭強(qiáng),李仁德,湯曉雷. 上海理工大學(xué)學(xué)報(bào). 2018(03)
[4]基于改進(jìn)的TF-IDF算法的微博話題檢測(cè)[J]. 陳朔鷹,金鎮(zhèn)晟. 科技導(dǎo)報(bào). 2016(02)
[5]IBSTPI國(guó)際教學(xué)設(shè)計(jì)能力新標(biāo)準(zhǔn)述要——教學(xué)設(shè)計(jì)師專業(yè)化發(fā)展的一種圖景[J]. 方向,盛群力. 遠(yuǎn)程教育雜志. 2015(03)
[6]國(guó)際教學(xué)設(shè)計(jì)研究三十年[J]. 杜華. 開放教育研究. 2013(05)
[7]能力概念的多維透視[J]. 吳曉義,杜曉穎. 吉林工程技術(shù)師范學(xué)院學(xué)報(bào). 2006(04)
本文編號(hào):2920141
本文鏈接:http://www.sikaile.net/jiaoyulunwen/jykj/2920141.html
最近更新
教材專著